AI管理中心 (`dsh-strata-ai-center`) — DeepSeek Harness 本地 Strata 引擎管理插件

专为 DeepSeek Harness (DSH) 打造的本地 Strata (Niko1221/Strata) 引擎管理面板。安装后在 DSH 左侧导航栏 「记忆系统」 正下方出现 「AI管理中心」，提供 「监控 (Monitor)」、「模型与参数 (Models)」 与 「升级 (Update)」 三个页面。v2.0 起所有路径、命令、端点与字段均与本机实际安装的 Strata 对应（terminal 0.1.49.2 / engine 0.1.48 / Windows），v2.1 新增基于 strata update 的组件升级与回滚。

与本机安装的对应关系

下表是开发机（自定义安装到 D:\Strata）的示例；其他机器上插件会自动探测 Strata 安装位置（STRATA_* 环境变量 > D:\Strata\terminal\current > %LOCALAPPDATA%\Strata\terminal\current（Windows 一键安装） > ~/.local/share/strata/terminal/current（Linux/macOS）），探测结果可在「模型与参数 → 安装路径」中手动修正。

运行配置文件（strata-<model>.json）的发现与 Strata 自身（strata_control/discovery.py）同一套规则，按顺序扫描多个目录、取先命中者，并在面板中列出全部命中目录：面板设置的目录 > STRATA_INSTALL_DIR > STRATA_DATA_DIR\install > 终端自身目录 > %APPDATA%\Strata\settings.json（或 ~/.config/strata/settings.json）记住的 installs > 桌面应用共享的 <components>\..\install 及其 app-settings.json 记住的目录；回收站/Trash 中的目录被忽略，*.shared-settings.json 不算运行配置。保存参数时写回该文件实际所在的目录。

「本机安装路径」的字段回填（v2.4）：每次请求都按实际磁盘解析——保存值存在则沿用，无效时自动发现并回填（CLI/终端目录按常见安装位置探测、安装根目录由终端位置推导、组件目录按 STRATA_COMPONENTS_DIR > <root>\components > %LOCALAPPDATA%\Strata\components、数据目录按 Strata 设置文件的 data_dir（后改者胜）> Documents\Strata 含模型 > 安装根旁默认、首选配置目录取第一个实际含配置的目录）。面板中每个字段标注来源（已保存/环境变量/自动探测/设置文件/未找到），保存参数后回填值即固化。

项目	开发机示例值
strata CLI	`D:\Strata\terminal\current\bin\strata.cmd`（→ `0.1.49.2`）
自带 Python	`D:\Strata\terminal\current\python\python.exe`
服务入口	`D:\Strata\terminal\current\serve\server.py`
运行配置	`D:\Strata\strata-<model>.json`（当前生效：`strata-iq3_s.json`）
引擎组件	`D:\Strata\components\engine\0.1.48-windows-x86_64-cuda-cuda13`
模型数据	`D:\Strata-Models`（`packs/`、`models/`、`mtp/`）
launch 预设	`%APPDATA%\Strata\launch-presets`（已有 `IQ3_S 128K`）
运行实例状态	`%LOCALAPPDATA%\Strata\launch\`（`*.engine.log` 等真实日志）
引擎服务	`http://127.0.0.1:8080`（`/health`、`/v1/status`、`/v1/telemetry`、`/metrics`、`/v1/chat/completions`、`/v1/messages`、`/v1/responses`、`/config`、`/unload`、`/load`）
启动方式	`strata launch --model iq3_s --context 128k --kv int8 --vision cpu --mtp on --access local --port 8080 --yes --no-tui --set kv-resident=65536 --set vram-reserve-mib=1280`

功能

监控页（数据全部来自真实端点）

速度：解码 tokens/s 与预填充 tokens/s（/v1/status 的 last_timings，或 /metrics 的 live/rates），MTP 接受率（draft_n_accepted / draft_n）。
显卡：/v1/telemetry 的 devices（显存、负载、温度、功耗），后备 nvidia-smi；引擎可用显存余量来自 /metrics 的 vram_free_mib。
内存 / CPU：/v1/telemetry 的 ram，后备系统读数。
专家缓存：/metrics 的 expert_slots（对照模型专家总量 24,576 = 48 层 × 512，setup.py UMA_EXPERTS）、expert_cache_mib、KV 格式与常驻量。
四级分层：显存专家缓存 / 系统内存专家池 / CPU+PCIe（pool_workers、pcie_frac、--spec）/ SSD N-gram 表，数字均取自 /metrics。
基准测试：向 /v1/chat/completions 发送真实 64-token 请求，直接读响应中的 timings。
日志：尾部读取 %LOCALAPPDATA%\Strata\launch\*.engine.log 与插件启动输出。

模型页

模型目录：内嵌本机 terminal 0.1.49.2 setup.py 模型表（Qwen3.8-Flash-Next Q2_0/IQ2_XS/IQ3_XXS/IQ3_S、Swift 1.5、Coder IQ1_M、Unsloth UD-IQ4_XS~Q8_0、Gyro-S/M、NVFP4、Qwen3.6-35B-A3B、DeepSeek-V4.1-Flash），含真实下载体积、内存需求与 installed 标记（扫描 strata-<id>.json）。
本机容量评估：移植 setup.py 的 fitOn 规则（DENSE 5 GB / 系统预留 10 GB），按实时 RAM/显存计算 vramUseGb / ramUseGb / spillGb 与 KV 估算（13 层 × {fp16:2112, int8:1056, q4_0:576, k8v4:816} B/token）。
引擎参数（映射到 strata launch 真实旗标）：--context（8K~512K）、--kv（int8/q4_0/k8v4/fp16）、--vision（on/cpu/gpu/off）、--mtp、--parallel、--access、--port、--api-key、--set kv-resident、--set vram-reserve-mib。
服务默认值（serve/runconfig.py 可编辑键）：sampling.temperature/top_p/top_k/min_p、presence_penalty、reasoning_effort、reasoning_budget_tokens、api_monitor、idle_unload_s、fit_max_tokens（截短超长 max_tokens，默认开）、engine_silence_s（引擎静默超时，默认 300 秒，0=一直等待）。
表单真值来源（v2.1.1）：参数表单的初始值回读自 D:\Strata\strata-<model>.json（引擎旗标以 args 为准，顶层镜像字段仅作后备），不再使用可能过时的插件快照；引擎在线时同时读取运行实例的 /config 视图，配置文件与运行中实例不一致的键会在表单上方显示黄色差异提示（如 KV 格式配置 k8v4 / 运行 int8），重启模型后生效配置文件的值。
保存：离线时按 runconfig 规则直接写 D:\Strata\strata-<model>.json（备份 .bak、参数镜像同步 args/args_written）；在线时同时 POST /config 由服务器校验并写入运行实例的配置。

启停控制

启动/重启：调用 strata launch ... --yes --no-tui（引擎在线时自动追加 --restart），环境变量与 launch-iq3s-128k.ps1 一致（STRATA_INSTALL_DIR / STRATA_COMPONENTS_DIR / STRATA_DATA_DIR / 代理 / HF 镜像）；CLI 缺失时回退到 python serve/server.py --engine strata --config strata-<model>.json（同 run-iq3_s.bat）。
停止服务：strata launch --stop（停止 launch 启动的服务并释放显存）。
卸载显存：POST /unload（JSON 体，请求间隙立即归还显存；auto_load 会在下次请求时重新加载）。
Web 控制台：打开引擎内置页面 http://127.0.0.1:8080/。

升级页（v2.1 新增，`strata update` / `strata components rollback`）

当前组件：终端/Control 版本、active 引擎目录、components/.updates/state.json 里的 previous 版本、记住的更新源与升级历史。
检查更新：strata update --check --output json --feed <官方源>（只读）。注意组件目录记住的更新源可能是本地离线源（离线安装时留下，会永远显示"已最新"），因此默认显式使用 GitHub 官方签名源；需要代理的环境在「安装路径」卡片勾选代理后检查/升级走代理，也可把源改成本地目录做离线安装。报告含引擎/Control/桌面应用三部分与 serving 提示。
执行升级：先 strata launch --stop 停止服务，再后台运行 strata update --output jsonl [--force]（下载签名包 → 校验哈希/签名 → 测试启动成功才切换；旧版本保留）。进度写入 %TEMP%\dsh-strata-ai-center-update.log，页面每 3 秒轮询展示日志尾部与最终结果。
回滚：strata components rollback（仅当上次升级保留了 previous 时可用）。

目录结构

dsh-strata-ai-center/
├── package.json          # DSH Bundle 与 Web Client 插件清单
├── cordis.patch.yml      # Cordis 挂载补丁（本机 Strata 路径）
├── install-plugin.ps1    # Windows 一键安装/修复脚本 (UTF-8 无 BOM)
├── README.md
└── lib/
    ├── index.js          # Host 端 (Node ESM)：HTTP 路由、真实端点聚合、strata launch 启停、runconfig 写入
    └── client.js         # Client 端 (__ModuleLoader__ 闭包工厂)：左侧栏入口与监控/模型双页面

安装（任选其一）

前置条件：本机已安装 Strata（strata launch 可用）与 DeepSeek Harness。

方式一：从 GitHub 安装（推荐）

dsh plugin --profile desktop add https://github.com/<你的用户名>/dsh-strata-ai-center.git

也可以在 DSH 界面「插件 → 添加插件」中粘贴仓库地址。更新到最新版：

dsh plugin --profile desktop update dsh-strata-ai-center

方式二：从 npm 安装（发布后即进入 DSH 插件市场的可搜索范围）

dsh plugin --profile desktop add dsh-strata-ai-center

方式三：本地安装

dsh plugin --profile desktop add <本插件目录>
# 或在解压后的目录中执行一键挂载脚本：
powershell -ExecutionPolicy Bypass -File .\install-plugin.ps1

安装后重启 DeepSeek Harness.exe，在左侧栏「记忆系统」下方出现「AI管理中心」。首次打开请在「模型与参数 → 安装路径」核对自动探测的路径（strata.cmd / 运行配置目录等），不对时直接改。

面板状态保存在 ~/.dsh/strata-ai-center/settings.json（每台机器各自独立）；需要外网代理下载模型/组件的环境，可在「安装路径」卡片勾选代理与 HF 镜像。

AI管理中心 (`dsh-strata-ai-center`) — DeepSeek Harness 本地 Strata 引擎管理插件

与本机安装的对应关系

项目	开发机示例值
strata CLI	`D:\Strata\terminal\current\bin\strata.cmd`（→ `0.1.49.2`）
自带 Python	`D:\Strata\terminal\current\python\python.exe`
服务入口	`D:\Strata\terminal\current\serve\server.py`
运行配置	`D:\Strata\strata-<model>.json`（当前生效：`strata-iq3_s.json`）
引擎组件	`D:\Strata\components\engine\0.1.48-windows-x86_64-cuda-cuda13`
模型数据	`D:\Strata-Models`（`packs/`、`models/`、`mtp/`）
launch 预设	`%APPDATA%\Strata\launch-presets`（已有 `IQ3_S 128K`）
运行实例状态	`%LOCALAPPDATA%\Strata\launch\`（`*.engine.log` 等真实日志）
引擎服务	`http://127.0.0.1:8080`（`/health`、`/v1/status`、`/v1/telemetry`、`/metrics`、`/v1/chat/completions`、`/v1/messages`、`/v1/responses`、`/config`、`/unload`、`/load`）
启动方式	`strata launch --model iq3_s --context 128k --kv int8 --vision cpu --mtp on --access local --port 8080 --yes --no-tui --set kv-resident=65536 --set vram-reserve-mib=1280`

功能

监控页（数据全部来自真实端点）

速度：解码 tokens/s 与预填充 tokens/s（/v1/status 的 last_timings，或 /metrics 的 live/rates），MTP 接受率（draft_n_accepted / draft_n）。
显卡：/v1/telemetry 的 devices（显存、负载、温度、功耗），后备 nvidia-smi；引擎可用显存余量来自 /metrics 的 vram_free_mib。
内存 / CPU：/v1/telemetry 的 ram，后备系统读数。
专家缓存：/metrics 的 expert_slots（对照模型专家总量 24,576 = 48 层 × 512，setup.py UMA_EXPERTS）、expert_cache_mib、KV 格式与常驻量。
四级分层：显存专家缓存 / 系统内存专家池 / CPU+PCIe（pool_workers、pcie_frac、--spec）/ SSD N-gram 表，数字均取自 /metrics。
基准测试：向 /v1/chat/completions 发送真实 64-token 请求，直接读响应中的 timings。
日志：尾部读取 %LOCALAPPDATA%\Strata\launch\*.engine.log 与插件启动输出。

模型页

模型目录：内嵌本机 terminal 0.1.49.2 setup.py 模型表（Qwen3.8-Flash-Next Q2_0/IQ2_XS/IQ3_XXS/IQ3_S、Swift 1.5、Coder IQ1_M、Unsloth UD-IQ4_XS~Q8_0、Gyro-S/M、NVFP4、Qwen3.6-35B-A3B、DeepSeek-V4.1-Flash），含真实下载体积、内存需求与 installed 标记（扫描 strata-<id>.json）。
本机容量评估：移植 setup.py 的 fitOn 规则（DENSE 5 GB / 系统预留 10 GB），按实时 RAM/显存计算 vramUseGb / ramUseGb / spillGb 与 KV 估算（13 层 × {fp16:2112, int8:1056, q4_0:576, k8v4:816} B/token）。
引擎参数（映射到 strata launch 真实旗标）：--context（8K~512K）、--kv（int8/q4_0/k8v4/fp16）、--vision（on/cpu/gpu/off）、--mtp、--parallel、--access、--port、--api-key、--set kv-resident、--set vram-reserve-mib。
服务默认值（serve/runconfig.py 可编辑键）：sampling.temperature/top_p/top_k/min_p、presence_penalty、reasoning_effort、reasoning_budget_tokens、api_monitor、idle_unload_s、fit_max_tokens（截短超长 max_tokens，默认开）、engine_silence_s（引擎静默超时，默认 300 秒，0=一直等待）。
表单真值来源（v2.1.1）：参数表单的初始值回读自 D:\Strata\strata-<model>.json（引擎旗标以 args 为准，顶层镜像字段仅作后备），不再使用可能过时的插件快照；引擎在线时同时读取运行实例的 /config 视图，配置文件与运行中实例不一致的键会在表单上方显示黄色差异提示（如 KV 格式配置 k8v4 / 运行 int8），重启模型后生效配置文件的值。
保存：离线时按 runconfig 规则直接写 D:\Strata\strata-<model>.json（备份 .bak、参数镜像同步 args/args_written）；在线时同时 POST /config 由服务器校验并写入运行实例的配置。

启停控制

启动/重启：调用 strata launch ... --yes --no-tui（引擎在线时自动追加 --restart），环境变量与 launch-iq3s-128k.ps1 一致（STRATA_INSTALL_DIR / STRATA_COMPONENTS_DIR / STRATA_DATA_DIR / 代理 / HF 镜像）；CLI 缺失时回退到 python serve/server.py --engine strata --config strata-<model>.json（同 run-iq3_s.bat）。
停止服务：strata launch --stop（停止 launch 启动的服务并释放显存）。
卸载显存：POST /unload（JSON 体，请求间隙立即归还显存；auto_load 会在下次请求时重新加载）。
Web 控制台：打开引擎内置页面 http://127.0.0.1:8080/。

升级页（v2.1 新增，`strata update` / `strata components rollback`）

当前组件：终端/Control 版本、active 引擎目录、components/.updates/state.json 里的 previous 版本、记住的更新源与升级历史。
检查更新：strata update --check --output json --feed <官方源>（只读）。注意组件目录记住的更新源可能是本地离线源（离线安装时留下，会永远显示"已最新"），因此默认显式使用 GitHub 官方签名源；需要代理的环境在「安装路径」卡片勾选代理后检查/升级走代理，也可把源改成本地目录做离线安装。报告含引擎/Control/桌面应用三部分与 serving 提示。
执行升级：先 strata launch --stop 停止服务，再后台运行 strata update --output jsonl [--force]（下载签名包 → 校验哈希/签名 → 测试启动成功才切换；旧版本保留）。进度写入 %TEMP%\dsh-strata-ai-center-update.log，页面每 3 秒轮询展示日志尾部与最终结果。
回滚：strata components rollback（仅当上次升级保留了 previous 时可用）。

目录结构

dsh-strata-ai-center/
├── package.json          # DSH Bundle 与 Web Client 插件清单
├── cordis.patch.yml      # Cordis 挂载补丁（本机 Strata 路径）
├── install-plugin.ps1    # Windows 一键安装/修复脚本 (UTF-8 无 BOM)
├── README.md
└── lib/
    ├── index.js          # Host 端 (Node ESM)：HTTP 路由、真实端点聚合、strata launch 启停、runconfig 写入
    └── client.js         # Client 端 (__ModuleLoader__ 闭包工厂)：左侧栏入口与监控/模型双页面

安装（任选其一）

前置条件：本机已安装 Strata（strata launch 可用）与 DeepSeek Harness。

方式一：从 GitHub 安装（推荐）

dsh plugin --profile desktop add https://github.com/<你的用户名>/dsh-strata-ai-center.git

也可以在 DSH 界面「插件 → 添加插件」中粘贴仓库地址。更新到最新版：

dsh plugin --profile desktop update dsh-strata-ai-center

方式二：从 npm 安装（发布后即进入 DSH 插件市场的可搜索范围）

dsh plugin --profile desktop add dsh-strata-ai-center

方式三：本地安装

dsh plugin --profile desktop add <本插件目录>
# 或在解压后的目录中执行一键挂载脚本：
powershell -ExecutionPolicy Bypass -File .\install-plugin.ps1

面板状态保存在 ~/.dsh/strata-ai-center/settings.json（每台机器各自独立）；需要外网代理下载模型/组件的环境，可在「安装路径」卡片勾选代理与 HF 镜像。

newgacker/dsh-strata-ai-center

AI管理中心 (`dsh-strata-ai-center`) — DeepSeek Harness 本地 Strata 引擎管理插件

与本机安装的对应关系

功能

监控页（数据全部来自真实端点）

模型页

启停控制

升级页（v2.1 新增，`strata update` / `strata components rollback`）

目录结构

安装（任选其一）

方式一：从 GitHub 安装（推荐）

方式二：从 npm 安装（发布后即进入 DSH 插件市场的可搜索范围）

方式三：本地安装

Community comments

newgacker/dsh-strata-ai-center

AI管理中心 (`dsh-strata-ai-center`) — DeepSeek Harness 本地 Strata 引擎管理插件

与本机安装的对应关系

功能

监控页（数据全部来自真实端点）

模型页

启停控制

升级页（v2.1 新增，`strata update` / `strata components rollback`）

目录结构

安装（任选其一）

方式一：从 GitHub 安装（推荐）

方式二：从 npm 安装（发布后即进入 DSH 插件市场的可搜索范围）

方式三：本地安装

Community comments

newgacker/dsh-strata-ai-center

AI管理中心 (dsh-strata-ai-center) — DeepSeek Harness 本地 Strata 引擎管理插件

与本机安装的对应关系

功能

监控页（数据全部来自真实端点）

模型页

启停控制

升级页（v2.1 新增，strata update / strata components rollback）

目录结构

安装（任选其一）

方式一：从 GitHub 安装（推荐）

方式二：从 npm 安装（发布后即进入 DSH 插件市场的可搜索范围）

方式三：本地安装

Community comments

newgacker/dsh-strata-ai-center

AI管理中心 (dsh-strata-ai-center) — DeepSeek Harness 本地 Strata 引擎管理插件

与本机安装的对应关系

功能

监控页（数据全部来自真实端点）

模型页

启停控制

升级页（v2.1 新增，strata update / strata components rollback）

目录结构

安装（任选其一）

方式一：从 GitHub 安装（推荐）

方式二：从 npm 安装（发布后即进入 DSH 插件市场的可搜索范围）

方式三：本地安装

Community comments

AI管理中心 (`dsh-strata-ai-center`) — DeepSeek Harness 本地 Strata 引擎管理插件

升级页（v2.1 新增，`strata update` / `strata components rollback`）

AI管理中心 (`dsh-strata-ai-center`) — DeepSeek Harness 本地 Strata 引擎管理插件

升级页（v2.1 新增，`strata update` / `strata components rollback`）