用 dsh-science 给 DeepSeek Harness 装上可溯源的科研工作台

DeepSeek Harness 插件 DeepSeek DSH 技能插件 科研工作台 可复现性 2026-08-17 150 阅读

前言

用智能体做基因组、生信或健康方向的分析，常见卡点不在「会不会写脚本」，而在过程能不能留下痕迹。一轮对话里提出假设、改参数、跑比对、出一张表，会话一结束，假设改过几次、结果对应哪条命令、环境是不是当时那套，往往只剩聊天记录。下一次换会话、换机器，复现就变成对照记忆。

DeepSeek Harness（dsh）的设计口号是「一切皆插件」：模型、工具、技能、会话都可以拆成可替换的插件。社区目录 DeepSeek Harness 插件库 是独立站点，和 DeepSeek / 幻方没有官方从属关系，用来检索第三方扩展。dsh-science 就是其中一款技能类插件，把 Claude Science 那套「研究循环 + 版本化工件」接到 dsh 上。

本文按插件目录页、GitHub 仓库 README / package.json / 技能原文，以及 npm 上的 dsh-science@0.1.1 交叉核对后整理：它是什么、装哪条命令、第一次会话怎么跑。

这是什么

dsh-science 是面向 DeepSeek Harness 的科研工作台插件，GitHub 仓库为 biociao/dsh-science，维护者是 biociao，许可证 MIT。目录页把它归在「技能」分类；npm 当前版本是 0.1.1，要求 Node.js ≥ 18。截至 2026 年 8 月 17 日，GitHub 显示 15 颗星（目录页当时记录为 10，以仓库页面为准）。

它要解决的是：让智能体按固定协议推进研究，而不是只在对话里「想到哪做到哪」。仓库 README 的定位可以压成三块：

  • research_* 工具驱动 ReAct 研究循环，状态写在 research-manifest.json
  • artifact_* 工具管理带来源追溯的版本化产物
  • 内置 10 个科学技能，覆盖项目初始化、文献、生信工具链、conda 环境、数据清单和论文起草

两个引擎（研究循环、工件登记）只使用 Node 内置模块，注册为普通 Cordis 工具。安装形态有两种：profile bundle（一条 dsh plugin add，该 profile 上所有 agent 都能用工具），或 agent preset「科学模式」（带科研人格，按 agent 隔离）。

核心功能

ReAct 研究循环

研究状态持久化在项目根的 research-manifest.json，循环步骤是：提问 → 假设 → 实验 → 观察 → 分析 → 结论 → 下一问题。对应工具如下：

工具 作用
research_init 创建清单和项目骨架
research_state 读取当前循环状态（跨会话持续）
research_hypothesis 登记可证伪假设（H1、H2…）
research_experiment 登记实验（E01…），生成 experiments/<id>/{design.md,log.md,code/,results/}
research_findings 写入发现、更新假设状态、推进下一问
research_phase 推进阶段：literature → hypothesis → experiment → analysis → manuscript → concluded
research_review 归档评审报告到 reviews/R0n/report.md
research_report 输出结构化研究报告

research_init 会搭出一套目录约定：experiments/、literature/、artifacts/、analyses/、figures/、manuscript/、reviews/、data/、envs/。原始数据放 data/，默认不进 git；环境导出放 envs/。

假设本身也有状态机：proposed → testing → supported / refuted / inconclusive。阶段默认只前进，回退需要配置允许。research-loop 技能要求：每轮迭代结束必须调用一次 research_findings（即使结论是 inconclusive）；先写 design.md 再写代码；观察步骤只记现象，不下结论。

版本化工件与溯源

值得引用或复现的结果，用 artifact_save 存成 artifacts/<name>/v<n>/，并附每文件 SHA-256、artifact.json（命令、输入、环境、envFile）和追加写入的 provenance.md。配套工具：

  • artifact_list / artifact_show：列出、查看某个版本
  • artifact_diff / artifact_verify：对比版本、校验哈希
  • artifact_deprecate：标记废弃
  • artifact_reproduce：按溯源记录复现

v0.1.1 还把清单和工件索引打通：research_state 会合并工件索引，artifact_save 会回写清单里的 artifacts[]。大文件用流式 SHA-256；内容相同可用硬链接去重。论文或报告里引用数据时，README 建议写成 artifact <name> v<n>，例如 variant-table v3。

十个科学技能

技能可以从项目 .dsh/skills/ 自动发现，也可以用仓库脚本装到 ~/.dsh/skills（尊重 $DSH_HOME）。GitHub skills/ 目录与 README 列出的 10 个名称一致：

  1. research-loop：执行上述 ReAct 循环，配合 research_* 维护清单
  2. science-project-setup：目录约定、权限边界、初始化 research-manifest.json
  3. artifact-provenance：何时归档、溯源要记什么、如何按哈希复现
  4. scientific-reviewer：用只读子代理对照实验日志和工件核查论断，不重跑分析
  5. literature-connector：检索、笔记、literature/references.bib 引用纪律
  6. parallel-delegation：把相互独立的任务拆成并行子代理轨道，再合并
  7. manuscript-writing：从工件和执行记录起草方法、结果、图表和引用
  8. bioinformatics-toolkit：常见生信任务的工具链约定（质检、比对、变异、组装、系统发育等）和目录组织
  9. conda-environments：用 conda/mamba 固定版本，导出 yaml/lock 到 envs/
  10. data-inventory：登记数据来源、下载命令、校验值和授权边界

这些技能是工作协议，不是把外部生信软件封装进 dsh。真正跑比对、变异调用，仍然走你本机或 conda 环境里的命令行工具；插件负责把假设、实验、产物和评审串起来。

v0.1.1 的加固点

npm 与 package.json 都标明当前版本 0.1.1。README 写明相对 0.1.0 的改动包括：manifest / 工件写入走文件锁（O_EXCL + 过期回收）和 tmp+rename 原子写，避免并行子代理互相覆盖；错误改为结构化码（ERR_NOT_INIT、ERR_NOT_FOUND、ERR_VALIDATION、ERR_PATH、ERR_QUOTA、ERR_LOCK_TIMEOUT、ERR_IO）；清单 schema 在加载时做 v1→v2 迁移；research_report、artifact_diff、artifact_verify 输出结构化 JSON，并写审计日志。

仓库还提供验证脚本：node scripts/smoke-test.mjs（引擎与端到端循环）、node scripts/stability-test.mjs（并发与锁）、bash test/verify-bundle.sh（隔离 profile 安装启动）。测试脚本只写临时工作区。

安装与启用

目录页给出的安装命令如下，在 DeepSeek Harness 终端里运行：

dsh plugin add github:biociao/dsh-science

需要可复现安装时，按目录页说明固定 commit 哈希：

dsh plugin add github:biociao/dsh-science#<commit>

把 <commit> 换成仓库里实际的提交哈希。目录页同时提醒：插件以当前 dsh 进程的权限运行，安装时可能执行代码，装之前应检查源码和许可证。

仓库 README 还写了指定 web profile、以及从 npm 安装的写法（包名同样是 dsh-science）：

dsh plugin --profile web add dsh-science
# 或直接从 GitHub：
dsh plugin --profile web add "github:biociao/dsh-science"

bundle 会把两个引擎插入 profile 层栈。装完后重启该 profile，或刷新 Web GUI，research_* / artifact_* 才会出现。

如果要完整「科学模式」（科研人格 + 按 agent 作用域），用 preset 安装：

git clone https://github.com/biociao/dsh-science ~/.dsh/.agent-presets/science
# 本地检出后也可以：
bash scripts/install.sh          # 复制；或 bash scripts/install.sh link

然后在 DSH Web 新建会话，选择 科学模式 preset。README 说明：bundle 里的 persona 行默认注释掉，因为 profile 级人格会作用到该 profile 的全部 agent；只想给某一个会话加人格时，走 preset。

10 个技能需要另外放到技能搜索路径：

bash scripts/install-skills.sh          # 安装到 ~/.dsh/skills

也可以把仓库的 skills/ 拷进项目 .dsh/skills/。只装 bundle、不装技能时，工具仍可用，但智能体不会自动按那套科研协议行事。

典型用法

下面流程来自 README「快速开始」和 research-loop 技能，不是虚构案例。

  1. 在科研项目工作区打开会话，调用 research_init，填标题、领域和核心问题。此时会生成 research-manifest.json 和目录骨架。
  2. 之后每个会话先 research_state，确认当前阶段、迭代轮次和未完成假设。
  3. 用 research_hypothesis 登记 H1、H2；假设要可检验、有预期方向。
  4. research_experiment 创建 E01，先写 design.md（目的、步骤、预期），再把代码放到 experiments/E01/code/，结果放到 results/，命令和参数写入 log.md。
  5. 对照设计记录观察，再 research_findings：结论只能是 supported / refuted / inconclusive 之一，并给出 nextQuestion。
  6. 表格、图、需要引用的数字立刻 artifact_save，带上产生该结果的完整命令、输入路径和环境 lock 文件。
  7. 准备写进报告的论断，按 scientific-reviewer 交给只读子代理，对照日志和工件核查，再用 research_review 归档。

一个会话内的最短节奏可以写成：

research_state
research_hypothesis
research_experiment
（写代码 → 运行 → 记 log.md）
research_findings
research_phase
artifact_save

bundle 与 preset 的取舍也以 README 为准：只想让该 profile 上所有 agent 都能调用工具，用 bundle；要科研人格和按会话隔离，用「科学模式」preset。

适用场景与注意事项

适合已经在用 DeepSeek Harness，并且需要把分析过程落盘的人：基因组 / 生信项目、需要跨会话接着做的假设检验、以及准备把数字写进报告或论文的工作。它不替代具体分析软件，也不保证结论正确——scientific-reviewer 只降低「论断和执行记录对不上」这一类错误，技能原文写明：论文定稿前人工终审不可省。

使用前注意这几件事：

  • 权限：插件以当前 dsh 进程权限运行。目录页和官方插件安装说明都要求先看源码与许可证；不信任就不要装进生产工作区。
  • 许可证：MIT，可查看、修改、再分发；版权页登记为 2026 fangchao。
  • 运行时：Node.js ≥ 18；bundle 用子路径导出 dsh-science/engines/*.mjs，README 写明这是在 dsh 0.1.0-rc.6 上验证过的解析方式。dsh 仍处于开发者预览，核心 API 可能继续变。
  • 数据边界：data-inventory 要求人类样本和临床数据遵守授权，不写入公开仓库、不向模型以外的服务上传；不确定授权时按最严处理。
  • 不是官方应用商店：插件来自社区仓库，目录站点只做收录。安装命令以目录页原文为准，不要自己拼接 owner/repo。
  • 安全审查：本文只介绍工作台如何组织研究记录，不涉及具体病原体实验操作。涉及受监管数据或高风险实验时，按所在机构的伦理和生物安全规定执行。

小结

dsh-science 把研究循环状态机和带来源的版本化工件接到 DeepSeek Harness 上：假设、实验、发现写进 research-manifest.json，结果按版本存进 artifacts/，再配 10 个技能约束文献、环境、数据和评审。当前发布版本是 npm 上的 0.1.1，源码在 GitHub，许可证 MIT。

目录页：https://deepseek-harness-plugin.com/zh-CN/plugins/dsh-science/

GitHub：https://github.com/biociao/dsh-science

相关文章

快速从零部署一个DeepSeek-R1服务 2025-04-05 使用 dsh-anchored-standard 为 DeepSeek Harness 配置两阶段 Agent 预设 2026-08-17 用 dsh-web-ui 把 DeepSeek Harness 网页界面补成工作台 2026-08-17 用 modlens 给 DeepSeek Harness 的纯文本模型补上视觉 2026-08-17 用 dsh-TUI 给 DeepSeek Harness 补上全屏终端界面 2026-08-17
羽毛球分组比赛记分
小程序二维码

欢迎使用《羽毛球分组比赛记分》微信小程序

小夜