前言¶

在 DeepSeek Harness（DSH）里做基因组、病原体或生物信息相关项目，常见痛点是：研究过程散落在对话记录里，实验结果缺少版本与溯源，长时生信任务又需要连上实验室工作站或 HPC 集群。通用智能体插件往往只覆盖代码编辑或文档检索，难以把「提问—假设—实验—结论」这条科研循环，以及远程算力调度，串成可复现的工作流。

下面介绍社区插件 dsh-science（维护者 biociao）。它把 ReAct 研究循环、版本化工件溯源、SSH 远程计算和 11 个科研技能打包进 DSH，定位接近 Claude Science 的科研工作台，面向基因组 / 病原体 / 人类健康 / 生物信息场景。当前 GitHub 约 27 stars、2 forks；最新发布版本为 0.2.0，MIT 许可，要求 Node.js >= 18。

这是什么¶

dsh-science 是 DSH 生态下的科研向插件 bundle，既可作为 profile bundle 安装，也可通过 agent preset「科学模式」启用。

插件在仓库内提供四个零第三方依赖的引擎（Node 内置模块 + 系统 OpenSSH），注册标准 cordis 工具；配套的 dsh-model-tier 模型分档路由同样是零依赖，安装 dsh-science 时自动携带。核心解决三类问题：

1. 把科研对话组织成可持久化的 ReAct 研究循环；
2. 把实验结果存为带 SHA-256 与 provenance 的版本化工件；
3. 通过 SSH 在远程工作站或 SLURM 集群上提交、监控、拉取长时生信作业。

核心功能¶

ReAct 研究循环引擎¶

提供 research_init、research_state、research_hypothesis、research_experiment、research_findings、research_phase、research_review、research_report 等工具，状态持久化在 research-manifest.json，按「提问 → 假设 → 实验 → 观察 → 分析 → 结论 → 下一问题」推进。假设状态机为 proposed → testing → supported / refuted / inconclusive，阶段默认只前进。

版本化工件与溯源¶

提供 artifact_save、artifact_list、artifact_show、artifact_diff、artifact_verify、artifact_deprecate、artifact_reproduce 等工具。每次保存的结果位于 artifacts/<name>/v<N>/，附带每文件 SHA-256、artifact.json（命令、输入、环境、envFile）以及追加式 provenance.md。

远程计算引擎（SSH / HPC）¶

共 16 个 remote_* 工具，通过 ~/.ssh/config 别名连接实验室工作站或 HPC 集群，远端无需安装额外组件。

• 主机注册：remote_host_add 注册别名，remote_host_probe 探测 CPU、内存、GPU、CUDA、conda、SLURM 分区等；注册表位于 $DSH_HOME/remotes/hosts.json。
• 作业提交：remote_run 将脚本与输入上传到 <scratch>/<jobId>/（默认 ~/dsh-scratch）；工作站以 nohup+setsid detached 进程运行，SLURM 集群走 sbatch；默认超时 30 分钟，提交前默认要求审批。
• 监控与回收：remote_status 批量探测并自动迁移状态（running → succeeded / failed / killed）；remote_logs 查看日志；remote_pull 拉回输出并写 pulled-manifest.json（超过 100 MB 的文件留在主机并记录路径）；remote_cancel 取消作业。作业注册表位于 <项目根>/.dsh/remotes/jobs.json。
• 项目级白名单：首次连接某主机需项目级授权，批准后写入 .dsh/remotes/allowlist.json，按项目隔离。

远程主机配置 UI¶

在 DSH 设置面板新增「远程主机」页，对应 Claude Science 的 Settings > Compute > SSH hosts。宿主侧 REST API 路由为 /dsh-science/remote-hosts/*，客户端 bundle 与远程引擎共用同一套数据文件。新增引擎或修改引擎代码后需重启 web 进程生效。

模型分档路由（dsh-model-tier）¶

v0.2.0 起，由配套 bundle dsh-model-tier 提供跨 provider 的分档路由：辅助请求（会话标题、压缩）与子任务走轻量档，主对话保持各自会话的模型选择，深链子任务与超长输入可升级到强档。也可单独安装到任意 profile：

dsh plugin add dsh-model-tier

配置示例：

- id: model-tier
  name: dsh-model-tier
  config:
    tiers:
      strong: { provider: zai-coding-cn, model: glm-5.3 }
      default: { provider: deepseek-official, model: deepseek-v4-flash }
      light: { provider: opencode-go, model: minimax-m2.7 }
    routing:
      auxiliary: [session-title, compaction]
      subagents: light
      subagentDepthStrong: 3

未配置 tiers 或目标 provider 未注册时，路由自动 no-op，不影响主流程。

11 个科研技能¶

research-loop、science-project-setup、artifact-provenance、scientific-reviewer、literature-connector、parallel-delegation、manuscript-writing、bioinformatics-toolkit、conda-environments、data-inventory、remote-compute。技能可由项目根 .dsh/skills/ 自动发现，也可全机安装到 ~/.dsh/skills。

安装与启用¶

DSH 生态遵循「一切皆插件」；社区目录 SkillHub 是独立站点，与 DeepSeek / 幻方无官方从属关系。安装前建议阅读 GitHub 仓库 源码与 MIT 许可证，确认插件以当前 dsh 进程权限运行。

方式 A：profile bundle（社区标准）¶

一条命令把研究循环、工件注册、远程计算、远程主机 UI 和模型分档路由插入 profile，该 profile 上所有 agent 均可使用 research_*、artifact_*、remote_* 工具。

dsh plugin --profile web add dsh-science

npm 未发布或需跟踪最新代码时，可直接从 GitHub 安装：

dsh plugin --profile web add "github:biociao/dsh-science"

安装后重启 profile（或刷新 Web GUI；新增引擎或改引擎代码需重启 profile）。

方式 B：agent preset（「科学模式」）¶

适合需要完整科研人格、按 agent 隔离的场景：

git clone https://github.com/biociao/dsh-science ~/.dsh/.agent-presets/science

或使用仓库内安装脚本：

bash scripts/install.sh

在 DSH Web 新建会话并选择 科学模式 preset 即可。

技能安装¶

bash scripts/install-skills.sh

技能安装到 ~/.dsh/skills（遵循 $DSH_HOME）。

典型用法¶

下面是一个可复现的首会话流程，摘自官方 README。

1. 调用 research_init，创建 research-manifest.json 与项目骨架（experiments/、literature/、artifacts/、analyses/、figures/、manuscript/、reviews/、data/、envs/）。
2. 每次会话先调用 research_state，研究循环状态跨会话持续。
3. 跑研究循环：research_hypothesis（H1/H2/…）→ research_experiment（E01/…，创建 experiments/<id>/{design.md,log.md,code/,results/}）→ 执行代码 → research_findings（追加 log.md、更新假设状态）→ 对值得引用或复现的结果调用 artifact_save。
4. 需要 GPU 或集群时：remote_host_add 注册主机 → remote_run 提交远程作业（需审批）→ 定期 remote_status 监控、remote_logs 查日志 → 结束后 remote_pull 拉回输出 → artifact_save 归档。
5. 对关键论断：提取论断 → 评审子代理对照执行记录核查（见 scientific-reviewer 技能）→ research_review 归档到 reviews/R0n/report.md。

远程计算细节见仓库文档 docs/remote-compute.md 与 remote-compute 技能。

适用场景与注意¶

适合谁：

• 在 DSH 中做基因组、病原体、人类健康或生物信息项目的研究者；
• 需要把假设、实验、结论结构化沉淀，而非仅保留对话记录的团队；
• 已有 ~/.ssh/config 可连实验室工作站或 SLURM 集群，希望在智能体里直接提交与监控长时作业的用户。

使用注意：

• 插件以当前 dsh 进程权限运行，remote_run 等操作会实际连接远程主机并提交作业，安装前应检查源码与许可证。
• 远程作业提交与首次主机访问默认要求审批；大文件（> 100 MB）拉取时留在远端，仅记录路径。
• bundle 与 preset 的选择：bundle 一条命令、profile 级共享工具；preset 提供完整「科学模式」体验并按 agent 隔离。profile 级人格配置在 cordis.patch.yml 中默认注释，需全 profile 应用时再取消注释。
• 远程主机 UI 与新增引擎需重启 web 进程后生效。

结尾¶

dsh-science 把 ReAct 研究循环、工件溯源、SSH 远程计算和模型分档路由整合进 DSH，为基因组与生物信息场景提供可复现的科研工作台。若你已在用 DSH 做科研辅助，可从 profile bundle 安装起步，按项目需要逐步启用远程计算与技能。

• 社区目录：skillhub.cn/plugins/biociao/dsh-science
• GitHub：github.com/biociao/dsh-science