Karbo123/DSH-EvoResearch#evoresearch-plugin

🔬 EvoResearch

面向科研的自主智能体 —— 基于 deepseek-harness（DSH）0.1.0-rc.6 构建

用 TypeScript / Node.js 实现的科研智能体能力套件：自进化科研记忆、项目工作区、 多智能体团队、定时任务、多通道接入、自定义工作台界面与 Windows 桌面版。

安装包仅 ~45 MB（WebView2 复用系统组件）· 零 Python · 不依赖 deepagents

---

🖼️ 界面一览

EvoResearch 自带完全自有的工作台界面（自建浏览器表面，不加载官方 DSH 外壳）： 暖色"纸面"设计、青色品牌色，浅/深双主题，三栏可拖拽布局 —— 对话、会话历史、右侧 工作区检查器一屏尽览。

深色主题 · 三栏工作台	浅色主题 · 欢迎页

输入面板的状态条与底部统计条（轮·步 / LLM 耗时 / tok/s / 上下文用量 / 权限模式）已在截图中体现。

✨ 特性一览

	特性	说明
🧠	科研记忆	每轮对话自动进入 Turn Catalog，七类多标签分类（idea/method/experiment/related_work/reproduction/project/general），FTS5 + RRF 混合检索，每轮注入 ≤6000 token 记忆包
🎯	Goal Contract 长程目标控制	长期任务自动生成目标合同，四轴保守判定（目标/范围/证据/完成），证据链可审计推进
📂	科研项目工作区	projects/<name>/.evoresearch-data/ 数据随项目目录隔离，项目即 git 仓库，支持导入与 AI 自动命名创建
🤖	多智能体团队	6 个科研角色预设（规划/调研/编码/调试/数据分析/写作），/expert invite 一键邀请
🛠️	AutoSkills 技能蒸馏	从记忆观测自动聚类生成可复用技能提案，审核通过后写入技能目录
⏰	定时任务	自研 cron 解析（Vixie 语义），结果直达结果线程，支持「Report to main chat」
🌐	多通道接入	Telegram 可用；Slack / QQ / 微信 / 飞书 / Signal 适配器框架就绪
👁️	视觉检查工具	vision_check 工具 + 截图脚本，让模型能"看见"界面并自检（OpenAI 兼容视觉模型）
💬	斜杠命令	/project /memory /schedule /channel /expert /autoskills
🖥️	自定义工作台界面	自建浏览器表面（不加载官方 ui-* 外壳）：顶栏 + 会话历史 + 真实多轮对话 + 输入面板 + 右侧检查器，浅/深双主题，中英双语
📊	会话状态条与统计	输入面板实时徽章（排队消息 / 进行中目标 / 权限模式 Read-only·Write·Full effect / 当前模型 / 上下文用量%）+ 底部统计条（轮·步 | LLM 耗时 · 工具耗时 | 首 token 平均 · tok/s | 缓存命中 | 输入·输出 tokens）
🗂️	工作区文件浏览器	Inspector 内目录树（懒加载）+ 文本编辑（Ctrl+S 原子保存）+ 图片/PDF/HTML 内联预览
🪟	Windows 桌面版	Tauri 2 + Node sidecar，无边框自绘标题栏，NSIS 安装包 ~45 MB（实测），含全部后端

🚀 快速开始

环境要求

• Windows 10/11（当前仅支持 Windows）
• Node.js ≥ 24（需要内置 node:sqlite 与 zstd；推荐 24 LTS 或 26）
• npm ≥ 10

方式一：Windows 桌面版（开箱即用）

从 GitHub Releases 下载 EvoResearch_0.1.0_x64-setup.exe（~45 MB），双击安装： 窗口内是完整工作台界面，后端（Node sidecar）自动启动、随窗口退出自动清理，无需手动配置。

方式二：网页版（构建后运行）

# 1. 克隆仓库
git clone https://github.com/Karbo123/DSH-EvoResearch.git
cd DSH-EvoResearch

# 2. 构建（插件 + 自定义表面）
npm install
npm run build
npm run verify        # 可选：70 个单元测试 + bundle/docs 校验

# 3. 用示例 profile 启动（独立端口，避免与现有 DSH 冲突）
npx @deepseek-ai/dsh --profile profiles/evoresearch --port 3081
# 浏览器打开 http://127.0.0.1:3081

方式三：作为 DSH profile bundle 挂载

在任意 DSH 部署中把本仓库 profiles/evoresearch/ 作为 profile：

// <你的 DSH profile 目录>/package.json
{
  "name": "dsh-profile-evoresearch",
  "private": true,
  "dependencies": {
    "@deepseek-ai/dsh-base": "^0.1.0-rc.6",
    "@evoresearch/dsh-app": "file:path/to/DSH-EvoResearch/packages/evoresearch-app",
    "@evoresearch/dsh-plugin": "file:path/to/DSH-EvoResearch/packages/evoresearch-plugin"
  },
  "dsh": {
    "profile": {
      "bundles": [
        "@deepseek-ai/dsh-base",
        "@evoresearch/dsh-app",
        "@evoresearch/dsh-plugin"
      ]
    }
  }
}

@evoresearch/dsh-app 是自定义浏览器表面 bundle：复用 DSH host 引擎与官方传输/运行时， 但不加载官方 ui-* 外壳 —— 打开即是 EvoResearch 自己的工作台界面。

npm install            # 在 profile 目录安装依赖
npx @deepseek-ai/dsh --profile <profile名>

启动后打印：

[evoresearch] host 插件激活（dataRoot: ...）
evoresearch: http://127.0.0.1:3080

🧪 建议：使用独立 DSH 环境测试（避免与现有环境冲突）

如果你目前通过 npx @deepseek-ai/dsh web 使用 DSH，强烈建议为 EvoResearch 建一个独立 profile： 它与你正在用的环境完全隔离（独立端口、独立会话、独立数据目录），互不干扰。

# 1. 创建独立 profile 目录（DSH_HOME 默认为 ~/.dsh）
mkdir -p ~/.dsh/profiles/evoresearch
cd ~/.dsh/profiles/evoresearch

# 2. 写入 profile 声明（内容见上方「方式三」），然后
npm install

# 3. 用独立端口启动（默认 3080，用 --port 指定其他端口）
npx @deepseek-ai/dsh --profile evoresearch --port 3081
# 浏览器打开 http://127.0.0.1:3081

仓库内置了可直接使用的示例 profile：profiles/evoresearch/（已声明三个 bundle）。

⚙️ 配置

在 DSH 的 settings.yaml 中加入 evoresearch 段（或设置环境变量）：

evoresearch:
  dataRoot: D:\evoresearch        # 部署根目录（projects/ 所在），默认 $EVORESEARCH_DATA_ROOT 或 cwd
  memoryTokenBudget: 6000         # 每轮科研记忆包 token 预算
  auxiliaryModel:                 # 分类/Goal 提取用辅助模型（缺省取当前默认模型）
    provider: deepseek-official
    model: deepseek-v4-flash
  autoStartChannels: false        # 启动时自动启动已配置通道（如 Telegram）
  memoryEnabled: true
  visionEnabled: true             # 是否注册 vision_check 视觉检查工具（模型未配置时自动跳过）

🧠 科研记忆怎么工作

用户消息 ──▶ session/event
              │
              ▼
  1. Turn Catalog 立即落库（pending）
  2. 后台：LLM 七类分类（失败自动确定性回退）
           → topic 归一化（复用已有主题）
           → topic state 更新
           → 长程检测 → Goal Contract（v3）
           → 记忆包构建（≤6000 token，RRF 混合召回）
              │
              ▼
  3. 每步模型调用前注入 <research_memory_packet>
  4. turn/end：completed/interrupted + Raw Turn Archive 归档

• 记忆数据存放在每个项目的 .evoresearch-data/memories/： research_memory.db（SQLite + FTS5）+ observations/*.md（人类可读、git 可管理）；
• 模型可通过 search_research_history、read_research_turn、create_observation 等工具按需读写；
• 既有会话历史会在首次使用时后台自动回填索引（断点续做，可重建）。

🖥️ 桌面版（Tauri 2 + Node sidecar）

项	值
安装包	EvoResearch_0.1.0_x64-setup.exe，~45 MB（NSIS/LZMA）
运行时	复用系统 WebView2（Win10/11 内置）
后端	Node 24 LTS sidecar（独立 DSH_HOME，不污染用户环境）
体积优化	provider SDK 裁剪（deepseek profile 思路）、node-pty/sharp 仅 win32-x64

构建：

node desktop/scripts/build.mjs
# 产物：desktop/src-tauri/target/release/bundle/nsis/EvoResearch_0.1.0_x64-setup.exe

🛠️ 开发

npm install          # 安装 workspace 依赖
npm run build        # 插件（tsc + client bundle）+ 自定义表面（node half + client + frontend dist）
npm run typecheck    # 严格类型检查
npm test             # 70 个单元测试（node:test）
npm run verify       # build + test + bundle 校验 + docs 校验

packages/evoresearch-plugin/   # @evoresearch/dsh-plugin —— 科研能力插件（host 服务）
  ├── src/host/                # Host 插件（workspace/memory/scheduler/channels/...）
  └── cordis.patch.yml         # bundle patch（evoresearch-host 服务行）
packages/evoresearch-app/      # @evoresearch/dsh-app —— 自定义浏览器表面 bundle
  ├── src/runtime.ts           # app-runtime（serve 前端 dist / 表面提示 / URL 打印）
  ├── src/client/              # 工作台 UI 插件（root slot + layout + 会话消息管线）
  │   ├── index.ts             #   顶栏 + 三栏布局 + 会话订阅/发送
  │   ├── conversation.ts      #   消息 Definition（官方语义裁剪）+ chat view
  │   ├── chat.ts              #   消息气泡渲染 + 输入面板
  │   ├── threadlist.ts        #   会话历史侧栏
  │   ├── inspector.ts         #   右侧工作区检查器
  │   └── styles.ts            #   设计系统（暖色纸面 + 青色品牌，浅/深主题）
  ├── frontend/                # 前端外壳入口（AppWebEntry 内核）
  └── vendor/                  # vendored 官方 client-modules 源码（构建时 alias）
profiles/evoresearch/          # 示例 DSH profile（三个 bundle）
desktop/                       # Tauri 2 桌面壳 + Node sidecar 打包脚本
docs/                          # 中文文档（架构/功能映射/开发/桌面）

📚 文档

文档	内容
docs/00-decisions.md	技术选型决策（存储、嵌入模型、桌面方案等）
docs/01-architecture.md	架构设计与数据流
docs/02-feature-map.md	功能地图（能力清单、设计与状态）
docs/03-development.md	开发指南（挂载、配置、扩展点）
docs/04-desktop.md	Windows 桌面版构建与体积优化

❓ FAQ

Q：为什么基于 deepseek-harness 而不是自己写框架？ DSH（0.1.0-rc.6）提供会话、模型路由、子代理、审批、技能、MCP 等完整平台能力， EvoResearch 只做「科研化」扩展（记忆、项目、团队、调度、通道、界面），避免重复造轮子。

Q：界面是 DSH 自带的吗？ 不是。@evoresearch/dsh-app 是自定义浏览器表面：host 引擎与传输完全复用官方 （会话、模型、工具、审批……），但浏览器端不加载官方 ui-* 外壳，界面是 EvoResearch 自己的工作台（暖色纸面设计、浅/深双主题，含真实多轮对话与会话历史）。

Q：数据存在哪里？ 每个科研项目一个独立目录 projects/<name>/，内部 .evoresearch-data/ 存放 记忆库、观测文件与调度任务；项目本身是 git 仓库，可整体迁移、导入、备份。

Q：没有网络/API Key 时能用吗？ 分类与记忆包构建在 LLM 失败时自动退化（确定性分类 + 纯 FTS5 检索），不阻塞主回答。

Q：如何接入更多消息通道？ 实现 ChannelAdapter 接口（src/host/channels/base.ts）并在 adapters.ts 注册即可； Telegram 已提供完整实现（长轮询，仅需 EVORESEARCH_TELEGRAM_TOKEN）。

🤝 贡献

欢迎 PR 与 Issue：完善通道适配器、接入本地/远端 Embedding、增强业务面板（记忆/调度/团队）等。 代码风格：TypeScript 严格模式、中文注释、node:test 单测覆盖。

📄 License

MIT