Hermes Warm Compaction 复用主模型缓存生成上下文交接

Warm Compaction 是适配 Hermes Agent 的上下文引擎插件，Apache-2.0 许可，需保留 NOTICE。它通过公开插件接口捕获上一主模型请求，在其完整消息前缀后追加新增行和交接指令，再用摘要替换较早历史并保留近期原文。主路径需 OpenAI-compatible chat completions、相同模型路由及服务器前缀缓存；Hermes 至少为 45871e10，Python 至少3.10。容量不足、路由变化或摘要门控失败时转辅助摘要，再失败用固定格式，取消时不改历史。安装插件、启用并将 context.engine 设为 warm_compaction 后开启新会话。仓库披露在未修改 Hermes、十个100K以上token合成会话、DGX自动压缩比较中：压缩中位数16.8秒，相比 hermes-lcm 43.5秒和内置78.5秒；压缩加下一回答为27.9、66.1、97.1秒，保留关键事实59/60、43/60、50/60。测试只有一个任务族和会话形状，初始化历史没有工具行，LCM因隔离条件使用字符估计计数；不同摘要路线和上下文截断也影响结果。数据是作者诊断，未证明通用生产质量；LM Studio未报告cached_tokens，不能由更快反推缓存命中。