前言¶
用智能體做基因組、生信或健康方向的分析，常見卡點不在「會不會寫腳本」，而在過程能不能留下痕跡。一輪對話裏提出假設、改參數、跑比對、出一張表，會話一結束，假設改過幾次、結果對應哪條命令、環境是不是當時那套，往往只剩聊天記錄。下一次換會話、換機器，復現就變成對照記憶。
DeepSeek Harness（dsh）的設計口號是「一切皆插件」：模型、工具、技能、會話都可以拆成可替換的插件。社區目錄 DeepSeek Harness 插件庫 是獨立站點，和 DeepSeek / 幻方沒有官方從屬關係，用來檢索第三方擴展。dsh-science 就是其中一款技能類插件，把 Claude Science 那套「研究循環 + 版本化工件」接到 dsh 上。
本文按插件目錄頁、GitHub 倉庫 README / package.json / 技能原文，以及 npm 上的 dsh-science@0.1.1 交叉覈對後整理：它是什麼、裝哪條命令、第一次會話怎麼跑。
這是什麼¶
dsh-science 是面向 DeepSeek Harness 的科研工作臺插件，GitHub 倉庫爲 biociao/dsh-science，維護者是 biociao，許可證 MIT。目錄頁把它歸在「技能」分類；npm 當前版本是 0.1.1，要求 Node.js ≥ 18。截至 2026 年 8 月 17 日，GitHub 顯示 15 顆星（目錄頁當時記錄爲 10，以倉庫頁面爲準）。
它要解決的是：讓智能體按固定協議推進研究，而不是隻在對話裏「想到哪做到哪」。倉庫 README 的定位可以壓成三塊：
research_*工具驅動 ReAct 研究循環，狀態寫在research-manifest.jsonartifact_*工具管理帶來源追溯的版本化產物- 內置 10 個科學技能，覆蓋項目初始化、文獻、生信工具鏈、conda 環境、數據清單和論文起草
兩個引擎（研究循環、工件登記）只使用 Node 內置模塊，註冊爲普通 Cordis 工具。安裝形態有兩種：profile bundle（一條 dsh plugin add，該 profile 上所有 agent 都能用工具），或 agent preset「科學模式」（帶科研人格，按 agent 隔離）。
核心功能¶
ReAct 研究循環¶
研究狀態持久化在項目根的 research-manifest.json，循環步驟是：提問 → 假設 → 實驗 → 觀察 → 分析 → 結論 → 下一問題。對應工具如下：
| 工具 | 作用 |
|---|---|
research_init |
創建清單和項目骨架 |
research_state |
讀取當前循環狀態（跨會話持續） |
research_hypothesis |
登記可證僞假設（H1、H2…） |
research_experiment |
登記實驗（E01…），生成 experiments/<id>/{design.md,log.md,code/,results/} |
research_findings |
寫入發現、更新假設狀態、推進下一問 |
research_phase |
推進階段：literature → hypothesis → experiment → analysis → manuscript → concluded |
research_review |
歸檔評審報告到 reviews/R0n/report.md |
research_report |
輸出結構化研究報告 |
research_init 會搭出一套目錄約定：experiments/、literature/、artifacts/、analyses/、figures/、manuscript/、reviews/、data/、envs/。原始數據放 data/，默認不進 git；環境導出放 envs/。
假設本身也有狀態機：proposed → testing → supported / refuted / inconclusive。階段默認只前進，回退需要配置允許。research-loop 技能要求：每輪迭代結束必須調用一次 research_findings（即使結論是 inconclusive）；先寫 design.md 再寫代碼；觀察步驟只記現象，不下結論。
版本化工件與溯源¶
值得引用或復現的結果，用 artifact_save 存成 artifacts/<name>/v<n>/，並附每文件 SHA-256、artifact.json（命令、輸入、環境、envFile）和追加寫入的 provenance.md。配套工具：
artifact_list/artifact_show：列出、查看某個版本artifact_diff/artifact_verify：對比版本、校驗哈希artifact_deprecate：標記廢棄artifact_reproduce：按溯源記錄復現
v0.1.1 還把清單和工件索引打通：research_state 會合並工件索引，artifact_save 會回寫清單裏的 artifacts[]。大文件用流式 SHA-256；內容相同可用硬鏈接去重。論文或報告裏引用數據時，README 建議寫成 artifact <name> v<n>，例如 variant-table v3。
十個科學技能¶
技能可以從項目 .dsh/skills/ 自動發現，也可以用倉庫腳本裝到 ~/.dsh/skills（尊重 $DSH_HOME）。GitHub skills/ 目錄與 README 列出的 10 個名稱一致：
- research-loop：執行上述 ReAct 循環，配合
research_*維護清單 - science-project-setup：目錄約定、權限邊界、初始化
research-manifest.json - artifact-provenance：何時歸檔、溯源要記什麼、如何按哈希復現
- scientific-reviewer：用只讀子代理對照實驗日誌和工件覈查論斷，不重跑分析
- literature-connector：檢索、筆記、
literature/references.bib引用紀律 - parallel-delegation：把相互獨立的任務拆成並行子代理軌道，再合併
- manuscript-writing：從工件和執行記錄起草方法、結果、圖表和引用
- bioinformatics-toolkit：常見生信任務的工具鏈約定（質檢、比對、變異、組裝、系統發育等）和目錄組織
- conda-environments：用 conda/mamba 固定版本，導出 yaml/lock 到
envs/ - data-inventory：登記數據來源、下載命令、校驗值和授權邊界
這些技能是工作協議，不是把外部生信軟件封裝進 dsh。真正跑比對、變異調用，仍然走你本機或 conda 環境裏的命令行工具；插件負責把假設、實驗、產物和評審串起來。
v0.1.1 的加固點¶
npm 與 package.json 都標明當前版本 0.1.1。README 寫明相對 0.1.0 的改動包括：manifest / 工件寫入走文件鎖（O_EXCL + 過期回收）和 tmp+rename 原子寫，避免並行子代理互相覆蓋；錯誤改爲結構化碼（ERR_NOT_INIT、ERR_NOT_FOUND、ERR_VALIDATION、ERR_PATH、ERR_QUOTA、ERR_LOCK_TIMEOUT、ERR_IO）；清單 schema 在加載時做 v1→v2 遷移；research_report、artifact_diff、artifact_verify 輸出結構化 JSON，並寫審計日誌。
倉庫還提供驗證腳本：node scripts/smoke-test.mjs（引擎與端到端循環）、node scripts/stability-test.mjs（併發與鎖）、bash test/verify-bundle.sh（隔離 profile 安裝啓動）。測試腳本只寫臨時工作區。
安裝與啓用¶
目錄頁給出的安裝命令如下，在 DeepSeek Harness 終端裏運行：
dsh plugin add github:biociao/dsh-science
需要可復現安裝時，按目錄頁說明固定 commit 哈希：
dsh plugin add github:biociao/dsh-science#<commit>
把 <commit> 換成倉庫裏實際的提交哈希。目錄頁同時提醒：插件以當前 dsh 進程的權限運行，安裝時可能執行代碼，裝之前應檢查源碼和許可證。
倉庫 README 還寫了指定 web profile、以及從 npm 安裝的寫法（包名同樣是 dsh-science）：
dsh plugin --profile web add dsh-science
# 或直接從 GitHub：
dsh plugin --profile web add "github:biociao/dsh-science"
bundle 會把兩個引擎插入 profile 層棧。裝完後重啓該 profile，或刷新 Web GUI，research_* / artifact_* 纔會出現。
如果要完整「科學模式」（科研人格 + 按 agent 作用域），用 preset 安裝：
git clone https://github.com/biociao/dsh-science ~/.dsh/.agent-presets/science
# 本地檢出後也可以：
bash scripts/install.sh # 複製；或 bash scripts/install.sh link
然後在 DSH Web 新建會話，選擇 科學模式 preset。README 說明：bundle 裏的 persona 行默認註釋掉，因爲 profile 級人格會作用到該 profile 的全部 agent；只想給某一個會話加人格時，走 preset。
10 個技能需要另外放到技能搜索路徑：
bash scripts/install-skills.sh # 安裝到 ~/.dsh/skills
也可以把倉庫的 skills/ 拷進項目 .dsh/skills/。只裝 bundle、不裝技能時，工具仍可用，但智能體不會自動按那套科研協議行事。
典型用法¶
下面流程來自 README「快速開始」和 research-loop 技能，不是虛構案例。
- 在科研項目工作區打開會話，調用
research_init，填標題、領域和核心問題。此時會生成research-manifest.json和目錄骨架。 - 之後每個會話先
research_state，確認當前階段、迭代輪次和未完成假設。 - 用
research_hypothesis登記 H1、H2；假設要可檢驗、有預期方向。 research_experiment創建 E01，先寫design.md（目的、步驟、預期），再把代碼放到experiments/E01/code/，結果放到results/，命令和參數寫入log.md。- 對照設計記錄觀察，再
research_findings：結論只能是 supported / refuted / inconclusive 之一，並給出nextQuestion。 - 表格、圖、需要引用的數字立刻
artifact_save，帶上產生該結果的完整命令、輸入路徑和環境 lock 文件。 - 準備寫進報告的論斷，按
scientific-reviewer交給只讀子代理，對照日誌和工件覈查，再用research_review歸檔。
一個會話內的最短節奏可以寫成：
research_state
research_hypothesis
research_experiment
（寫代碼 → 運行 → 記 log.md）
research_findings
research_phase
artifact_save
bundle 與 preset 的取捨也以 README 爲準：只想讓該 profile 上所有 agent 都能調用工具，用 bundle；要科研人格和按會話隔離，用「科學模式」preset。
適用場景與注意事項¶
適合已經在用 DeepSeek Harness，並且需要把分析過程落盤的人：基因組 / 生信項目、需要跨會話接着做的假設檢驗、以及準備把數字寫進報告或論文的工作。它不替代具體分析軟件，也不保證結論正確——scientific-reviewer 只降低「論斷和執行記錄對不上」這一類錯誤，技能原文寫明：論文定稿前人工終審不可省。
使用前注意這幾件事：
- 權限：插件以當前 dsh 進程權限運行。目錄頁和官方插件安裝說明都要求先看源碼與許可證；不信任就不要裝進生產工作區。
- 許可證：MIT，可查看、修改、再分發；版權頁登記爲 2026 fangchao。
- 運行時：Node.js ≥ 18；bundle 用子路徑導出
dsh-science/engines/*.mjs，README 寫明這是在 dsh0.1.0-rc.6上驗證過的解析方式。dsh 仍處於開發者預覽，核心 API 可能繼續變。 - 數據邊界：
data-inventory要求人類樣本和臨牀數據遵守授權，不寫入公開倉庫、不向模型以外的服務上傳；不確定授權時按最嚴處理。 - 不是官方應用商店：插件來自社區倉庫，目錄站點只做收錄。安裝命令以目錄頁原文爲準，不要自己拼接 owner/repo。
- 安全審查：本文只介紹工作臺如何組織研究記錄，不涉及具體病原體實驗操作。涉及受監管數據或高風險實驗時，按所在機構的倫理和生物安全規定執行。
小結¶
dsh-science 把研究循環狀態機和帶來源的版本化工件接到 DeepSeek Harness 上：假設、實驗、發現寫進 research-manifest.json，結果按版本存進 artifacts/，再配 10 個技能約束文獻、環境、數據和評審。當前發佈版本是 npm 上的 0.1.1，源碼在 GitHub，許可證 MIT。
目錄頁：https://deepseek-harness-plugin.com/zh-CN/plugins/dsh-science/
GitHub：https://github.com/biociao/dsh-science
