Token 2b IQ
用可度量的 token 增量,换一次通过率
DSH(DeepSeek Harness)的多代理编排控制器:定档位、派团队、收回执、记账本、看面板—— 真正干活的仍然是官方 Agent Teams;插件只做「项目经理 + 记账本 + 仪表盘」。
简体中文 · English
它解决什么问题
DSH 的 Agent Teams 已经解决了「能不能多代理协作」——subagent 建队员、team_task_create 建共享任务、send_message 派活、wait_agent 等结果。但从真实工作里看,多代理往往卡在另外三件事上:
| 没有编排层时 | Token 2b IQ 提供 |
|---|---|
| 不知道该开几个代理、分几个阶段、审几轮,全凭手感 | 用 S1–S4 / Auto 档位把「参与角色与阶段数量」变成粗粒度旋钮 |
| 做的人和判的人是同一个,自己批自己 | 阶段化流水线 + 独立盲审 / 跨厂商评审(可硬校验) |
| 花了多少 token、走到哪一步、为什么失败,说不清 | 每阶段 回执 + token 台账 + 运行看板,可导出 Markdown 报告 |
| 复杂任务容易「一把梭」直接交付,没有验证闸门 | 可选 pipelineGate=strict:无验收标准不进实现、无 testsRun 不许收尾 |
一句话:它不提升模型本身的能力,它把「多代理该有的流程纪律」变成可配置、可记账、可复盘的东西。
⚠️ 诚实前置:在 3 个自包含任务的小规模 A/B 里,严格流水线没有提升正确率(本来就 100%),只是增加了评审开销、0 返工。所以默认
pipelineGate=off——小任务别开 strict,价值只可能在「生成者会犯错」的硬任务上体现。详见 设计边界。
30 秒理解:大脑 vs 手脚
Token 2b IQ 不是另一套 agent 运行时。它和官方 Agent Teams 是分层协作关系:
| 官方 Agent Teams | Token 2b IQ | |
|---|---|---|
| 角色 | 手脚:怎么真实地并行 / 分工 / 通信 | 大脑:干多少、谁评审、花多少、达没达标 |
| 提供 | 建队员、共享任务 DAG、消息、等待 | 档位计划、团队执行手册、回执校验、token 台账、面板 |
| 关系 | 执行原语 | 策略层 + 账本,从不自建运行时 |
flowchart LR
M[主模型 / Team Lead] -->|action=start| T[Token 2b IQ<br/>选档位·建计划·建任务板]
T -->|roster / playbook| M
M -->|subagent / team_task_create| A[官方 Agent Teams<br/>队员 + 共享任务]
A -->|执行| M
M -->|action=record 回执| T
T -->|台账 + 看板| U[面板 / 报告]
M -->|action=finish| T
安装
方式一:Desktop 插件市场(推荐)
在 DeepSeek Harness Desktop → 设置 → 插件 里搜索 dsh-token2biq,一键安装。装完完整重启 DSH。
方式二:dsh plugin 命令行
# 直接从 GitHub 源码安装(无需构建,本仓库即插件本身)
dsh plugin --profile web add github:SSRYLJRSS/dsh-token2biq
# 发布到 npm 后也可:dsh plugin --profile web add dsh-token2biq
把
web换成你实际使用的 profile 名(如desktop)。
方式三:本地目录 link(开发者)
dsh plugin --profile desktop add link:./dsh-token2biq
# 或在 DSH 仓库根用 plugin_manager install_bundle 安装本地包目录
⚠️ 生效方式(重要)
- 宿主侧
lib/index.js/service.js/orchestrator.js等只在启动时加载,改动后必须完整重启 DSH(no-hmr)。 - 浏览器代码需要宿主重新构建客户端产物后刷新;只有同一 checkout 的
pnpm run dev:web监听器运行时才支持开发热更新。不能只凭源文件已保存判断当前界面已更新。 - 安装后在侧边栏出现「Token 2b IQ」入口,点击打开面板。
快速开始
1) 选档位:输入框上方的「IQ」下拉
这是真正的会话级开关——不是一个装饰性下拉:
关闭 · 自动 · 轻量 S1 · 标准 S2 · 完整 S3 · 完整加强 S4(界面与文档统一显示 S 代号,和 action=start 的 mode 对得上)
- 选「关闭」:本会话服务端直接拒绝
start,不会起任何团队。 - 选「轻量 / 标准 / 完整 / 完整加强」:本会话锁定该档,模型即便传别的档也会被纠正过来;选择会落盘,重启后沿用。
- 选「自动」:关键词先筛,拿不准时用低思考模型复核(失败回退关键词)。
2) 让模型调用 token2biq action=start
模型在对话里驱动编排。如果调用方是 Team Lead,插件创建官方共享任务板,并返回 roster / created.briefing / modelRouting。Lead 仍需调用官方 subagent 启动队员,再用 send_message 派活;任务变为 ready 不会自动启动队员。
// 模型调用(示意)
{ "action": "start", "goal": "重构鉴权模块,补齐单测", "mode": "S2" }
返回里关键字段:
plan:maxAgents / stages / reviewRounds / costWeightplaybook:每阶段角色、并行方式、writeScopes、团队规则roster:阶段角色与建议队员名,不代表队员已经启动created:已创建的共享任务、派活说明及模型路由;失败或降级情况单独返回
3) 按 roster 执行 → 每阶段 record → 全部完成 finish
start ──► spawn/send ──► 队员执行 ──► record(带 teamTaskId / owner / 回执)
│
▼
阶段推进 + 台账累计
│
(评审 FAIL 连续 2 次 → 自动升档)
▼
finish(verdict)
每阶段回执按阶段类型校验:
| 阶段 | 必填回执 |
|---|---|
generate 生成 |
files[] + diffSummary(可选 testsRun[]) |
research / plan 结论 |
summary 或 diffSummary(files 可选) |
review / judge / redteam 裁判 |
verdict(PASS|FAIL),FAIL 必填 issues[] |
verify / regression 验证 |
verdict,FAIL 必填 evidence[];strict 下须带非空 testsRun |
record 还可以带 tokensIn / tokensOut(可选,缺省按字符估算)与 model(provider::model,用于白名单 / 跨厂商硬校验)。
其它动作
map(只取执行手册)· state · export(导出 Markdown 报告)· list · mode · settings · pause / resume · delete · help
核心概念
4 档位(这是控制 token 消耗的粗粒度手段,不设硬预算)
| 档位 | 参与代理上限 | 阶段流程 | 建议互审轮数 | 相对成本权重 |
|---|---|---|---|---|
| S1 轻量 | 1 | generate → review → verify | 1 | ×2 |
| S2 标准 | 3 | plan → generate → review → verify | 3 | ×5 |
| S3 完整 | 6 | research → plan → generate → review → judge → redteam → regression | 3 | ×10 |
| S4 完整加强 | 8 | 同 S3,但评审/裁决/红队按角色池多候选并行多审(任一 FAIL 即该阶段 FAIL) | 3 | ×16 |
| Auto 自动 | — | 关键词先筛 → 拿不准用低思考模型复核 → 失败回退关键词 | — | — |
0.5.0 起提供成本闸门(
settings.tokenBudget,0=不限):消耗到 80% 时面板与action=state提示收敛,到 100% 时熔断——不再新建任务,由 Lead 用现有回执收口。它只拦「新建」,不会掐断已完成的工作。日常仍用「档位 = 参与角色数」做粗粒度控制。
reviewRounds 是执行手册的建议轮数,不是自动追加评审任务的保证;实际完成的评审以任务板和回执为准。
四个零件
| 零件 | 是什么 |
|---|---|
| 编排(plan/playbook/roster) | 把档位翻译成「哪些阶段、每个阶段什么角色、并行还是串行、写域是什么」 |
| 回执(receipt) | 每阶段的结构化结果,按阶段分派校验(generate 要 files,review 要 verdict…) |
| 账本(ledger) | 每阶段 token 累计;区分「回执上报/估算」与「宿主实时实测」两个口径 |
| 看板(panel) | 运行记录 + 概览统计 + 设置,数据来自同源 /token2biq/* 路由 |
面板
界面验证范围与当前限制见 验证说明。
- 运行记录:每条一眼看到档位、这个档位额外做了什么、结论、token、时间;点开看阶段流程。
- 概览统计(4 卡):运行数 / 真实 token(宿主
llm/stream实时实测) / 回执上报(含估算) / 一次通过率;下方一行实时明细:输入 / 输出 / 缓存读 / 请求数。 - 两个口径分开:真实用量与回执上报不混算,避免把估算当真实。
- 设置页:默认档位 / 强制联动 / 按角色指定模型 / 评审模型池 / 必须不同厂商 / 流水线门禁,每项标注真实生效范围。
配置项(哪些硬生效,哪些只是建议)
设置写在 ~/.dsh/token2biq/settings.json,面板「设置」或 token2biq action=settings 修改。请按「生效范围」列理解每一项——不要以为标了「建议」的项会被插件拦截。
| 配置 | 作用 | 生效范围 |
|---|---|---|
defaultMode |
新运行/新会话默认档位 | ✅ 硬生效 |
forceTeam(auto/on/off) |
是否要求每阶段都绑定共享任务与队员 | ✅ 硬校验:开启时 record 缺 teamTaskId/owner 直接拒收。默认 auto = S2/S3/S4 强制 |
allowModels |
模型白名单 | ✅ 硬校验:record 上报 model 且不在白名单 → 拒收(不上报则不判)。通过 settings.json 或 action=settings 配置(面板未内置白名单入口) |
requireDifferentVendor |
评审/裁判不得与生成同厂商 | ✅ 硬校验:record 上报同厂商 model → 拒收(不上报则不判) |
independentReview |
评审/裁判/红队必须由非执行者盲审 | ✅ 硬校验:owner 不能是本次 generate 执行者(自评拒收) |
tokenBudget |
每运行 token 预算(0=不限) |
✅ 硬生效:≥80% 提示收敛,≥100% 熔断——不再新建任务,由 Lead 用现有回执收口 |
pipelineGate(off/strict) |
严格流水线硬门禁 | ✅ 硬校验:见下 |
rolePools / roleModels(按角色指定模型) |
每阶段用哪个模型 | ⚠️ 建议:写进执行手册,插件不强制切换 |
reviewModels / maxReviewers / parallelReviews |
评审池轮转、多审数量 | ⚠️ 建议:写进手册,由 Lead 用 subagent 落地 |
| 档位 / 阶段流程 | 参与角色与阶段数量 | ⚠️ 强提示:注入系统提示 + 手册 + record 记账约束,但不是内核级硬拦截每一步工具调用 |
pipelineGate=strict 到底硬在哪
- spec 前置:
record generate前必须已有spec(start传acceptance,或先record plan/research带验收标准),否则拒收。 - 验证证据:
record verify|regression必须带非空testsRun;finish前必须有完成的 verify/regression 且verdict=PASS并带非空testsRun,否则不许交付。 - 候选择优:
start candidates=N(1..5)开启多候选;每个generate带candidateId,judge带selectedCandidate,否则拒收。
默认
off。只在「大改 / 高风险」任务手动开strict,用完改回off。
设计边界与诚实的限制
这一节是刻意写下来的,避免你带着错误预期安装它:
- 档位是「强提示 + 记账硬门禁」,不是内核级硬拦截。 插件通过系统提示、执行手册和
record校验来推动流程;它无法拦截 agent 的每一次工具调用。模型仍可能不按 roster 走,真正的执行一致性依赖官方 Agent Teams 的规范用法。 - 模型路由阶段必须由 Lead 用
subagent执行。subagent可显式传provider/model(subagent_fork不支持模型选择)。所以凡是配置了模型的阶段,playbook 会明确要求 Lead 用subagent(provider/model)执行,并在record带回同一个model,否则白名单/跨厂商校验无从生效。 pipelineGate默认off,这是有 A/B 依据的。 3 个自包含任务(小/中/大)× 2 臂,两臂均 3/3 通过、独立盲审 3/3 PASS、0 返工——严格流水线在小任务上不提升正确率、只增加开销。其价值待「生成者会犯错」的硬任务再验证。- 「真实 token」是全进程口径,不是按队员精确归属。 宿主
llm/stream的 usage 分片不带runId,插件只能把运行活跃期间同进程的调用都归到当前运行;同期的其他对话也可能被算进来。数值偏高于预期时,通常就是这个原因。 - generate 默认串行(共享 cwd、无文件锁)。 确需并行时,各任务
writeScopes必须互不重叠;并行队员数按执行手册上限(默认 8)。 independentReview是 owner 校验,不是「插件自己跑一个指定模型的评委」。 宿主没有同步「跑完并返回 verdict」的接口,插件不会自造 agent 运行时;如需异源评委,由 Lead 起独立子代理执行后回执。- 真实端到端仍需重启验证。 宿主 JS 只在启动时装载;install 返回
restart-required。 - HTTP 路由已接官方
ctx.connection.requestRejection(未信任 Host/Origin → 403,未认证 → 401),在其放行时再叠加 Origin 白名单 + 强制application/json(缺失/非 JSON → 415),并有readJson1MB body 上限。
FAQ
Q:它会替代官方 Agent Teams 吗?
不会。它是策略层与账本,执行原语仍全部来自官方 Agent Teams(subagent / team_task_* / send_message / wait_agent)。两者是「经理」与「施工队」。
Q:为什么装上之后面板是空的?
面板只显示真正调用过 token2biq action=start 的运行。没有运行就不会有记录——这不是 bug。
Q:小任务要不要用它? 不必。小任务在「自动」档下不会起团队;强制组队只会白烧 token。选「关闭」或让模型对小任务直接做。
Q:为什么改了设置没生效 / 为什么要重启?
宿主侧代码(lib/*.js 除 client.js)只在启动时加载。改动后必须完整重启 DSH;仅面板代码可刷新页生效。
Q:token 数字为什么和我预期的不一样?
看板有两个口径:N tok = 宿主实时实测(全进程归集,可能偏高);≈N tok(估算) = 回执上报或字符估算(仅参考)。两者不混算。
Q:评审为什么老是被拒收?
多半是 forceTeam(S2/S3/S4 默认强制)要求 record 带 teamTaskId+owner,或 requireDifferentVendor 发现评审与生成同厂商。按提示补字段或调设置即可。
安装后自动配置(免手动勾选)
插件加载时会自动改好两处 DSH 宿主设置,装完重启 DSH 即生效:
| 自动写入 | 位置 | 效果 |
|---|---|---|
- id: agent-team → defaultEnabled: true |
~/.dsh/profiles/<profile>/cordis.patch.yml |
新根会话默认启用官方 Agent Teams(已有选择优先,不覆盖历史会话) |
- id: subagent-model-selection-settings → enabled: true + 自动勾选当前模型 |
同上 | 子代理可以选不同模型,可用模型已按 settings.yaml 自动列好 |
安全边界(按“别把 DSH 弄坏”设计):
- 绝不改
~/.dsh/settings.yaml(密钥、供应商、模型定义保持原样)。 - 只追加上述两个条目;同 id 已有用户自定义配置时跳过不覆盖,并在结果里提示。
- 模型列表为空时只写团队条目,不写空
allowedModels(官方要求至少一个模型)。 - 写前备份为
cordis.patch.yml.bak-token2biq-<时间戳>,临时文件 + 原子替换,写后校验,失败自动回滚。 - 幂等:内容已符合要求时零改动,重复启动不会叠加。
关闭 / 重跑 / 回滚:
- 关闭:设置
autoProvision: false(或删除上面两个条目,或用备份覆盖回cordis.patch.yml)。 - 手动重跑:
token2biq action=provision(可带home/profile)。 - 回滚:把
cordis.patch.yml.bak-token2biq-*复制回cordis.patch.yml后重启。
文档与发布入口
| 文档 | 内容 |
|---|---|
| CHANGELOG.md | 版本变更记录(当前 0.5.1) |
| 架构说明 | 执行模型、模块职责与维护边界 |
| 验证指南 | 测试入口、验证范围与实测结果 |
| 审查台账 | 本轮审查与修复验收记录 |
| GitHub Releases | 发布说明与版本分发(v0.5.1) |
开发与测试
cd dsh-token2biq
# 逐文件语法检查
npm run check
# 自动隔离用户状态的逻辑、服务和宿主契约测试
npm test
# 检查发布包内容
npm pack --dry-run
测试结果和执行环境见 验证说明;代码结构见 架构说明,本轮审查见 审查报告。请使用 npm test 的隔离入口,避免手工执行历史冒烟脚本写入真实用户配置。
目录速览:
lib/
├── index.js 宿主入口:web 路由 + token2biq 工具
├── host-integration.js 官方 Agent Teams 适配:解析活跃根会话,仅调 isEnabled/setEnabled/rootOf,失败返真实原因
├── autoprovision.js 安装后自动配置:追加 agent-team.defaultEnabled 与子代理模型白名单(备份/原子写/校验/回滚,幂等)
├── service.js 核心服务:档位/计划/回执/台账/看板/分发
├── orchestrator.js 纯函数:档位 PLANS / classify / playbook / roster
├── receipts.js 纯函数:按阶段校验回执
├── stage-state.js 纯函数:按 slot 聚合阶段状态,teamTaskId 优先、owner 次之,任一 FAIL 即 FAIL,重试自愈
├── run-store.js 8 实体持久化(JSON 原子写;可纯内存)
├── report.js 纯函数:导出 Markdown 报告
├── settings.js 设置存储与规整
├── model-routes.js 子代理模型放行策略
├── paths.js 状态文件路径
└── client.js 浏览器面板
License
MIT · 见 LICENSE
No comments yet. Be the first to write one.