OmniRoute/docs/i18n/ms/docs/compression/COMPRESSION_ENGINES.md

Compression Engines (Bahasa Melayu)

🌐 Languages: 🇺🇸 English · 🇪🇹 am · 🇸🇦 ar · 🇦🇿 az · 🇧🇬 bg · 🇧🇩 bn · 🇨🇿 cs · 🇩🇰 da · 🇩🇪 de · 🇬🇷 el · 🇪🇸 es · 🇪🇪 et · 🇮🇷 fa · 🇫🇮 fi · 🇫🇷 fr · 🇮🇪 ga · 🇮🇳 gu · 🇳🇬 ha · 🇮🇱 he · 🇮🇳 hi · 🇭🇷 hr · 🇭🇺 hu · 🇦🇲 hy · 🇮🇩 id · 🇳🇬 ig · 🇮🇹 it · 🇯🇵 ja · 🇬🇪 ka · 🇰🇭 km · 🇮🇳 kn · 🇰🇷 ko · 🇱🇹 lt · 🇱🇻 lv · 🇮🇳 ml · 🇮🇳 mr · 🇲🇹 mt · 🇲🇲 my · 🇳🇵 ne · 🇳🇱 nl · 🇳🇴 no · 🇮🇳 or · 🇮🇳 pa · 🇵🇭 phi · 🇵🇱 pl · 🇵🇹 pt · 🇧🇷 pt-BR · 🇷🇴 ro · 🇷🇺 ru · 🇱🇰 si · 🇸🇰 sk · 🇸🇮 sl · 🇷🇸 sr · 🇸🇪 sv · 🇰🇪 sw · 🇮🇳 ta · 🇮🇳 te · 🇹🇭 th · 🇹🇷 tr · 🇺🇦 uk-UA · 🇵🇰 ur · 🇺🇿 uz · 🇻🇳 vi · 🇳🇬 yo · 🇨🇳 zh-CN · 🇹🇼 zh-TW

---

Pemampatan OmniRoute dibina berasaskan kontrak enjin. Sesuatu mod boleh menjalankan satu enjin secara langsung (caveman atau rtk) atau saluran paip bertindan yang deterministik, yang melaksanakan berbilang enjin mengikut turutan.

Mod

Mod	Laluan enjin	Input yang disasarkan
off	tiada	Pengekalan tepat gesaan
lite	Pembantu Caveman lite	Pembersihan sentiasa aktif yang berisiko rendah
standard	Caveman	Pemadatan gesaan bahasa semula jadi
aggressive	Caveman + peringkas sejarah/alat	Sesi sembang yang panjang
ultra	Caveman + pembantu pemangkasan	Pemulihan had konteks
rtk	RTK	Output terminal, shell, binaan, ujian dan git
omniglyph	OmniGlyph	Konteks sebagai imej pada saluran asli penyedia
stacked	Saluran paip, lalai rtk -> caveman	Log alat dan prosa bercampur, penjimatan maksimum

Profil pemampatan OmniGlyph

Enjin omniglyph (pakej omniglyph, 1.4.0+) menerima profil semantik bernama, yang ditetapkan secara global melalui omniglyph.profile dalam tetapan pemampatan atau bagi setiap langkah melalui konfigurasi langkah saluran paip bertindan:

Profil	Batasan
aggressive	Lalai. Dasar yang diukur oleh bukti terbitan — mengimejkan sistem, dokumentasi alat dan sejarah padat
balanced	Mengekalkan keadaan aktif dalam bentuk asal, melindungi 8 giliran terakhir, memadatkan sejarah tertutup yang lebih lama
coding-safe	Mengekalkan autoriti, skema alat dan output alat aktif dalam bentuk asal, melindungi 12 giliran terakhir
passthrough	Menghalakan tanpa mengubah; enjin dilangkau

Profil ialah had maksimum, bukan had minimum: mergeCompressionProfileOptions dalam pakej tersebut tidak membenarkan penggantian oleh pemanggil membuka semula laluan berkehilangan yang telah ditutup oleh profil, maka preserveSystemPrompt: false bagi setiap langkah tidak boleh mendayakan semula pemampatan sistem di bawah coding-safe.

Berdasarkan pengukuran pada pangkalan kod ini: coding-safe dan balanced menaikkan minCompressChars kepada nilai maksimumnya serta mengekalkan sistem, skema alat dan hasil alat dalam bentuk asal, maka sesi yang belum mengumpulkan sejarah akan terhenti pada below_min_chars dan enjin tidak mengubah apa-apa. Itulah sebabnya nilai lalai ialah aggressive, bukannya profil yang paling selamat.

Pakej tersebut menentukan skop model dan profilnya sendiri daripada konfigurasi persekitarannya. OmniRoute tidak pernah menyerahkan keputusan itu: penyesuai menetapkan pagar model kepada skop pakej yang paling ketat, maka tetapan persekitaran hos hanya boleh mengecilkan senarai izin dan tidak sekali-kali meluaskannya melebihi bukti terukur OmniRoute.

Pendaftar Enjin

Pendaftar terletak di open-sse/services/compression/engines/registry.ts. Enjin mendedahkan kontrak bersama:

• id: id enjin stabil seperti caveman atau rtk
• apply(text, config): laluan pelaksanaan legasi yang digunakan oleh saluran bertindan
• compress(input, config): laluan pelaksanaan utama yang mengembalikan teks + statistik
• getConfigSchema(): mengembalikan bentuk seakan-JSON-Schema bagi konfigurasi yang sah
• validateConfig(config): mengembalikan { valid, errors[] }

Pendaftaran menggunakan registerCompressionEngine(engine) (atau registerEngine untuk kes lanjutan), yang memanggil assertValidEngine() dan validateConfig(defaultConfig) sebelum menerima. Gunakan unregisterCompressionEngine(id) untuk mengalih keluar enjin semasa masa jalan.

strategySelector.ts mendaftarkan enjin terbina dalam sebelum pemampatan dijalankan. Ini membolehkan pratonton, pemampatan masa jalan, mod bertindan, ujian dan enjin akan datang menggunakan laluan pelaksanaan yang sama.

Pemampatan perihalan MCP (berkaitan)

Pendaftar berasingan memampatkan metadata perihalan alat MCP pada peringkat pendaftar — lihat open-sse/mcp-server/descriptionCompressor.ts dan MCP-SERVER.md. Ia menggunakan semula peraturan Caveman tetapi beroperasi pada metadata alat, bukan muatan permintaan.

Enjin terbina dalam tambahan

Selain Caveman, RTK dan LLMLingua-2, pendaftar menyediakan beberapa enjin tanpa kehilangan / berstruktur yang khusus (digunakan oleh saluran bertindan, ruang uji dan ujian):

Enjin	Id	Fungsinya
CCR	ccr	Content-Compress-Retrieve (H4): menggantikan blok teks berterusan yang besar dengan rujukan beralamat kandungan, supaya blok berulang/besar dihantar sekali dan dirujuk selepas itu.
headroom	headroom	SmartCrusher (H3 + N5): pemadatan berjadual tanpa kehilangan bagi muatan tatasusunan JSON homogen kepada bentuk berkolum [N rows].
ionizer	ionizer	Pensampelan baris kepala/tengah/ekor untuk blok homogen yang sangat besar, dengan menyimpan bahagian tengah yang ditiadakan sebagai rujukan beralamat kandungan CCR.
session-dedup	session-dedup	Penyahduplikasian merentas giliran beralamat kandungan (diilhamkan oleh TokenMizer): meniadakan teks yang telah dilihat dalam giliran terdahulu bagi sesi yang sama.

Arahan protokol pemerolehan CCR (#8033): kali pertama CCR menggantikan ≥1 blok dalam sesuatu permintaan, enjin menambahkan satu mesej system yang idempoten di hadapan (bermula dengan sentinel [CCR protocol]) untuk menerangkan kepada pemanggil kontrak penanda → alat: maksud penanda [CCR retrieve hash=<24hex> chars=N], bahawa hash mesti disalin kata demi kata (semua 24 aksara perenambelasan — hash yang tersilap salin berkemungkinan menjadi punca ralat "block not found"), dan bahawa penanda [dedup:ref sha=...] bermaksud "rujuk kembali sejarah", bukan "panggil alat". Nota tersebut disuntik hanya apabila tools[] yang diiklankan oleh pemanggil membuktikan bahawa ia benar-benar boleh mencapai omniroute_ccr_retrieve (callerSupportsCcrRetrieve() dalam open-sse/services/compression/engines/ccr/protocolInstruction.ts) — pemanggil biasa yang serasi dengan OpenAI tanpa alat tersebut tidak akan menerima arahan untuk memanggil sesuatu yang tidak boleh dicapainya. Keidempotentan dikuatkuasakan dengan mengimbas sejarah mesej untuk mencari sentinel sebelum suntikan, supaya permintaan berbilang giliran (yang memainkan semula mesej terdahulu) tidak menimbunkan nota sekali bagi setiap giliran.

Caveman

Mod Caveman memfokuskan pemadatan semantik bagi prosa biasa:

• mengekalkan blok kod, URL, JSON, laluan dan data berstruktur
• membuang pengisi, ungkapan keraguan, konteks berulang dan frasa penghubung yang berjela-jela
• menyokong pek peraturan fail yang peka bahasa dalam open-sse/services/compression/rules/
• kekal tersedia melalui mod legasi standard, aggressive dan ultra

Permukaan papan pemuka ialah Dashboard -> Context & Cache -> Caveman.

Caveman huluan melaporkan ~75% kurang token output, purata penjimatan output sebanyak 65% dalam penanda aras dengan julat 22-87%, serta alat pemampatan input sebanyak ~46%. OmniRoute menggunakan angka sisi input Caveman semasa mendokumentasikan penjimatan prom/konteks bertindan; mod output Caveman kekal sebagai ciri tingkah laku respons yang berasingan.

RTK

Mod RTK memfokuskan output perintah dan alat:

• mengesan kelas output seperti git status, git branch, git diff, Vitest/Jest/Pytest, ujian Cargo/Go, binaan TypeScript/Vite/Webpack, ESLint, audit/pemasangan npm, log Docker, find/grep shell, surih tindanan dan log generik
• menggunakan 49 penapis JSON daripada open-sse/services/compression/engines/rtk/filters/
• menyokong saluran paip deklaratif gaya RTK: penyingkiran ANSI, penggantian, pintasan match-output, pembuangan/pengekalan baris, pemangkasan setiap baris, pemangkasan kepala/ekor/baris maksimum dan sandaran apabila kosong
• menyokong penapis projek berpagar kepercayaan dalam .rtk/filters.json dan penapis global dalam DATA_DIR/rtk/filters.json
• menyingkirkan jujukan ANSI, hingar kemajuan, baris berulang dan teks templat yang tidak membantu
• mengekalkan kegagalan yang boleh diambil tindakan, amaran, ringkasan, fail yang diubah dan konteks ekor
• secara pilihan boleh mengekalkan output mentah yang disunting untuk pemulihan/penyahpepijatan melalui laluan pengurusan yang disahkan

Permukaan papan pemuka ialah Dashboard -> Context & Cache -> RTK.

Butiran operasi untuk penapis tersuai, kepercayaan, pengesahan dan pemulihan output mentah tersedia dalam RTK_COMPRESSION.md.

RTK huluan melaporkan penjimatan 60-90% bagi pemampatan output perintah. Contoh READMEnya menunjukkan sesi Claude Code selama 30 minit berubah daripada ~118,000 token kepada ~23,900, atau penjimatan sebanyak 79.7%.

LLMLingua-2 (Pemangkasan Semantik)

Mod LLMLingua-2 melakukan pemangkasan token semantik pada prosa menggunakan pengelas token ONNX yang kecil, melengkapi enjin Caveman dan RTK berasaskan peraturan:

• memampatkan prosa dalam mesej bukan sistem sahaja; blok kod berpagar dan binaan lain yang dikekalkan tidak pernah diubah
• menjalankan bahagian belakang @atjsh/llmlingua-2 (ONNX melalui @huggingface/transformers) dalam bebenang pekerja, supaya inferens model tidak pernah menyekat gelung peristiwa permintaan
• boleh ditindan (stackPriority 35): dalam saluran paip bertindan, ia berjalan selepas enjin struktur (CCR, session-dedup, headroom, Caveman) tetapi sebelum ultra, kerana pemangkasan semantik paling berkesan pada teks yang telah dimampatkan secara struktur — contohnya rtk -> caveman -> llmlingua
• membuka laluan jika berlaku sebarang ralat (kebergantungan pilihan tiada, penghasilan pekerja, pemuatan model, inferens atau tamat masa) → teks asal dikembalikan tanpa perubahan, bukan ralat

Lokasi enjin: open-sse/services/compression/engines/llmlingua/. Permukaan papan pemuka ialah Dashboard -> Context & Cache -> LLMLingua.

Model

Model lalai ialah TinyBERT (atjsh/llmlingua-2-js-tinybert-meetingbank, ~57 MB, pantas). Model BERT-base dengan ketepatan lebih tinggi (Arcoldd/llmlingua4j-bert-base-onnx, ~710 MB) tersedia melalui medan model dalam konfigurasi enjin. @huggingface/transformers memuat turun model yang dipilih secara malas daripada HuggingFace Hub ke dalam ${DATA_DIR}/models/llmlingua pada panggilan pertama (modelStore.ts); penggantian konfigurasi modelPath mengarahkan ia kepada salinan setempat (pemasangan luar talian / terasing daripada rangkaian).

Kebergantungan pilihan & pemasangan atas permintaan

Tindanan rakan setara masa jalan LLMLingua yang boleh dipangkas adalah pilihan. Dua pakej diisytiharkan sebagai optionalDependencies dalam package.json dan dikekalkan sebagai luaran oleh binaan pengeluaran (scripts/build/prepublish.ts tidak menggabungkannya):

Pakej	Versi (ditetapkan)	Catatan
@atjsh/llmlingua-2	2.0.5	Pakej kemasukan; mengisytiharkan yang lain sebagai rakan setara
js-tiktoken	^1.0.20	Pentoken

@huggingface/transformers ditetapkan pada ^4.2.0 (dikongsi dengan laluan pembenaman setempat dan turut dijejaki ke dalam berkas kendiri); @atjsh/llmlingua-2@2.0.5 bergantung secara rakan setara padanya dengan "^3.5.2 || ^4.0.0", maka kedua-dua Transformers.js v3 dan v4 disokong. Sejak 2.0.4, @atjsh/llmlingua-2 tidak lagi memerlukan @tensorflow/tfjs, yang menyingkirkan penyumbang tunggal terbesar (TensorFlow.js) daripada tindanan SLM. Hanya dua pakej di atas merupakan rakan setara SLM yang boleh dipangkas. npm install standard (pembangunan) memasang tindanan pilihan secara automatik melainkan kebergantungan pilihan dikecualikan.

Mengapa atas permintaan: pakej yang diterbitkan di npm, berkas kendiri dan imej Docker dihantar tanpa kebergantungan ini untuk kekal ringan. Apabila kebergantungan tersebut tiada, pagar kebergantungan pekerja (prob penyelesaian @atjsh/llmlingua-2 dalam worker.ts) gagal dan enjin membuka laluan secara senyap — pemilihan LLMLingua tidak melakukan apa-apa (teks dikembalikan tanpa perubahan, tiada ralat dicatat). Untuk mengaktifkannya dalam persekitaran yang dipangkas, pasang tindanan pilihan:

# tetapkan kepada versi yang diisytiharkan dalam optionalDependencies package.json
npm install @atjsh/llmlingua-2@2.0.5 js-tiktoken

Penyingkiran @tensorflow/tfjs (2.0.4+) menghapuskan penyumbang ~800 MB yang sebelum ini dominan — jejak yang tinggal terdiri daripada masa jalan transformers.js + onnxruntime-node, serta model TinyBERT (~57 MB) yang dimuat turun pada penggunaan pertama (bukan melalui npm).

Mengikut persekitaran:

• Pembangunan / npm install — dipasang secara automatik melainkan anda memberikan --omit=optional (atau --no-optional). Tiada tindakan diperlukan.
• npm global (npm i -g omniroute) / kendiri — jalankan perintah pemasangan di atas dalam direktori pakej yang dipasang, atau pasang semula tanpa mengecualikan dependensi pilihan.
• Docker — tambahkan perintah pemasangan dalam lapisan imej terbitan; imej yang diterbitkan direka agar ringkas.
• VPS (PM2) — pasang ke dalam node_modules aplikasi, kemudian mulakan semula proses supaya worker menguji semula get tersebut.
• Next kendiri mentah (npm run build → .build/next/standalone/server.js) — surihan kendiri tidak menyertakan SAMA ADA worker ATAU dependensi pilihan, maka enjin beralih secara senyap kepada mod benarkan apabila gagal. scripts/build/colocate-standalone.mjs menerapkan semula kedua-duanya (esbuild worker + penutupan dependensi pilihan ke dalam pepohon kendiri); ia berjalan secara automatik melalui cangkuk npm postbuild selepas setiap binaan. Idempoten dan gagal secara lembut apabila dependensi tiada.

Sahkan ia aktif: apabila LLMLingua dipilih, prosa sebenar benar-benar mengecil (enjin berhenti beralih kepada mod benarkan apabila gagal), dan permintaan pertama mencetuskan muat turun model ke dalam ${DATA_DIR}/models/llmlingua. Get tersebut sengaja menguji hanya @atjsh/llmlingua-2 — peer yang lain hanya menyokong ESM dan require.resolve menghasilkan ralat untuknya walaupun tersedia — maka worker masih beralih kepada mod benarkan apabila gagal jika mana-mana peer benar-benar tiada semasa import().

Talian Paip Bertindan

Mod bertindan menjalankan langkah talian paip secara berurutan. Lalai ialah:

rtk -> caveman

Gunakan ini untuk sesi ejen pengekodan apabila gesaan menggabungkan output perintah dengan prosa manusia atau pembantu. RTK mengurangkan log alat yang bising terlebih dahulu, kemudian Caveman memampatkan bahasa semula jadi yang berbaki.

Langkah talian paip dikonfigurasikan dengan stackedPipeline dalam tetapan pemampatan atau melalui gabungan pemampatan.

Apabila kedua-dua enjin mengurangkan muatan layak yang sama, penjimatan berganda:

combined = 1 - (1 - RTK savings) * (1 - Caveman input savings)
average  = 1 - (1 - 0.80) * (1 - 0.46) = 89.2%
range    = 1 - (1 - 0.60..0.90) * (1 - 0.46) = 78.4-94.6%

Penapis Pepohon Kebolehcapaian MCP

Penapis pintar pepohon kebolehcapaian MCP ialah lapisan pemampatan selepas pelaksanaan yang berjalan pada hasil alat MCP, bukan pada gesaan atau konteks. Penapis ini menyasarkan muatan pepohon kebolehcapaian dan petikan pelayar yang berjela-jela, yang dikembalikan oleh alat seperti Playwright, computer-use dan pelayan MCP automasi pelayar.

Fungsinya

1. Penyingkiran hingar — mengalih keluar entri generik/teks kosong (- generic:, - text: "")
2. Perapatan item setara — apabila ≥ collapseThreshold (lalai 30) baris berturutan merupakan pengulangan struktur, baris tersebut dirapatkan kepada collapseKeepHead baris pertama (lalai 10) + ringkasan kiraan + collapseKeepTail baris terakhir (lalai 5)
3. Pengekalan rujukan — penambat [ref=eXX] yang diperlukan oleh Playwright/computer-use tidak pernah diubah
4. Pemangkasan keras — jika teks selepas perapatan masih melebihi maxTextChars (lalai 50,000), teks dipangkas dengan petunjuk navigasi supaya ejen boleh terus bekerja

Lokasi enjin

open-sse/services/compression/engines/mcpAccessibility/
  index.ts            ← titik masuk smartFilterText()
  collapseRepeated.ts ← algoritma perapatan item setara
  constants.ts        ← DEFAULT_MCP_ACCESSIBILITY_CONFIG

Konfigurasi

Dikawal oleh compression.mcpAccessibility dalam tetapan global (migrasi 056). Konfigurasi lalai:

{
  "enabled": true,
  "maxTextChars": 50000,
  "collapseThreshold": 30,
  "collapseKeepHead": 10,
  "collapseKeepTail": 5,
  "minLengthToProcess": 2000
}

Penapis hanya digunakan pada muatan hasil alat yang type-nya ialah "text" dan panjangnya melebihi minLengthToProcess. Penapis ini tidak menjejaskan pemampatan gesaan atau muatan permintaan.

Penjimatan yang dijangkakan

60–80% pada hasil alat petikan pelayar, bergantung pada kerumitan halaman. Algoritma perapatan ialah O(n) berdasarkan bilangan baris dan menambahkan kependaman yang boleh diabaikan.

Penapis ini berbanding enjin pemampatan di atas

Aspek	Caveman / RTK / Bertindan	Penapis kebolehcapaian MCP
Sasaran	Gesaan / konteks permintaan	Hasil alat MCP
Pencetus	Tetapan mod pemampatan	compression.mcpAccessibility.enabled
Skop	Semua mesej SSE	Hasil alat sahaja
Penambat rujukan	T/B	Dikekalkan tanpa syarat

---

Gabungan Pemampatan

Gabungan pemampatan ialah profil pemampatan bernama yang boleh ditetapkan kepada gabungan penghalaan:

• compression_combos: menyimpan mod, saluran pemprosesan, konfigurasi RTK, konfigurasi bahasa dan penanda lalai
• compression_combo_assignments: memetakan gabungan pemampatan kepada gabungan penghalaan
• penyepaduan masa jalan menyelesaikan gabungan pemampatan yang ditetapkan sebelum penggantian gabungan generik
• analitik merangkumi compression_combo_id dan engine

Antara muka papan pemuka: Dashboard -> Context & Cache -> Compression Combos.

Antara Muka API

Laluan	Tujuan
/api/settings/compression	Tetapan pemampatan global (termasuk konfigurasi mcpAccessibility)
/api/compression/preview	Pratonton sebarang mod pemampatan
/api/compression/language-packs	Senaraikan pek bahasa Caveman yang tersedia
/api/context/caveman/config	Alias tetapan Caveman
/api/context/rtk/config	Nilai lalai dan tetapan RTK
/api/context/rtk/filters	Katalog penapis RTK
/api/context/rtk/test	Titik akhir pratonton/ujian RTK
/api/context/rtk/raw-output/[id]	Pemulihan output mentah tersunting yang disahkan
/api/context/combos	CRUD gabungan pemampatan
/api/context/combos/[id]/assignments	CRUD penetapan gabungan penghalaan
/api/context/analytics	Alias analitik pemampatan

Laluan pengurusan memerlukan pengesahan pengurusan atau semakan dasar kunci API.

Alat MCP

Pemampatan menyediakan lima alat MCP:

Alat	Skop	Tujuan
omniroute_compression_status	read:compression	Tetapan, analitik, statistik cache
omniroute_compression_configure	write:compression	Kemas kini tetapan global
omniroute_set_compression_engine	write:compression	Tetapkan mod dan saluran pilihan
omniroute_list_compression_combos	read:compression	Senaraikan gabungan pemampatan
omniroute_compression_combo_stats	read:compression	Baca analitik gabungan/enjin

Skop & pengecualian

Pembenaman tidak pernah dimampatkan. open-sse/handlers/embeddings.ts tidak pernah memanggil sebarang enjin pemampatan — kandungan permintaan/respons dihantar terus kepada pelaksana tanpa diubah. Ini bersifat struktur pada masa ini (pembenaman dan pelengkapan sembang dikendalikan oleh pengendali yang berasingan), bukannya semakan masa jalan, tetapi ini bermakna kebimbangan herotan vektor dalam #8034 tidak mempunyai permukaan pendedahan dalam laluan pembenaman.

Penapis pengecualian setiap model/titik akhir (#8034). Untuk pelengkapan sembang, pengendali boleh menentukan id model / sasaran provider/model yang tidak boleh dimampatkan sama sekali — langkah perlindungan yang berguna jika pemampatan kelak disambungkan lebih dekat kepada laluan bersebelahan pembenaman, dan secara umumnya berguna untuk mana-mana model yang memerlukan gesaan tepat bait demi bait (penilaian deterministik, awalan sensitif cache dan sebagainya).

• Medan tetapan: exclusions?: string[] pada konfigurasi pemampatan global (GET/PUT /api/settings/compression), disimpan melalui ruang nama pemampatan key_value sedia ada (src/lib/db/compression.ts) — tiada jadual baharu.
• Tab papan pemuka: Dashboard → Compression → Exclusions (/dashboard/compression/exclusions).
• Sintaks corak: * ialah satu-satunya kad bebas. Setiap metakarakter regex lain dalam corak akan diapit sebelum pemadanan, maka gpt-5.6 hanya sepadan dengan rentetan literal tersebut dan tidak sekali-kali dengan gpt-5x6 (selamat daripada ReDoS, terbatas, tanpa pengkuantiti tersarang). Corak dipadankan tanpa mengira huruf besar atau kecil terhadap kedua-dua id model kendiri dan gabungan provider/model — gpt-5-6, openai/gpt-5-6, dan openai/* semuanya boleh digunakan, manakala * sahaja mengecualikan setiap model.
• Pemadanan: isCompressionExcluded() / normalizeCompressionExclusions() dalam open-sse/services/compression/exclusions.ts. chatCore.ts menyemak sasaran yang dikecualikan sejurus selepas menyelesaikan tetapan pemampatan, sebelum sebarang enjin dijalankan, dan menganggap padanan sama seperti pemampatan dilumpuhkan secara global — kandungan permintaan terbukti seiras bait demi bait. Langkauan tersebut direkodkan melalui writeCompressionSkip(..., "excluded") untuk keterlihatan analitik.
• Lalai (senarai kosong/tiada): sama seperti tingkah laku sebelum #8034 — tiada apa-apa yang dikecualikan.

Batasan yang diketahui

• LLMLingua-2 (SLM) memerlukan kebergantungan pilihan yang ditempatkan bersama. Worker hanya berjalan dalam binaan pengeluaran apabila @atjsh/llmlingua-2 + rakan setaranya ditempatkan bersama ke dalam dist/node_modules (lihat scripts/build/colocateOptionals.mjs, #4286). Tanpanya, enjin akan gagal secara terbuka (mengembalikan teks asal). Resolusi worker tidak lagi bergantung pada import.meta.url (ia gagal dalam berkas kendiri) — sebaliknya, ia berasaskan cwd masa jalan / argv[1].
• Pek bahasa Caveman de / fr / ja adalah separa. Pek tersebut menyertakan peraturan context + filler + structural tetapi tiada pek dedup / ultra, maka keamatan ultra tidak lebih kuat daripada full untuk bahasa tersebut (ia hanya menggunakan peraturannya sendiri — tiada penurunan balik secara senyap kepada peraturan dedup/ultra bahasa Inggeris, yang boleh merosakkan teks bahasa asing). en / es / id / pt-BR adalah lengkap. Sumbangan dedup.json + ultra.json untuk pek separa amat dialu-alukan.
• Telemetri bertindan hanya menyenaraikan enjin yang melakukan pemampatan. Langkah saluran paip bertindan yang enjinnya berjalan tetapi menghasilkan penjimatan 0 % mengembalikan stats:null, lalu tidak muncul dalam engineBreakdown — tidak dapat dibezakan daripada langkah yang dilangkau. Membezakan "berjalan, 0 %" daripada "dilangkau" memerlukan perubahan model pecahan dan ditangguhkan.

Pengesahan

Gerbang tertumpu untuk bahagian ini ialah:

node --import tsx/esm --test tests/unit/compression/rtk-*.test.ts tests/unit/compression/pipeline-integration.test.ts tests/unit/compression/context-compression-api.test.ts
node --import tsx/esm --test tests/unit/compression/*.test.ts tests/golden-set/*.test.ts tests/integration/compression-pipeline.test.ts tests/unit/api/compression/compression-api.test.ts
node --import tsx/esm --test tests/unit/compression/mcpAccessibility*.test.ts
npm run typecheck:core