一个开关决定 DSH 会话由谁干活:关 = 插件让位、走 DSH 自身模型网关;开 = 每条指令先交给 JEV 判定器,再由它自动分流。默认走 DSH 自己的模型网关(ctx.llm):只需要 JEV 判定器的 key,策略模型与执行模型从这台机器 DSH 真正有的 provider/model 里选(面板下拉或自动挑);也可以切到直连模式改用本插件自己的 OpenAI 兼容网关。含左侧栏设置页、输入框开关、悬停决策浮层(看这次到底是谁回答的)、流量看板,以及技能路由:同一个判定器会从 mattpocock/skills 的 39 个技能里挑出最合适的一个挂进调用。工具:harness_call/harness_classify/harness_review/harness_probe/harness_skill/harness_dsh。不向用户暴露分层选择。它的 HTTP 路由没有 DSH 的访问检查,浏览器里打开的网页可以调用它们。
安装
# npm 包(预构建)
dsh plugin --profile web add @zrxparley/dsh-jev-harness
# Release 预构建包
dsh plugin --profile web add "https://github.com/zrxparley/dsh-jev-harness/releases/download/v1.10.1/zrxparley-dsh-jev-harness-1.10.1.tgz"
# GitHub 源码(首次需按提示配置 allowBuilds 构建授权后重试)
dsh plugin --profile web add github:zrxparley/dsh-jev-harness
装任何插件都等于在你的机器上跑第三方代码,权限和你本人一样大——能读你的文件、用你的凭据、访问网络,工具审批管不到它。GitHub 来源的插件还会在安装时执行构建脚本——pnpm 默认拦截,所以安装可能停在 ERR_PNPM_GIT_DEP_PREPARE_NOT_ALLOWED 或 ERR_PNPM_IGNORED_BUILDS;dsh 会打印出需要添加的确切键名,把它加进该 profile 的 pnpm-workspace.yaml 的 allowBuilds 下,重跑一次即可装上。放行构建本身就是一次信任判断:请只安装可信来源,并尽量锁定 commit(github:owner/repo#sha)。
README
一个自包含的 DeepSeek Harness 插件:一个开关决定这一会话由谁干活。打开后,你在会话里的每条指令都先交给 JEV 判定器判断任务性质,再由它自动分流到 Kimi(判断类)或 DeepSeek Flash(执行类)——你不需要选层,也看不到选层。
默认走 DSH 自己的网关卡(用你已配好的 provider / model),也可以切成插件直连。
界面
| 位置 | 作用 |
|---|---|
| 左侧栏条目 | 「JEV 分级调度」面板:总开关 + 三个网关的地址 / 密钥 / 模型 id + 连通性测试 |
| 输入框小开关 | 一键开 / 关,即时生效 |
| 设置 → 插件 → 全局插件卡片 | 同一份配置页 |
总开关语义
- 开:插件接管路由。每条指令先由 JEV 判定,再走 Kimi 或 DeepSeek Flash;此时 DSH 自身的模型选择器不参与。
- 关:插件完全让位,一切回到 DSH 自己的模型网关。
执行方式(在 DSH 网关上跑,还是直连)
打开后真正的两条通路,面板里「执行方式」卡片切换:
| 模式 | Kimi / DeepSeek 由谁发请求 | 需要填的密钥 |
|---|---|---|
| 走 DSH 网关(默认) | DSH 自己(ctx.llm,用你在 DSH 里配好的 provider/model) |
只需 JEV 判定器的 key |
| 直连本插件网关 | 插件自己直连 OpenAI 兼容地址 | JEV + Kimi + DeepSeek 三套 |
走 DSH 网关时,插件不持有也不使用 kimi / dsf 的密钥:宿主已经有 provider 凭据,插件只负责「判定该谁干活」和「把活递过去」。决策层 / 执行层的 provider + model 用面板里的两个下拉选,内容来自 ctx.llm.listProviders() / listModels()(点「刷新模型清单」重新问宿主)。留空 = 自动:跟随你在 DSH 选择器里选中的 provider,再按模型名挑最像「强」和「快」的。
还默认开了「让 DSH 选择器跟随」:每次 JEV 派活给某个模型后,宿主的 agentDefaultModel 会被写成那个 provider/model,于是输入框上方的模型名会切到真正干活的模型。不想被改写就把它关掉。
为什么这样更稳:插件不必猜你的网关地址,也不会和 DSH 的凭据体系打架;换模型只需在 DSH 里改。
模型从哪来:跟着你自己的 DSH 网关
决策层 / 执行层用哪个模型,插件不预设。面板里的两个下拉,选项来自这台机器上 DSH 真正注册的 provider 与它提供的模型(ctx.llm.listProviders() / listModels())——你装的是 titigate,别人装的是别的,各自列各自的。
- 自动(默认):先在 DSH 自己的模型选择器所指的那个 provider 里挑,再按模型名判断强弱——判断类优先
kimi / k3 / pro / max / reason这类,执行类优先flash / mini / lite / fast这类;最终用到的组合会直接写在卡片上(现在会用到:titigate/kimi-k3.1-pro)。 - 手动钉住:两个下拉选具体 provider + model,保存后不再变。
- 右上角「刷新模型清单」随时从 DSH 重新拉一次(换 provider、加模型之后点一下)。
流量看板
配置面板顶部有一个实时看板,按网关统计调用情况:
| 指标 | 含义 |
|---|---|
| 请求数 | 每一次真正发往网关的 HTTP 请求计一次(含探测、含失败) |
| token | 网关返回的 usage;失败请求记 0 |
| 成功率 / 耗时 | 按窗口内累计计算,耗时取平均 |
| 柱状图 | 近 24 小时按小时、近 7 天按天,三个网关分组对比;悬停看具体数值 |
三个网关对应三类流量:JEV 判定(/systemone)、Kimi 决策、DSF 执行。看板每 10 秒自动刷新。
账本落在本机 <DSH_HOME>/jev-harness-usage.json(默认 ~/.dsh/jev-harness-usage.json),按小时与按天两个维度累计,重启不丢;只记录计数、token 与耗时,不记录提示词正文。
技能路由 · mattpocock/skills
打开「自动挂载 skill」后,harness_call 在派活前会多问 JEV 一句:这件事该不该套一个 skill? 判定器在 mattpocock/skills 的 39 个技能里挑一个(TDD、code-review、diagnosing-bugs、wayfinder、to-spec、to-tickets、triage、wizard、grilling、teach…),也可以回答 none 表示这次不需要。挑中的 skill 正文会作为 ## Skill: <name> 块挂进系统提示,模型照着它干活,而不是凭感觉。
| 动作 | 怎么用 |
|---|---|
| 自动 | 默认。harness_call 自己问、自己挂 |
| 指定 | harness_call(skill="engineering/tdd") |
| 跳过 | harness_call(skill="off") |
| 浏览 | harness_skill(action="list") → 39 个 id + 一句话说明 |
| 试用判定 | harness_skill(action="pick", task="…") → 只回答该用哪个 |
| 看正文 | harness_skill(action="read", id="engineering/tdd") |
| 同步上游 | harness_skill(action="refresh"),或面板上的「刷新技能目录」 |
- 目录随插件内置(零网络判定),
refresh只发一个请求(GitHub 源码 tarball),直接重建~/.dsh/jev-harness-skills/catalog.json并把 39 份正文写入缓存;之后read全部命中本地缓存。 - 上游仓库更新后,刷新即可,不用升级插件。JEV 网关不可用时退回本地关键词匹配。
设计边界(约定 vs 保证)
这里的行为并不都一样硬。有些是代码强制的保证(合并判定只发一次请求、jev→jev 递归被拒绝、降级一定在账本里标注);有些只是靠提示词维系的约定(「harness 接管」开关只有在 agent 真的去调 harness_call 时才生效)。把两者混为一谈,是这个项目反复出事的根因。组件图与完整的「约定 vs 保证」表见 docs/ARCHITECTURE.md;每条决策的理由见 docs/adr/。
迭代路线
需求以 GitHub issue 形式维护,每条都带现状证据(文件/行号)、需求与可验收标准;顺序与取舍理由见 docs/ROADMAP.md,跟踪 issue 为 #12。
一句实话:「开关打开 = 不走 DSH 网关」目前是约定,不是机制。 插件能注册工具和一段 system prompt,真正决定请求发给谁的是 DSH 的 provider 层;要让这个语义成立,见 #5。
工具
| 工具 | 用途 |
|---|---|
harness_call |
核心入口,默认 tier=auto:JEV 判定 → Kimi / DeepSeek Flash |
harness_classify |
只问判定器会判成哪一层,不执行(诊断用) |
harness_review |
第二模型质量闸门:策划稿交 Flash 复核,执行稿交 Kimi 复核 |
harness_skill |
39 个 skill 的目录:list / pick / read / refresh / status |
harness_probe |
探测网关连通性,并通过 OpenAI 兼容的 GET /models 发现真实 model id |
分层口径:要不要人来判断对错 → decision(Kimi);机械执行 → execution(Flash)。未配置 JEV 网关时退回本地关键词启发式,平局归 decision。
- 悬停看决策:鼠标悬停输入框那颗
JEV开关,浮层会列出最近 3 次「谁在干活」——JEV 判定结果与置信度、实际调用的模型、token 与耗时、任务摘要。判定不可用退回启发式时会明确写「启发式(JEV 未参与)」,不冒充判定。
安装
dsh plugin add @zrxparley/dsh-jev-harness
或在 DSH 设置 → 插件 → Add plugin 搜索 @zrxparley/dsh-jev-harness。
客户端 bundle id 与发布态
DSH 的客户端模块系统以 boot manifest 的行 id(即安装包名)作为 factory 的键。客户端如果
硬编码了另一个名字,materialize() 就取不到 factory,报 no registered factory for "<id>",
面板会静默不挂载。
所以 lib/client.js 在加载时从 window.__DSH_BOOT__.entries 里找出属于本插件的那一行
(id 以 jev-harness 结尾,/client 后缀按宿主规则剥掉),没有 manifest 时回退到
@local/jev-harness(单元测试、旧宿主)。同一份文件支持两种安装方式:
| 安装方式 | manifest 行 id | 实际注册 id |
|---|---|---|
| 本地 bundle | @local/jev-harness |
@local/jev-harness |
| npm / tarball | @zrxparley/dsh-jev-harness |
@zrxparley/dsh-jev-harness |
本机没有 npm,用系统 tar 复刻发布态:test/release-pack.test.js 按 package.json 的
files 打包、解包,从解出来的 lib/client.js 装载,断言 main 与 sidebar.panellist 两个槽位
都注册出组件;test/bundle-id.test.js 单独锁 id 推导(npm id、本地 id、/client 后缀、
无 manifest、无关 entry)。有 npm 时换成 npm pack 喂给同一组断言即可。
配置
在插件设置面板里填写(写入 ~/.dsh/jev-harness.json,权限 0600,密钥不会进配置文件或仓库):
kimiBaseUrl/kimiApiKey/kimiModel—— 判断层,例如https://your-gateway/v1+kimi-k3.1-prodsfBaseUrl/dsfApiKey/dsfModel—— 执行层,例如https://your-gateway/v1+deepseek-v4.1-flash-1017jevBaseUrl/jevApiKey/jevModel—— 判定器,指向 TypeSafe 兼容的/v1/systemone
模型 id 请填网关服务的真实 id,不要填营销名。点「测试连通」会列出该网关实际提供的 id。
也支持环境变量作为兜底:KIMI_API_KEY / DSF_API_KEY / JEV_API_KEY,以及 *_BASE_URL / *_MODEL。
注意
deepseek-v4.1-flash-1017 是推理模型,思维链会占用 completion 预算。若正文为空,结果里会带 reasoningTokens,并提示把 maxTokens 提到 600–1200 后重试。
许可证
MIT
链接
同类插件
Ebony-Vinyl/dsh-our-free-model★ 82220
为 dsh 接入免费模型车道(含 DeepSeek V4.1 Flash、Kimi K3 等),无需登录、注册或填写 API Key,并提供本地 OpenAI 兼容网关、降级路由与用量看板。
dingminhua/dsh-connect-workbuddy★ 1862
将本机登录的 WorkBuddy 模型(国内版与国际版)接入 DSH,每次刷新按上游目录读取每个模型的积分倍率,支持逐模型图片输入开关、带自动换号的账号池、手动每日签到,以及卡片与输入框里的只读积分胶囊读数。
Alice-Marx/dsh-model-router★ 1005
为 DeepSeek Harness 规划有依赖的工作包,将其分配给已配置的模型 API 或支持的厂商 CLI,并提供费用预览。
V1ki/dsh-plugin-subscriptions★ 629
把 ChatGPT(Codex)、Claude、Grok 订阅当作 DeepSeek Harness 的 LLM 提供方:设置页登录、模型目录、用量展示,以及 image_generate、video_generate 与 x_search 工具。
XDTrees/dsh-workbuddy-xdpool★ 580
把本机 WorkBuddy 桌面 App 登录过的所有账号自动并入 DSH 模型池:多账号轮换自动容错、实时积分,模型目录按模型标注积分倍率与限时免费 / 夜间折扣。
XDTrees/dsh-xdpool★ 580
把本机 WorkBuddy 桌面 App 登录过的所有账号自动并入 DSH 模型池:多账号轮换自动容错、429 冷却、实时积分,模型目录按模型标注积分倍率与限时免费 / 夜间折扣,扫码登录 13 家厂商,聚合免费额度渠道。账号重启不丢。
社区评论
评论公开保存在 GitHub Discussions。加载评论会连接 GitHub 和 Giscus;发表内容需要 GitHub 账号。