DSH Flash 精简预设 — 我问大肥鱼对了错了，她说省了

当前版本：v0.2.0（2026-09-30 · 精简 PTC 预设分 v1/v2 两版，附 8 用例基准数据与端到端自测）

为 DeepSeek Harness（DSH）准备的两个 agent 预设，面向 flash 级路由做 token 效率优化：

• flash-lean-ptc-v2 — 现行推荐（适配0.2.0版本，理论向下兼容）。PTC 工具面（所有工具经 run_code 编程式调用）+ 12 条行为硬约束；压缩阈值 0.25 / 保留 20k，并加了步数预算（≤20 步）、少想多试、一次合并验证、先交最小可行产物、PTC 打包指引。
• flash-lean-ptc-v1 — v1 基线（适配0.1.7及以前版本）。同为 PTC 工具面 + 14 条硬约束，压缩阈值 0.3 / 保留 50k；保留用于对照与回退。

前言： 结合AA榜单上的Token efficiency和日常使用不难看出，Deepseek v4.1 flash在有过渡思考倾向的同时，意图理解较差（注意，不是指令遵从度）。在喜闻乐见的MC Benchmark中，作者仅在新的提示词中加上一句“这是一个新项目，不要参考已有的项目”，模型就直接理解为不能选用Three.js这样成熟的技术栈（且完全没有征求我的意见），而是选择自研WebGL引擎，一连开了两个对话都是这样（供应商为官方）。加上v4.1flash能力并不差，容易给人一种“时神时鬼”的感觉。实际使用时除了Linux环境外，v4.1f高度依赖准确的提示词或其他能力更强模型的指导。

特点： 通过卡预算和增加约束的方式避免在所有任务上都进行“雷霆大思考”，对于能力范围内的任务，本预设可以用比标准或PTC预设更低的预算完成任务，且基本维持产出质量，比较适合用于难度不高的日常事务（lean-ptc效果最好）。

BENCH-STD 同批三臂对照（8 用例 = 3 道算法题 + 5 个工具探针；计费输入单位 M tokens）

批次	用例	标准	精简·PTC v1	精简·PTC v2
① 官方	p14833 构造 + p15264 大数据构造	61.9M	37.9M（−39%）	11.2M（−82%）
② 官方	p17244 提交答案型（n=3 中位）	3.9M	3.7M（−7%）	2.0M（−50%）
③ 第三方	p14833 构造 + probe1 批量读取	37.6M	14.3M（−62%）	7.9M（−79%）

判分：以上交付单元全部满分（含官方隐藏测试与大数据形态测试）。同批内可比、跨批不可比； 批次③里 p15264 三臂判负或未交付、p17244 的 v2 臂被中途中止，均未计入。

可以看到，在面对明确超出能力的题（竞赛级、需要交付尽可能多部分分），标准预设更值得——它至少保证"写得出、交得上"；而本预设适合圈内任务——同批实测省 50–80% 且判分不掉；高难题侧的代价参考：USACO 2026 Platinum 两轮合计，标准 51.5/80 分、51.4M，精简·PTC 47.5/80 分、48.0M（省 7% 成本但掉 8% 分）

这点对Oneshot样例也有效： 图一使用该预设（PTC 预设），报告的Token消耗为5.3M，耗时14m37s，42步

图二使用PTC模式，报告的Token消耗为8.3M，耗时40m45s，60步（环境均为WSL，先执行特殊预设，且工具链一致）

总而言之，这两个预设会抑制模型过渡思考的倾向，转而表现出较高的指令遵从度。其意义是在特定场景下（如上述算法题、或指令明确的长任务中），在维持模型能力水平的同时，可以同时减少Token和步数（对"反复跑一小段、看输出、再跑"的增量式折腾尤其有效）。此外本预设还通过修改压缩逻辑优化了长会话下模型的注意力衰减，对长任务居多的人这点反而体感更明显。

---

快速开始

安装

DSH 0.1.7-rc.1 起预设机制变了：旧的 ~/.dsh/.agent-presets/<id>/ 目录不再被读取， 预设现在是插进 profile 用户补丁层的插件行（@deepseek-ai/dsh-agent-preset）。 本仓库同时提供两种形态，安装器会按你的 DSH 自动选择。

git clone https://github.com/LarryE135/dsh-flash-presets.git
cd dsh-flash-presets

Linux / macOS / WSL / Git Bash

bash scripts/install.sh                        # 0.1.7+ 写 profile 补丁；旧版自动回退到目录式
bash scripts/install.sh --profile headless      # 指定 profile（默认 web）
bash scripts/install.sh --legacy                # 强制旧版目录式
bash scripts/install.sh --uninstall             # 卸载（移除托管块）
DSH_HOME=/path/to/.dsh bash scripts/install.sh  # 自定义 DSH 主目录

Windows（PowerShell 5.1+ 或 PowerShell 7）

powershell -NoProfile -ExecutionPolicy Bypass -File scripts\install.ps1
.\scripts\install.ps1 -Profile headless        # 指定 profile
.\scripts\install.ps1 -Legacy                  # 强制旧版目录式
.\scripts\install.ps1 -Uninstall               # 卸载
.\scripts\install.ps1 -DshHome D:\tmp\.dsh     # 自定义 DSH 主目录

两者的行为完全一致（共用同一个 Node 合并器 scripts/merge-presets.mjs）：

你的 DSH	安装动作	生效方式
≥ 0.1.7-rc.1	把两个预设的 - insert: 条目写进 <DSH_HOME>/profiles/<profile>/cordis.patch.yml 的托管块里	web 模板是 live reload：无需重启，刷新 GUI 即出现；其它模板需重启
< 0.1.7	复制 presets/legacy-0.1.5/<name>/ 到 <DSH_HOME>/.agent-presets/<name>/	重启 DSH

安装器可重复执行：先备份 cordis.patch.yml.bak-<时间戳>，再整块替换（不会出现两份）； 目录式安装则把已存在的同名预设改名备份。要求 Node 在 PATH 上（DSH 本身依赖它）。

校验

npm install --no-save js-yaml@4          # verify-yaml 需要；verify-presets 无第三方依赖
node scripts/verify-presets.mjs          # 结构 + 跨平台回归 + 安装形态（自动识别新旧机制）
node scripts/verify-yaml.mjs             # YAML 解析 + 关键取值断言（阈值/规则条数/PTC 展示层…）
bash scripts/selftest.sh                 # 端到端自测：版本口径/安装-幂等-卸载逐字节还原/legacy/发布守卫（19 项）
node scripts/check-ps1.mjs               # PowerShell 脚本静态审查：预设名单、tag 守卫、BOM（无需 pwsh）

看排在最前面的 [安装] 检测到: … 一行即可确认当前生效的是哪种机制：

• 插件行式（…/profiles/web/cordis.patch.yml） → 0.1.7+；
• 旧版目录式（…/.agent-presets） → 旧版 DSH。

还可以直接问 DSH 组合结果对不对：

dsh --profile web --dump-config | grep -A3 'id: preset-flash-lean-ptc-v2'

Windows 上若 DSH_HOME 不是默认值（默认 %USERPROFILE%\.dsh）：

$env:DSH_HOME = "$env:USERPROFILE\.dsh"
node scripts\verify-presets.mjs

CI（ubuntu / windows / macos）除两种安装机制外，也会跑 bash scripts/selftest.sh 与 node scripts/check-ps1.mjs。 上面的脚本都是纯 Node 或纯 shell，在 Windows / macOS / Linux 上行为一致；js-yaml 会自动从仓库 node_modules、 全局 DSH 安装位置或 npm root -g 中查找，也可以用 DSH_JS_YAML 直接指定。

装好后预设列表里会出现「Flash 精简·PTC v1（v4.1-flash）」与「Flash 精简·PTC v2（v4.1-flash）」 （0.1.7+ 的 web profile 无需重启，刷新页面即可）。

---

如何选择？

	flash-lean-ptc-v1	flash-lean-ptc-v2
定位	基线与对照，行为最可预测	现行推荐：多题、多文件、脚本密集型任务
工具面	工具统一走 run_code，一个程序里组合多步调用	同左，另加「同一步的多个独立调用打包进一个程序」的指引
压缩	阈值 0.3 / 保留 50k / 重试 2	阈值 0.25 / 保留 20k / 重试 1
硬约束	14 条	12 条（去掉子代理契约与检查点，加步数预算与一次合并验证）
实测成本（同批对照）	官方 p14833 4.22M、p15264 33.64M、p17244 3.65M	官方 1.72–4.24M / 6.97–11.96M / 1.62–1.95M
代价	步数更多；长任务上比 v2 贵约 2–5 倍	极短任务（≤3 步）收益≈0

选择依据只有一条：这条任务会不会诱发"反复跑一小段、看输出、再跑"的增量式折腾。会 → 收益最大；不会 → 收益≈0。 两者都不改变答案质量。

---

关键配置

基座 = 新版出厂的 ptc 预设（PTC 工具面、delegation/workflow-ptc 等来自基座本身）。独立审计实测：相对基座 3 行差异，相对 standard 预设 7 行（多出的 4 行是 PTC 工具面带来的，不能按 3 处口径类比）：

行	标准预设	flash-lean-ptc-v1	flash-lean-ptc-v2
persona	只有两行（身份 + 工作目录）	另加 14 条 PTC 硬约束	另加 12 条（含步数预算、一次合并验证、PTC 打包指引）
compaction-basic	用默认（thresholdRatio 0.8，约等于声明窗口的 80%）	0.3 / 保留 50k / 重试 2	0.25 / 保留 20k / 重试 1
tool-workflow / delegation/workflow-ptc	启用	disabled: true（tool-ralph 在出厂 standard 里本就停用，不构成差异）
tool-result-pruner	默认 8192/4096/1024	保持不变（收紧阈值实测会亏，见下）

压缩阈值是 floor(声明窗口 × thresholdRatio)：本预设按"声明 1,000,000 窗口"的路由调过，阈值≈300k。 换到声明窗口更小的路由时，请按同样比例（约 30% 窗口）重新评估。

---

行为约束（v1 14 条 / v2 12 条）

v1（14 条）：工具选择（用 read/glob/grep，不用 bash 浏览）· 读预算（同一路径一个阶段只读一次）· 输出预算（批量调用、截断长输出、单条结果 ≤4 KB）· 增量建模文件（先建骨架再 edit）· 证据优先（"通过"必须附本轮命令与关键输出）· 验收优先（先列验收点再实现）· 检查点（约每 40 次调用停下汇报）· 语言与范围 · 子代理契约 · 上下文纪律 · 转录敏感度 · payload 安全（大 payload 落盘再读）· 读与改分成两个程序 · 每个程序输出保持小。

v2（12 条）：在 v1 基础上删掉「检查点」与「子代理契约」（实测这两条只推高步数），改为： 先给预算（≤20 步，交付物过检查即停）· 少想多试（短推理 + 一条廉价取证）· 每个交付物只做一次合并验证 · 提交答案型任务先交最小可行产物 · 把同一步的多个独立调用打包进一个 run_code 程序（单次调用则直接调）。 上下文纪律、转录敏感度、输出预算、安全条款原样保留。

---

设计依据

所有数值都来自同一套 A/B 评测（同一 flash 级路由、同一批任务、同一网络条件；该路由声明 1,000,000 token 上下文窗口）。

1）压缩阈值 0.8 → 0.3。 声明 1,000,000 窗口时默认 0.8 意味着接近 800k 才压缩，而实测 20.3% 的步落在 300k 以上上下文、 吃掉 59.1% 的计费输入，工具报错率从 0.9%（<50k）升到 4.5%（>600k）。改成 0.3（阈值≈300k、保留 50k 尾部）后： 隔离实验重复 3 次 3 胜，中位 −28%；最终预设等价配置相对全默认对照中位 −47%。

2）裁剪阈值保持默认。 把 tool-result-pruner 收到 3000/1500/400 会把模型刚读进来的 3–8 KB 分页结果裁成 1.9 KB， 迫使它回头重读：步数 29 → 36–49、输出 3.2 万 → 5 万，把省下的钱吃回去（只降阈值 3/3 胜、中位 −28%；叠加激进裁剪仅 1/3 胜、中位 −4.5%）。 另外该裁剪器由压缩压力门控：阈值未触发时它一次也不工作。故本预设不动它。

3）禁用两个工具行。 10,731 步语料里 tool-workflow、tool-ralph 调用次数均为 0，而 tool-workflow 的工具定义 是全部工具定义字符里最大的一条（4,137 / 29,405）——每轮都要白付。

4）11 条规则本身只值约 10%（在噪声内）。真正的大杠杆是上下文纪律：同预设同任务下， 把"每轮只读新增内容、需要回看就用 grep/脚本重建"贯彻到底，计费输入从 31.58M 降到 5.45M（−83%）。 规则的作用是让这种纪律稳定发生，而不是靠模型自觉。

---

实测结果

质量与成本的完整对照（每格为一次运行的计费输入；质量项全部满分）：

题库族	规模	标准预设	精简（评测版，已下线）	精简·PTC（评测版，已下线）
自出 easy	6 题	1.22M	1.33M	0.42M
自出 hard	4 题（矩阵快速幂/后缀自动机/懒标记线段树/斜率优化）	2.60M	0.77M	0.32M
LiveCodeBench hard（官方隐藏测试）	4 题 × 40 组	5.73M	5.97M	2.44M
USACO 官方数据（特制 checker）	1 题 × 14 组	0.81M	0.51M	—
长会话（35 轮）	1 条	31.58M	17.29M	—

外部题库的质量项：4 题 160/160 官方隐藏测试全部通过（三条臂均满分）；校正 checker 后 USACO 14/14。 后续会考虑增加难度更高的测试题目

基准测试 BENCH-STD（2026-09-30）

8 个用例 × 多臂、同批对照（批次之间同预设可差 4–9 倍，因此只比同批）：3 道算法题 + 5 个工具型探针 （批量读取、大数据、循环、修复、检索）。质量项含隐藏测试与大数据形态测试；已交付单元判分全部满分（个别单元未交付或判负，见下方两处注）。

官方路由（每格 1–4 次运行）：

用例	standard	评测 v1 基线（11 条冻结版）	v2
p14833 构造	12.40M	4.22M	1.72M
p15264 大数据构造	37.24M / 53.79M	33.64M	11.96M / 6.97M
p17244 提交答案型	2.56M（另一批 n=1）/ 3.92M[3.18–8.81]（n=3）	3.65M[1.49–5.83]（n=3）	1.62M（另一批 n=1）/ 1.95M[0.90–2.12]（n=3）

v1 列的口径：表里 v1 的数字来自评测用的冻结版 frozen/lean-ptc-v1.yml（11 条规则，仅用于基准）。 仓库出货的 flash-lean-ptc-v1 是 GUI 版（14 条规则，0.1.x 的 flash-lean-ptc 延续），二者不是同一份文件； 出货 v1 未单独跑基准，需要时可补测（已在待办里）。

第三方路由（同批三臂）：p14833 37.48M → v1 14.23M → v2 7.84M； probe1 0.11M → 0.04M（v1） → 0.05M（v2）；p17244 standard 8.03M、v1 3.98M（v2 仓在该批被中止，未交付，不计入）。 注：p15264 在该路由上 standard 未交付、v1/v2 判负（该题在此路由交付不稳），不以单题结果判断预设差异。

结论：v2 相对 standard 在官方路由上为 0.13×–0.63×（取表内最省/最费配对）； 同批 p14833 上 v1 4.22M ≈ v2 4.24M（≈1.0×，探测型任务持平）；长任务上（p15264 6.97 vs 33.64M、p17244 1.95 vs 3.65M）v2 更低， 但这两组是跨批配对，幅度里含批次差 —— 方向可信、倍数不可当精确值。

---

跨平台支持

动作	Linux / macOS / WSL / Git Bash	原生 Windows
安装	bash scripts/install.sh	powershell -NoProfile -ExecutionPolicy Bypass -File scripts\install.ps1
结构校验	node scripts/verify-presets.mjs	同左（PowerShell 里用 node scripts\verify-presets.mjs）
YAML 校验	npm i --no-save js-yaml@4 && node scripts/verify-yaml.mjs	同左
推送	bash scripts/publish.sh	powershell ... -File scripts\publish.ps1
DSH 主目录	$DSH_HOME 或 ~/.dsh	$env:DSH_HOME 或 %USERPROFILE%\.dsh

CI 在 ubuntu-latest / windows-latest / macos-latest 三个 runner 上各跑一遍 「安装 → 两套校验」，所以任何"只在某个系统上坏"的问题会在 PR 阶段暴露。 scripts/verify-presets.mjs 另外带一组回归守卫：禁止 import.meta.url).pathname （Windows 上会得到 /D:/…）、要求两种安装器都在、要求 .gitattributes 把 *.sh 钉为 LF。

兼容性

DSH 版本	预设形态	说明
≥ 0.1.7-rc.1	插件行（profile 补丁里的托管块）	预设机制改版：目录不再被读取；两个预设都以本版出厂的 standard / ptc 为基座，只保留 3 处 FLASH 差异（persona 规则、压缩阈值、停用 tool-workflow）。web 模板 live reload。
< 0.1.7	目录式（.agent-presets/<id>/）	安装器自动回退；文件在 presets/legacy-0.1.5/，整份来自 0.1.5 的 standard / ptc。

• 行 id 与插件名必须与目标部署一致：若目标部署缺少某个插件行导致挂载失败，删掉该行即可 （disabled: true 的行删掉只影响"少了哪些工具"）。
• PTC 在 headless 下需要显式开启：交互式由 tool-presentation: {mode: ptc} 生效， dsh --profile headless 下必须设 DSH_TOOLS_MODE=ptc，否则仍是标准工具面。
• 未绑定任何 provider/模型；路由不同（尤其是声明窗口不同）时，压缩阈值请按"约 30% 声明窗口"重新评估。
• 升级 DSH 后若出厂 standard/ptc 结构变了，重新生成即可：以新版 <dsh>/node_modules/@deepseek-ai/dsh-web-app/presets/{standard,ptc}.patch.yml 为基座，套回上述 3 处差异。

---

已知限制

• 成本数据多数为每臂 1 次运行（隔离实验 3 次重复；2026-09-30 基准里 p17244 达 n=4）。方向可信、幅度有噪声； 跨批次同预设可差 4–9 倍，请只用同批对照结论。
• 三个题库族的金标准解由同一模型族撰写（用大时间余量 + 数千次随机对拍证明其正确，但不是独立第三方实现）。
• 未覆盖：真实 GPU/渲染负载、联网检索型任务、多子代理扇出（flash-fanout 不在本仓库）。
• 规则 7（每约 40 次调用停下汇报）在实测里会被长任务拖过去，属于"最好情况下的纪律"，不是硬保证。

---

仓库结构

dsh-flash-presets/
├── presets/
│   ├── flash-lean-ptc-v2.patch.yml       # 0.1.7+ 插件行式（基座 = 新版 ptc）· 现行推荐
│   ├── flash-lean-ptc-v1.patch.yml       # 0.1.7+ 插件行式 · v1 基线（对照/回退）
│   └── legacy-0.1.5/flash-lean-ptc-v1/   # 旧版目录式（DSH < 0.1.7 回退用，仅提供 v1）
│       └── {preset.yml,agent.cordis.yml}
├── scripts/
│   ├── install.sh / install.ps1          # 安装/卸载（bash / PowerShell，行为一致，自动选机制）
│   ├── merge-presets.mjs                 # 两种安装器共用的补丁合并器（托管块插入/替换/移除）
│   ├── verify-presets.mjs                # 结构 + 跨平台回归 + 安装形态检查（无依赖）
│   ├── verify-yaml.mjs                   # YAML 解析 + 取值断言（需 js-yaml）
│   ├── selftest.sh                       # 端到端自测（安装/幂等/卸载/legacy/发布守卫，19 项）
│   ├── check-ps1.mjs                     # PowerShell 脚本静态审查（预设名单/BOM/tag 守卫）
│   └── publish.sh / publish.ps1          # 推送到 GitHub（+ Release）
├── .github/workflows/verify.yml          # CI：ubuntu / windows / macos 三系统 × 新旧安装机制 × 自测
├── .gitattributes                        # 行尾规范（*.sh 钉 LF，Windows 克隆后仍可直接 bash）
├── .gitignore
├── LICENSE
└── README.md

版本历史

版本口径：本仓库按插件语义化版本记述 —— 起始 0.1.0，本次 0.2.0。 0.1.0 之前的提交用的是另一套标签（v1.0.0 / v1.0.1 / v1.1.0），内容都归入 0.1.0 这一代； 远端另有一个独立的 v0.1.0 标签指向同一代内容 —— 取用早期文件按这些标签取即可。

v0.2.0（2026-09-30）

• 精简 PTC 预设分版：flash-lean-ptc-v1（基线：压缩 0.3/50k/2、14 条约束）与 flash-lean-ptc-v2（新：0.25/20k/1、12 条约束，加步数预算 / 少想多试 / 一次合并验证 / 先交最小可行产物 / PTC 打包指引）。
• 移除非 PTC 的「Flash 精简」：presets/flash-lean.patch.yml 与旧式目录 legacy-0.1.5/flash-lean/ 均删除，legacy 仅保留 v1。
• README 新增基准数据（BENCH-STD：3 算法题 + 5 探针，两条路由的同批三臂对照），并把「如何选择」改为 v1 vs v2 的对照。
• 自带端到端自测：新增 scripts/selftest.sh（19 项：版本口径 / 安装-幂等-卸载逐字节还原 / legacy / 发布守卫）与 scripts/check-ps1.mjs（无 pwsh 也能审 PowerShell 脚本），CI 三平台都会跑；Windows 侧已在 PowerShell 5.1 与 7.6 上实跑。
• 校验器与 CI 同步：断言两版各自的规则条数与压缩参数、行 id/order（21/22）、legacy 只校验 v1。

v0.1.0（2026-09-23 ~ 09-24 · 首个发布）

• 适配 DSH 0.1.7-rc.1 的预设机制改版：预设从「每预设一个目录」改为「插进 profile 用户补丁层的插件行」 （@deepseek-ai/dsh-agent-preset）；旧目录在新版被忽略，预设重新生成为 presets/*.patch.yml， 并保留 presets/legacy-0.1.5/ 供旧版 DSH 使用；基座换成新版出厂的 ptc 预设（相对它 3 行差异，相对 standard 7 行）。
• 安装器重写：自动识别机制（0.1.7+ 写补丁托管块 / 旧版复制目录）、可重复执行，支持 --profile / --legacy / --uninstall； bash 与 PowerShell 两侧共用同一个 Node 合并器 scripts/merge-presets.mjs。
• Windows 可用性：verify-yaml.mjs 改用 fileURLToPath（原先在 Windows 上拼出 D:\D:\…）；新增 install.ps1 / publish.ps1，Windows 不再需要 bash。
• .gitattributes 钉住行尾（shell/node 走 LF，PowerShell 走 CRLF），避免 Windows 克隆后 install.sh 报 bad interpreter； js-yaml 查找顺序扩展到 Windows 布局与 npm root -g。
• CI 从单系统扩为 ubuntu / windows / macos 三系统矩阵，覆盖新旧两种安装机制；仓库更名为 dsh-flash-presets。
• 最初发布：flash-lean（11 条规则 + 阈值 0.3 + 停用 workflow/ralph）与 flash-lean-ptc（+ PTC 工具面与 3 条 PTC 规则） 以及两套校验脚本；注释里保留实测数字，已剔除本机路径、私有评测引用与特定 provider 名称。

English summary

Two DSH agent presets for flash-class routes, both exposing the PTC tool surface (all tools called programmatically through run_code):

• flash-lean-ptc-v2 (recommended): compaction at 0.25 with 20k retained, plus 12 hard behavioural rules - a step budget (<=20), thinking less and probing sooner, one consolidated verification per deliverable, ship the smallest viable artifact first, and pack independent tool calls into one program.
• flash-lean-ptc-v1 (baseline): compaction at 0.3 with 50k retained and 14 rules; kept for comparison and rollback.

The non-PTC flash-lean preset was removed in v0.2.0 (use the 0.1.0-generation tags if you still need it). Measured on the BENCH-STD suite (3 algorithm tasks + 5 tool probes, same-batch A/B): on the official route v2 costs 0.13x-0.63x of the stock standard preset; against the 11-rule evaluation baseline it is about 1.0x on probe-sized tasks and 2-5x cheaper on long tasks (cross-batch pairing: direction only). Every delivered unit scored full marks. Install with bash scripts/install.sh; both presets are inserted into the profile patch file and hot-reload on the web template.