Viger1/dsh-review

English | 中文

为 DeepSeek Harness 打包好的多代理对抗式代码审查。

状态：M0 —— review 工具已端到端可用。

要解决的问题

dsh 自带了多代理所需的原语——子代理、workflow、ralph 循环——但没有把它们打包成一个结论可信的审查。朴素地并行跑几个审查代理，你会得到一大堆听起来很有道理的发现，其中大部分是错的；甄别它们花的时间比审查省下的还多。「AI 代码审查误报太多」正是大家用几次就放弃的原因。

方法

两个阶段，第二个才是关键：

1. 找问题 —— 多个 finder 并行，每个带一个独立视角（正确性、生命周期/并发、API 契约、安全），每条发现必须给出具体的失败场景，而不是风格意见。
2. 对抗式验证 —— 每条发现都派一个专属的验证者，它的任务是推翻这条发现：读真实代码、能复现就复现，证据模糊时默认判为「不成立」。只有活下来的才会被报告。

在两个同系插件（dsh-preview、dsh-pilot）上的实测数据：73 个 agent、49 条确认、14 条被驳回。其中两条是验证者写脚本实机复现才得以确认的——包括一个在 shadow DOM 页面上会静默点错同名按钮的缺陷。

安装

dsh plugin --profile web add dsh-review

需要已组合的子代理 provider（dsh-base 自带的 spawn 即默认值），Node ^22.19 || >=24。

使用

只有一个工具 review。它是一次会话里最贵的东西——每个视角是一个 agent，每条发现再乘以验证者——所以它的定位是发版前审计，而不是每次提交都跑。我们自己用它审真实改动时，一次全量运行耗时数分钟、动用两位数的 agent；请按这个量级预算，小改动想快速看一眼就用 depth: quick。

描述目标时，把它当成一位「有代码仓库但不了解背景」的同事来交代：

审查 src/policy.ts 与 src/index.ts 的未提交改动（跑 git diff）。
它们新增了域名门控，必须跟随会话的审批状态：审批策略为 never 的会话静默放行、
ask 的会话每个 origin 询问一次，且授权绝不能泄漏到其他会话。

工具返回确认的缺陷——文件、行号、问题所在、失败场景、修复建议——以及被驳回的发现标题，让你看得见验证阶段过滤掉了什么，而不用猜它漏了什么。

review { target: "...", depth: "quick" }

quick 把运行限制在 2 个视角、4 条验证发现、1 个验证者——大约三分之一的成本。两种深度都会做验证：省钱的方式是「少看一些」，而不是「多信一些」——报告未经验证的断言，正是这个插件存在的意义所在（绝不这么做）。

内置的 adversarial-review 技能会教模型：什么时候值得付出这个代价，以及确认项与驳回项要区别对待。

尚未验证的部分

现有证据说明这套方法能找到真缺陷——在同系插件上累计 49 条确认，其中数条由验证者写脚本实机复现。但没有验证过的是：它是否优于「直接让模型审同一份 diff」。没有做过 A/B，也没有与基线对比过误报率。请把对抗验证阶段理解为一个有观测支撑的设计论证（确实驳回了 14 条），而不是已被证明胜过显而易见替代方案的结论。

配置

- id: review
  name: dsh-review
  config:
    subagentProvider: spawn   # 由哪个已组合的 provider 运行子代理
    lenses: []                # [] 表示运行全部内置视角
    verifiersPerFinding: 1    # 调高即更严格；必须全部确认才通过
    maxFindings: 12           # 验证预算，按严重度从高到低
    maxConcurrentChildren: 8  # 同时运行的子代理上限
    maxDepth: 2               # 审查子代理的委派深度上限
    registerSkill: true

视角：correctness、lifecycle、contract、security。每个视角是一个子代理，每条发现再乘以 verifiersPerFinding 个验证者——审查是一次会话里最贵的工具，所以技能里明确要求模型审慎使用。

设计要点

• 「没发现」也要明说：跑完但零发现的视角会被单独列出，与「运行失败」的视角区分开——否则调用方分不清「看过了没问题」和「根本没看」，这正是本插件首次快速模式实测暴露出来的问题。
• 故障按子代理隔离：finder 挂了只损失它那个视角，并作为「覆盖缺口」如实报告；验证者挂了则该发现按驳回处理——因为「没人验证过的断言」正是这个插件存在的意义所在（绝不输出）。
• 验证要求全票通过：verifiersPerFinding > 1 时，一票否决即丢弃。这个不对称是刻意的。
• 预算优先砍最轻的：按严重度从高到低验证，被砍掉的会明确报告为 dropped，而不是静默省略。
• 扇出有界：所有子代理启动都过同一个限流器，预算再大也只会排队，而不是一次拉起几百个 agent——否则过载会伪装成「一条都没确认」的审查结果。

自审记录

dsh-review 审查了自己的源码，找出三个缺陷（均已修复并有测试锁定）：dedupeThreshold 为 0 时会把同一文件内所有发现合并（不同缺陷被当作重复静默丢弃）、验证阶段的扇出没有并发上限、maxDepth 是唯一没在加载时校验的数值配置。同时它驳回了两条，其中一条确实是误报——入口早已校验过那个值。

同系插件

插件	给 agent 的能力
dsh-preview	👁 眼睛——验证自己写的页面：打开、读取、截图、自检
dsh-pilot	✋ 手——按无障碍 ref 操作任意页面，带原生权限模型
dsh-review（本仓库）	🔍 判断力——找出缺陷，并在报告前逐条尝试推翻它
dsh-design	🎨 品味——先约束选择，再实测结果有没有守住

协议

MIT © Viger1