DSH HUB
HomePlugin StorePlugin PacksCommunityRankingsResourcesPublish Guide
Plugin source
Back to catalog

mhzdsb /

mhzdsb/dsh-tripipelines

Topic repository only

This plugin has no description yet.

★ 0 Stars0 Forks0 IssuesN/A Community rating0 Confirmed installs
View on GitHub
READMESource: main@517fcc6f

dsh-tripipelines · 流水线

分层协作,按需分配模型。 把大活拆成每个模型都吃得下的份量——钱花在刀刃上,代码写得经得起十年。

一个 DeepSeek Harness(DSH)原生插件:一级(你在会话里选的模型)负责规划与验收,二级(默认配置的模型,可按模块覆盖)负责写模块代码,三级本地模型干碎活。三级严格相邻、逐任务验收、全程可暂停可回溯。

纯 Node 内置依赖,零外部 npm 包,不碰你的 DSH 源码。

用户 ──只和 L1 对话──▶ L1(你选的模型) ◀──汇报迭代──▶ L2(模块负责人) ──强制下发──▶ L3(本地引擎)
      规划·验收·不写码     重新锚定·按异常汇报     分解·写码·审核        完整文件·多试几次·干不了反馈
      严格相邻:L1 ↔ L2 ↔ L3,同级/越级禁止

为什么需要它

一个 大模型从头写到尾:聪明,但贵、慢,而且上下文越写越糊——到了第 30 个文件,它已经记不清第 1 个文件的接口。

全交给本地小模型:便宜,但写不对,来回返工的钱比省下来的多。

流水线把这两种钱花在对的地方:

层 谁 干什么 成本
L1 你在会话里选的模型 拆任务、定验收、终审、只和用户对话 花在刀刃上
L2 默认配置的模型(可按模块覆盖) 模块负责人,写完整文件、跑质量门 主力劳动
L3 本地引擎(通常最便宜) 单函数/小片段,检查验收断言 碎活

外加三个设计让这条产线不会失控:一次性激活确认、预算护栏(token/时长/文件数触顶自动暂停)、里程碑硬验收(不许悄悄跳过)。

30 秒判断要不要用

适合

  • 中大型/多文件的真实项目(≥ 3 个模块)
  • 想省 token 钱、又不想降质量的开发
  • 本机/局域网有 OpenAI 兼容的本地推理引擎(ninfer / vLLM / llama.cpp 都行)
  • 需要一条产线跑几十分钟、中途还能停下来的活

不适合

  • 一次性脚本、单文件小改(直接让主 agent 写更快)
  • 没有本地引擎(三级退化成两级,价值减半)
  • 要求「一句话出全部代码」的即时小任务

快速开始(3 分钟)

装插件 → 配本地引擎 → 说第一句话。三步详细版见 QUICKSTART.md。

# 1. 安装(发布后走 npm / market;本地开发用快照 link)
dsh plugin --profile <profile> add dsh-tripipelines        # npm / market(发布后)
plugin_manager install_bundle('link:C:/path/to/dsh-tripipelines-vNN')  # 本地快照 / dev

# 2. 确认三级都活着
/pipe-selftest

# 3. 说一句话(不用你拆模块)
"帮我做一个带登录和任务列表的待办应用"

主 agent 会自动走「引导开机 → 需求访谈 → 适配性评估 → 自适应调度」四阶段:先问你几个关键问题并锁定需求,然后拆模块、spawn 二级、下放三级、逐节点汇报、到里程碑弹窗让你验收。

它怎么工作

四阶段工作流

  1. 引导开机:新工作区首次询问一次「要启用流水线吗」(A 启用 / B 普通 / C 记住此工作区),答案存 .dsh/pipeline/activation.json。
  2. 需求访谈:用弹窗问关键问题(框架/数据库/认证/测试期望…),锁定为 requirement_lock.json。
  3. 适配性评估:任务太简单就直说「不用三级」,别硬套。
  4. 自适应调度:拆模块(天然接缝 + 负载均衡)→ spawn L2 → L2 分解出 L3 子任务 → 批量执行 → 质量门 → 里程碑验收 → checkpoint。

四条硬约束(不是靠模型自觉)

约束 怎么强制
严格相邻 agent 消息层 + tools.guard 双重:L1 只能调 L1 工具,L2/L3 越级直接拒
里程碑验收 里程碑完成未验收时,spawn/send 被硬 Gate 拦住;工具结果尾部实时显示进度
预算护栏 token / 时长 / 文件数任一触顶 → run 自动暂停、执行类工具被拒
随时能停 /pipe-stop 只冻结(磁盘全保留)、/pipe-resume 继续、/pipe-off 变回单 agent

核心特性

能力 说明
三级模型路由 L1=你在界面选的模型(主 agent,不一定是 pro)、L2=默认配置的模型(长活 subagent,可按模块覆盖,不一定是 flash)、L3=任意 OpenAI 兼容本地引擎
严格相邻 agent 消息层 + tools.guard 双重强制,同级/越级禁止
二级长活 L2 是长活 subagent,复用不重开,上下文累积
逐任务验收标准 每级下发的任务由下发方现场生成各自的验收标准,质量门按它打分
失败有界 + cannot-do L3 干不了明确回 cannot-do;输出错了重试 maxLevel3Retries 次,超限 L2 接管
批量 L3 执行 pipeline_execute_batch 一次提交 N 个子任务,内部串行、一次返回,省 N 倍推理 token
质量门跑代码断言 验收里有 函数(参数)==期望 就真跑(JS/TS 用 node、Python 用受控子进程);全部断言通过才算过,没有断言才回退关键词分
按异常汇报 + 禁止轮询 L1/L2 不轮询看板,靠 push 汇报,大幅省 token
GUI 看板(v92/v94) Web UI 侧栏内嵌一张与「余额」卡同款的小卡:run 状态 / 里程碑 / 每层甜点区(绿黄红)/ 活跃 L2 与模型 / token 预算,模型看不到,用户随时看得见
每 L2 独立工作目录(v92) pipeline_spawn_module_lead 传 scopeDir → subagent 真实 cwd 隔离,多个 lead 不踩文件
每 L2 独立模型(v94) 同一个 lead 可传 provider / model 覆盖默认配置——难模块换更强模型,其余照旧省钱
里程碑状态机 里程碑完成 → 弹窗验收 → 落盘;未验收硬 Gate;冷启动自动恢复
预算护栏 maxTotalTokensPerRun / maxDurationPerRun / maxFilesPerRun(0=不限)
一次性激活 Gate 新工作区只问一次,答案按工作区记忆,之后不再打扰
健康自检 /pipe-selftest 检查 subagents API、llm 服务、L3 引擎;启动时也会非阻塞 ping
模块化解耦 15 个模块(最大约 600 行),pnpm test 串起 12 套 smoke 回归
四阶段工作流 引导开机 → 需求访谈 → 适配性评估 → 自适应调度

完整功能清单见 CHANGELOG.md,架构细节见 docs/agent-lifecycle-design.md。

安装

前置条件

  1. DSH 已运行。
  2. 本地推理引擎:任意 OpenAI 兼容服务(llama.cpp / vLLM / Ollama / strata 等)。在 profile 的 llm-pi-ai 里声明 provider 后,用 /pipe-config level3Endpoint 与 level3Model 指向它;自检 curl <endpoint>/models,或直接 /pipe-selftest。
  3. 默认的 L2 模型在 DSH 里可用(deepseek-official / deepseek-flash,可按模块覆盖)。

安装步骤

本插件是「目录」形式 bundle(package.json + cordis.patch.yml + lib/ + skills/):

  • 方式 A(推荐):DSH 插件管理器 GUI 或 plugin_manager install_bundle,指向插件目录。
  • 方式 B:dsh plugin add <绝对路径>(需要 pnpm)。
  • 方式 C(手动):junction 到 profiles/<profile>/node_modules/dsh-tripipelines,并在 profile 的 cordis.patch.yml 追加:
    - insert:
        - id: pipeline
          name: 'dsh-tripipelines'
    

验证

新开会话输入 /pipe-config,能看到配置列表;listTools 里出现 pipeline_* 工具即成功。更完整:/pipe-selftest。

⚠️ 改代码后必须重装(Electron 缓存)

Electron 按「模块真实路径」缓存导入,且不支持非 Node 内置依赖。每次改 lib/* 后:复制到全新目录 + 改包名后缀 + 重新安装(并移除旧 bundle),否则命中旧代码。

配置(/pipe-config)

/pipe-config                    # 查看全部
/pipe-config <key>              # 查看单项
/pipe-config <key> <值>         # 修改单项
/pipe-config list               # 列出可配置项
/pipe-config reset              # 恢复默认
键 默认 说明
level1Model deepseek-pro 一级模型(仅甜点区档案查询,不切换实际 L1)
level2Provider / level2Model deepseek-official / deepseek-flash 二级模型
level3Model / level3Endpoint 由配置指定 / 空(必须显式配置) 三级本地引擎(OpenAI 协议);level3Provider 默认 ninfer-local,用 /pipe-config level3Endpoint http://127.0.0.1:8080/v1 指向本机引擎
level3Engine auto 引擎提示(auto/ollama/vllm/llamacpp/openai-compat/other)
maxCodeLines 100 L3 交付代码行数上限
maxLevel3Retries 5 L3 失败最大重试,超限 L2 接管
maxLevel3Concurrency 1 L3 最大并发(本地单实例串行)
maxLevel2Retries 3 L2 最大尝试,超限上报 L1
maxLevel2Agents 10 二级模块负责人上限
level2ContextBudget 32000 二级上下文预算(模块小型化参考)
level2SweetSpotRatio 0.25 二级甜点区占窗口比例(换模型自动重算)
level2HandoffTtlMs 300000 旧二级交接存活毫秒(超时强制 drain)
level1ContextBudget 64000 一级上下文甜点区(接近时建议 checkpoint)
level1SweetSpotRatio 0.5 一级甜点区占窗口比例
level1ContextWarnRatio 0.8 一级上下文警告比例
autoTuneSweetSpot true 换模型时自动联动甜点区
devDir dev 开发过程文档目录(与生产文件分离)
level3TimeoutMs 900000 三级子任务超时(=15 分钟)
level3InputBudget 500 三级子任务输入 token 上限(超过自动压缩)
level3MaxOutputTokens 4096 三级输出 token 上限
semanticGateThreshold 0.7 质量门阈值
mode auto auto=按项目评估 / on=强制三级 / off=单 agent
activationGate true 新工作区一次性激活询问
maxTotalTokensPerRun 500000 单 run token 预算上限(0=不限)
maxDurationPerRun 7200000 单 run 时长上限毫秒(2 小时,0=不限)
maxFilesPerRun 200 单 run 改动文件数上限(0=不限)

配置分层:DEFAULT_CONFIG < 传入 config < 全局 ~/.dsh/pipeline/config.json < 项目级 <devDir>/pipeline-project.json。不同 devDir 互不污染。

甜点区自适应:换 level1Model/level2Model 时按 MODEL_PROFILES 档案(窗口 × 比例)自动重算预算;不在档案里则提示手动设。

使用

新开一个会话,直接描述你要做的东西(几句话,不用拆模块),主 agent 会自己走四阶段。

  • 不需要三级:说「不用三级模式」或 /pipe-config mode off。
  • 看状态:/pipe-config 或(L1)pipeline_status。
  • 暂停/继续:/pipe-stop / /pipe-resume;彻底关掉:/pipe-off。
  • 卡住了:/pipe-research <议题> 生成 7 步研讨骨架(见下方「知识层」)。
  • 到里程碑:主 agent 弹窗问「我很满意 / 我要提出意见」;满意后旧 L2 无条件交接并灭活,新 L2 继续下一段。

工具面

工具 层级 作用
pipeline_lock_requirements L1 锁定需求,开 run(可带 activation)
pipeline_plan L1 记录 TaskPlan(依赖 DAG + 环检测 + 里程碑声明)
pipeline_spawn_module_lead L1→L2 生成长活模块负责人(默认配置的模型;可传 scopeDir 独立工作目录、provider/model 单独指定模型)
pipeline_send_to_lead L1↔L2 复用二级发后续任务
pipeline_drain_leads L1 里程碑重建后释放旧二级
pipeline_checkpoint L1 写 10 节交接文档 + 冷启动 prompt
pipeline_accept_milestone L1 记录里程碑用户验收
pipeline_selftest L1 健康检查(subagents / llm / L3 引擎)
pipeline_classify L1 能力匹配分类(L1/L2/L3)
pipeline_status L1 状态面板 / Trace / token 统计
pipeline_decompose L2 把模块拆成 L3 子任务
pipeline_execute_local L2→L3 同步派发单个 L3 子任务
pipeline_execute_batch L2→L3 一次提交 N 个子任务,内部串行一次返回(省推理 token)
pipeline_spawn_local_executor L2→L3 agent 式派发 L3(可选重路径)
pipeline_review L2/L1 质量门(跑代码断言优先 + JSON + DoD;可传 filePath)
pipeline_register_output L2 L2 接管直写盘后回填看板
pipeline_scan L1 扫仓库生成知识库(index.md 骨架 + map.json 符号表 + 每模块一页)
pipeline_ledger L1 从交接文档抽「关键决策/结论」候选,标出缺失字段待分类
pipeline_recall L1 在知识库内检索(中英关键词),返回 file:line + 片段,命中不到就说没有

知识层(v98):让 L1 不靠暴力读源码

大型项目里,L1 最大的浪费不是写代码,而是为了理解项目而把整个仓库读一遍。知识层把这件事变成一次扫描 + 按需检索:

pipeline_scan(root=".")      # 一次机械扫描,产出 .dsh/pipeline/knowledge/
pipeline_scan(check=true)    # 只报哪些代码文件/模块页过期,不重写
pipeline_recall(query="backtest 引擎怎么调用核心")   # 每次只取命中片段
pipeline_ledger()            # 从交接文档抽决策候选
  • index.md:一页骨架(仓库规模、模块清单与行数、模块角色、超大文件、TODO 计数、启动命令、近期提交)——冷启动先读这一页(stock 实测 ≈1.6K token)。
  • modules/<模块>.md:每模块一页(角色、入口文件、公开接口、依赖、信号)。
  • map.json:符号表(每个代码文件的 sha1 前缀、大小、行数),供后续做「代码变了但文档没变」的陈旧检测。
  • 检索不到就返回「no hits」,不编造——知识层是机械抽取,不做语义判断。

专题研讨(/pipe-research):瓶颈时开一次「有据可查的会」

知识库不是一次扫描就结束的静态快照,而是跟着项目长出来的 wiki:每次 pipeline_scan 刷新 index.md 与每模块一页,pipeline_ledger 把交接文档里的决策/结论沉淀成台账,pipeline_recall 让新会话在几行内找回上下文。项目越大、跑得越久,这层越值钱。

真正卡住的时候(架构摇摆、两个方案二选一、同一处反复返工、性能/兼容性取舍),不要靠「再读一遍代码」硬想:

/pipe-research 下一步投哪条路径

它会在 <工作区>/.dsh/pipeline/knowledge/research/<日期>-<议题>.md 生成一份 7 步研讨骨架:

  1. 立项 —— 问题、成功判据(错了能被提前暴露)、预算
  2. 证据 —— 每条带 file:line 或台账 #n 指针
  3. 候选方案 —— ≥2 个,否则不叫决策
  4. 反方 —— 每个候选最硬的反方理由 + 证据
  5. 最小实验 —— 能区分候选的那一个
  6. 建议 —— 带置信度,理由必须有数字或指针
  7. 记录 —— 「错了会怎么暴露」,以及要回写台账的条目

模板自带三条防呆:无数值的理由删掉或补数字;带指针证据不足 3 条先去 pipeline_recall;没回答「错了会怎么暴露」不能当决策依据。研讨结论回写 decisions.md(或 checkpoint 的决策节),v117 起 pipeline_recall 默认也会检索 research/*.md——下次同一议题不用从头吵。

研讨层目前是手动触发:先跑 2~3 次,确认真能减少返工,再谈自动阈值。

版本

  • 包版本(package.json):语义化 x.y.z,市场/发布用。
  • 迭代代号(vN):开发部署号,出现在部署目录与内部文档里(Electron 缓存要求每次改代码换新目录,见上方安装注意)。
  • 完整历史见 CHANGELOG.md。

健壮性:抗阻塞与单点

  • L1 必须响应:收到 L2 汇报必须回复(一行「继续」或重新锚定),绝不让 L2 干等。
  • L2 汇报自包含:含「做完了什么 + 下一步 + 需要的决策」,L1 延迟回复也不丢进度。
  • 持久化兜底:看板 / trace / l2_state.md 全落盘,卡住能恢复。

诚实说明:L1 彻底不可用(模型挂了 / 会话断了)时没有替代者,这是「L1 唯一协调者」的固有单点,靠用户手动介入或重开会话兜底。其余情况不阻塞、不丢进度。

已知限制

  1. 桌面端不能加载非内置依赖:可视化设置页需要 schemastery,用 /pipe-config 命令代替。
  2. deepseek-v4.1-flash 不存在,正确 id 是 deepseek-flash。
  3. Agent Teams teammate 不能指定模型(继承父 agent 的模型),所以二级长活用 continuable subagent。
  4. 质量门是「执行断言优先 + 语义关键词兜底」,断言 fail-closed:没有可用 runner、代码被静态安全门拦下、或任一断言失败,都判失败,不会回落关键词分。语义分本身封顶 0.5,默认阈值 0.7 下无法单独过门。
  5. JS/TS 与 Python 都支持:JS 走 node 子进程,Python 走 AST 静态安全门 + 子进程;宿主机执行可通过 allowCodeExecution=false 整体关闭(关闭后含断言的验收一律不通过)。

目录结构

dsh-tripipelines/
├── package.json                          # 插件清单(dsh.bundle.patch → cordis.patch.yml;dsh.client → Web 状态条)
├── cordis.patch.yml                      # bundle 补丁(插入插件行)
├── client.js                             # Web UI 看板卡片(左侧栏底部,2.5s 轮询 /pipeline/board)
├── lib/
│   ├── plugin.js                         # 薄入口:name / inject / apply 装配、工具分发(~360 行)
│   ├── workspaces.js                     # 工作区注册表:root 归一化 / 会话归位 / 看板选工作区
│   ├── config.js                         # 模型档案 / 配置键 / 分层合并与迁移 / /pipe-config
│   ├── store.js                          # 看板 + run 状态机 + 预算 + 激活(全部落盘)
│   ├── gates.js                          # 质量门:执行断言 / DoD / 语义评分 / 任务校验
│   ├── prompts.js                        # 三级协议 / L2 提示 / L3 提示 / 技能正文(SKILL_BODY)
│   ├── util.js                           # 文本 / token 估算 / 压缩 / 语义评分等纯函数
│   ├── dsh-compat.js                     # DSH 版本差异适配(session / tokenMeter / 引擎探测)
│   ├── board-route.js                    # host 只读路由 GET /pipeline/board(看板数据快照)
│   ├── guards.js                         # 严格相邻 / 里程碑硬 Gate / 预算护栏
│   ├── knowledge/                        # 知识层:scan(机械索引)/ ledger(决策候选)/ recall(关键词检索)
│   └── tools/
│       ├── l1.js                         # L1 工具:lock/plan/status/spawn/send/drain/checkpoint/classify/selftest/accept
│       ├── l2l3.js                       # L2/L3 工具:decompose/execute_local/execute_batch/review/register/local_executor
│       └── knowledge.js                  # pipeline_scan / pipeline_ledger / pipeline_recall
├── skills/pipeline-orchestration/SKILL.md  # 编排技能
├── docs/agent-lifecycle-design.md        # 架构定稿
├── examples/                             # 一句话需求示例(可直接粘给 DSH)
├── QUICKSTART.md                         # 3 分钟上手
├── README.md                             # 本文档
├── TUTORIAL.md                           # 使用与配置教程
└── CHANGELOG.md                          # 版本日志

pnpm test(在 plugins/dsh-tripipelines/ 下)一键跑 12 套回归:配置/项目分层 82 断言、控制面 49 断言、工具工厂装配探针、看板/目录隔离、知识层 15 断言、知识层加固 32 断言(含脱敏与 recall 路径围栏)、技能字节同步检查、工作区隔离 48 断言(含看板跟随当前工作区、切换器与折叠栏同步)、质量门与角色矩阵 34 断言、生命周期 16 断言(重 plan/验收确认/drain/重派发上限/计数持久化)、审计修复 28 断言、v112 回归 40 断言(实测计量 / 协议瘦身 / off 面)。


—/ 5

No ratings yet

Manifest verification required

Commit 517fcc6fbe30

Community comments

No comments yet. Be the first to write one.

DSH HUB

A community index for DSH plugins. Not an official GitHub or DeepSeek AI product.

CommunityResourcesAPIAbout