前言¶
DeepSeek Harness（dsh）是 DeepSeek 開源的智能體運行時，官方倉庫把它概括成一句話：一切皆插件。模型適配、工具、會話、沙箱和網頁界面，都可以在配置層增刪，不必改核心源碼。項目目前仍是開發者預覽，接口會繼續變。社區裏已經出現獨立的插件目錄站點，把 GitHub 上帶 dsh-plugin 話題的倉庫集中展示；需要說明的是，這類目錄與 DeepSeek / 幻方沒有官方從屬關係，不能當成官方應用商店。
很多人已經能在本機用 dsh web 跑智能體，模型這一側通常走官方 DeepSeek API。另一條路是微信小程序「Coding Plan」提供的 Deepseek-v4-flash，入口在 chatapi.weixin.qq.com，協議表面上是 OpenAI 兼容。直接拿官方 dsh-llm-deepseek 去打這個網關，會碰到三件事：思考內容不在 reasoning_content 裏，而是連同 <think> / </think> 整段塞進 content；工具調用後續 delta 會顯式發 id: null / name: null，把首個片段裏的正確值覆蓋掉；DSH 把工具結果放在 tool-result 塊裏，發給網關時還要展開成 role: tool 消息。原生解析器處理不了這些差異，思考進不了思考塊，正文裏會留下標籤，工具調用也不穩定。
dsh-llm-wechat 做的事情很具體：複用官方 DeepSeekAdapter，只在響應側加一層流式轉譯，讓 DSH 把這條微信網關當成官方 DeepSeek 來用。它不是把微信聊天窗口接到 Harness 的機器人通道——社區裏另有一批 iLink / 掃碼登錄的微信橋，不要和這個插件混在一起。
本文按社區目錄詳情頁、GitHub 倉庫 README / package.json / cordis.patch.yml / lib/index.js / lib/wechat-translate.js，以及官方 deepseek-ai/deepseek-harness 交叉覈對後整理。
這是什麼¶
dsh-llm-wechat 是一款 DeepSeek Harness 的 LLM 適配插件，由 sulfide2085 維護，GitHub 倉庫爲 sulfide2085/dsh-llm-wechat。社區目錄把它歸在「通知與集成」，主要語言是 JavaScript。截至 2026-08-18，目錄頁與 GitHub 都顯示 6 星。package.json 裏的版本是 0.1.0-rc.6，包名寫成 @deepseek-ai/dsh-llm-wechat，並聲明許可證爲 MIT；倉庫根目錄目前沒有單獨的 LICENSE 文件，GitHub 的 license 字段因此爲空。安裝前仍應自己打開源碼覈對。
README 寫明：這是從項目內拆出來獨立維護的公開倉庫，源碼就在 dsh-llm-wechat 裏。它註冊的 provider route 是 wechat，默認對接 https://chatapi.weixin.qq.com/openai/v1，模型目錄默認只有一條：Deepseek-v4-flash（界面顯示名 WeChat Deepseek-V4-Flash）。請求序列化、錯誤映射、模型解析、重試策略都繼承官方 dsh-llm-deepseek 的 DeepSeekAdapter，不修改任何 DSH / pi-ai 源碼。
它解決的問題可以壓成一句話：讓 DSH 把微信 Coding Plan 這條網關的流，轉成上層能識別的標準格式——思考進思考塊、工具調用正常、正文無標籤。
核心功能¶
倉庫 README 和源碼對能力邊界寫得很清楚，下面只列已經覈對過的部分。
1、流式 think 標籤轉譯。 微信網關在 thinking 開啓時，會把「思考 + 最終答案」整體放進 delta.content，思考在前、答案在後，中間用 </think> 分隔，也可能帶顯式的 <think> 開標籤。插件在 parseSse 與 translate 之間插入 ThinkTagSplitter 狀態機：把閉標籤之前的文本重排進 reasoning_content，之後留給 content。2026-08-16 的提交把切分改成增量輸出，只保留標籤長度級別的小尾巴用來識別跨 chunk 被切開的標籤，不再整段緩衝到 </think> 才往外吐。思考未閉合時，流結束會走 flush() 兜底。stripThinkingTags 默認開啓；thinking 關閉或不剝離時，攔截器不解析 JSON，原樣透傳。
2、工具調用字段不被 null 覆蓋。 微信後續 delta 會顯式發 id: null / name: null。WechatAdapter 只接受非空字符串去更新 id/name，避免把首個 delta 裏已經拿到的正確值沖掉。
3、工具結果按官方完整版展開。 DSH 把工具結果放在 tool-result 塊裏，序列化時展開爲獨立的 role: tool 消息；空結果兜底寫成 (no output)，避免網關忽略空 content。
4、只在 wechat 通道追加強約束。 微信模型看到 system 裏的 SDK 工具聲明後，偶發會直接調用 glob / pwsh 等 collapsed 工具，觸發 unknown tool。插件在 system 末尾追加一段 TOOL USAGE RULE：除 run_code 外不要直接調工具，必須寫進 run_code 再 await tools.name(...)。這段只作用於 wechat 通道，不影響其他 provider。README 也寫明，這隻能緩解，不能 100% 消除。
5、推理檔位開箱即用。 微信網關只認 off / high / max。插件的 resolveModel 無條件返回這三檔，默認 high。模型選擇器裏會出現 WeChat → Deepseek-V4-Flash，以及推理等級下拉。傳其他值會在發請求前報 UNSUPPORTED_REASONING_EFFORT。thinking: disabled 會鎖死 off 檔。
6、對着網關超時做了請求級截止。 微信單次請求大約有 60 秒硬超時。插件默認 requestTimeoutMs 爲 55 秒，超時以 TIMEOUT 快速失敗並交給重試策略，避免半開連接一直佔着併發槽，空閒 watchdog 要等滿默認 5 分鐘才釋放。
安裝與啓用¶
社區目錄詳情頁給出的安裝命令如下，在 DeepSeek Harness 終端裏運行即可：
dsh plugin add github:sulfide2085/dsh-llm-wechat
插件以當前 dsh 進程的權限運行，安裝時可能執行代碼。安裝前請檢查源代碼倉庫和許可證。如需可復現安裝，目錄頁建議固定 commit 哈希：
dsh plugin add github:sulfide2085/dsh-llm-wechat#commit
把 #commit 換成實際哈希。本文覈對當日，倉庫 master 最新提交是 03e2107bfc3d48a517b516934c973fdc3aa4392b（2026-08-16）。
倉庫 README 還寫了本地目錄裝法，適合已經 clone 源碼、並指定 web profile 的情況：
dsh plugin --profile web add ./dsh-llm-wechat
dsh plugin add 會把包以 link: 方式裝進 profile，並把 dsh.bundle 聲明的 patch 層（cordis.patch.yml）追加到 dsh.profile.bundles，無需手動改文件。README 裏的 npm 安裝命令（dsh plugin --profile web add @deepseek-ai/dsh-llm-wechat）標註爲「待發布」，目前不要按已上架的包去裝。
裝完之後還要準備 Token。README 要求在 $DSH_HOME/.credentials.yaml 寫入微信 Coding Plan 的 API Token，也可以在啓動環境導出同名變量：
WECHAT_API_KEY: <微信 Coding Plan 的 API Token>
然後在 $DSH_HOME/settings.yaml 增加 llm-wechat: 段。README 寫這段是熱加載，改完不必爲配置本身重啓；首次啓用仍建議按倉庫的接入清單重啓一次 dsh web。示例配置如下（字段與官方 dsh-llm-deepseek 對齊，另外多了 stripThinkingTags 和 requestTimeoutMs）：
llm-wechat:
apiKeyEnv: WECHAT_API_KEY
baseURL: https://chatapi.weixin.qq.com/openai/v1
thinking: enabled
reasoningEffort: high
maxTokens: 48000
defaultContextWindow: 200000
models:
- id: Deepseek-v4-flash
name: WeChat Deepseek-V4-Flash
contextWindow: 200000
maxTokens: 48000
stripThinkingTags: true
streamIdleTimeoutMs: 300000
requestTimeoutMs: 55000
README 把 48000 / 200000 標成微信網關的 maxOutput / maxInput 上限。reasoningEffort 可選 off | high | max，默認 high。
如果之前在 llm-pi-ai.providers.weixin 配過微信，必須刪掉該段。插件註冊的 route 是 wechat，舊配置留着會觸發 DUPLICATE_ADAPTER；選擇器裏也可能出現兩組重複條目，而且舊組沒有推理等級。
典型用法¶
倉庫給第三方用戶的接入順序是：
- 用上一節的
dsh plugin add裝插件； - 在
$DSH_HOME/.credentials.yaml存WECHAT_API_KEY； - （可選）在
$DSH_HOME/settings.yaml加llm-wechat:段，設置默認檔位（不寫則默認 high）； - 重啓
dsh web； - 模型選擇器裏選 WeChat → Deepseek-V4-Flash，再選推理等級
off/high/max，然後開聊。
檔位對應關係以 README 爲準：
off：thinking: {type: "disabled"}，不思考，適合簡單問題或省 token；high：開啓思考 +reasoning_effort: high，日常推薦；max：開啓思考 +reasoning_effort: max，思考最長，也更容易撞上微信約 60 秒網關超時。
錯誤碼與官方 adapter 對齊，包括 AUTH（401/403）、RATE_LIMIT（429）、TIMEOUT（408/超時）、QUOTA、CONTEXT_WINDOW_EXCEEDED、TRANSPORT、STREAM_CLOSED（流結束沒有 [DONE]）、MALFORMED_RESPONSE、EMPTY_RESPONSE、MISSING_CREDENTIAL、UNSUPPORTED_REASONING_EFFORT。沒有 key 時，源碼會提示把 WECHAT_API_KEY 存進 credentials 服務（Web 的 Models 頁也會寫），或在啓動環境裏導出。
適用場景與注意事項¶
適合已經在用 DeepSeek Harness，並且手裏有微信 Coding Plan Token、希望把 Deepseek-v4-flash 接到 dsh web 模型選擇器的人。它補的是 LLM 提供方，不是微信收發消息。如果你要的是掃碼後在微信裏跟智能體對話，需要另找 iLink 通道類插件，不要裝錯。
使用前有幾條倉庫自己寫下的限制，需要按原文理解：
- 約 60 秒請求超時。
max檔思考可以很長（README 寫實測可達 19k+ 字符），容易被網關掐斷，表現爲TIMEOUT/ 408。日常用high；max需要更大的maxTokens，並接受更高失敗率。 - 限流。 README 寫每 5 小時大約 1200 請求配額，併發上限 6。Agent 多步工具循環會很快把配額打滿，觸發
RATE_LIMIT（429）。 - 工具規則遵循不穩定。 system 強約束只能降低直接調用 collapsed 工具的概率。
- 只支持文本。 微信網關本身不支持圖像輸入。
- 與官方 adapter 的同步是手工的。
translate/parseSse/serializeRequest是從dsh-llm-deepseek複製的（那些符號模塊私有，無法 import）。官方升級不會自動同步，DSH 大版本之後要重新對齊。peerDependencies已放寬爲*，npm 不會在安裝期攔住不兼容的核心包，升級 DSH 後仍需自己迴歸。
Harness 目前是開發者預覽，官方 README 寫明會有破壞性變更。社區目錄收錄日期寫的是 2026-08-06，倉庫實際創建於 2026-08-14；目錄頁上的「最近推送」停在 2026-08-14，GitHub 上還能看到 2026-08-16 的性能修復提交。以倉庫頁面爲準。
再重複一次目錄頁的安全提示：插件以當前 dsh 進程的權限運行，安裝時可能執行代碼。安裝前檢查源代碼和許可證；需要可復現安裝時固定 commit。
小結¶
dsh-llm-wechat 把微信 Coding Plan 網關上的 Deepseek-v4-flash，接到 DeepSeek Harness 的 LLM 縫上。它不改 Harness 源碼，只做三件髒活：把混在 content 裏的思考標籤流式拆進 reasoning_content，擋住工具調用 delta 裏的 null 覆蓋，並把 tool-result 展開成網關能喫的 role: tool 消息。裝上之後，模型選擇器裏會出現 WeChat 這一路，思考檔位 off / high / max 直接能選。
網關自己的 60 秒超時、配額和工具遵循問題，插件解決不了。Token、舊的 llm-pi-ai.providers.weixin 配置、以及 DSH 升級後的迴歸，都要自己處理。
目錄頁：https://deepseek-harness-plugin.com/zh-CN/plugins/dsh-llm-wechat/
GitHub：https://github.com/sulfide2085/dsh-llm-wechat
