前言¶
在 DeepSeek Harness（DSH）里做「深度调研」，常见做法是用固定提示词串起搜索、阅读、汇总——步骤写死在对话里，主题一复杂就容易漏维度、搜过头或过早收工。DSH 社区插件 omdsh-dev/dsh-deep-research 把 deep-research 流程做成独立 plugin（与 skill 体系分开），挂在 DSH 官方 workflow 引擎上，用控制论与信息论约束规划、检索与综合，形成可自适应扩展的研究闭环。
这是什么¶
dsh-deep-research 由 omdsh-dev 维护，npm 包名为 @dsh-external/dsh-deep-research，当前版本 v0.1.0，SkillHub 分类为工作流。简介：Adaptive deep-research orchestrator plugin for DeepSeek Harness (official workflow engine, cybernetics/information-theory design)。
插件注册 deep_research 工具，编排走 ctx.workflows / @deepseek-ai/dsh-workflow-workerthread，检索走 DSH 内置 web_search / web_fetch。它不往 ctx.skills 里挂技能，也不注入 TUI prompt；触发依赖工具描述（深度研究、调研、多源信息综合分析等），由模型在对话中按需调用。
核心机制¶
下面按 README 中的「理论 → 机制」对照，说明插件如何把研究流程做成闭环，而非固定脚本。
规划：先定答案空间，再拆子问题¶
规划代理先定义研究支撑的决策范围（scope）和每个子问题的验收标准（acceptance），并枚举主题的信息维度、输出覆盖度自检 coverage_gaps。对应控制论里的参考信号校准，以及 Ashby 必要多样性定律——子问题需覆盖主题维度，否则必有盲区。
研究：三态证据与边际增益停止¶
每个研究子代理维护 confirmed / uncertain / gaps 三态证据，用 web_search / web_fetch 更新后做边际增益验证。连续一轮零增益即停，另有轮次硬上限。简单主题一轮可收敛，复杂主题会在每轮结束后收集高优先级缺口，自动派发下一轮补充研究；规划阶段声明的盲区还会被定向侦察验证。
综合与可选审查¶
综合子代理把证据有损压缩为最终报告，保留对结论有区分度的信息。若开启 review: true，对抗性审查子代理会做引用抽查、覆盖度审计，以及矛盾与过度自信标注。
工具参数¶
安装后，模型可通过 deep_research 工具传参控制研究粒度：
| 参数 | 必填 | 说明 |
|---|---|---|
topic |
是 | 研究主题 |
purpose |
否 | 研究用途（要支撑的判断/决策）；缺省时规划代理会声明假设用途 |
questions |
否 | 已有问题清单（每行一个）；提供则跳过自动拆解 |
depth |
否 | 1=初步，2=深入（默认），3=穷尽；决定闭环轮次上限（depth+1） |
synthesize |
否 | 是否出最终报告，默认 true；false 只返回三态证据 |
review |
否 | 对抗性审查，默认 false |
可选配置包括 maxParallel（默认 4）、maxTotalAgents，以及 plannerModel / researcherModel / synthesizerModel / reviewerModel 的模型分级——README 建议规划与综合用强模型、研究执行用便宜模型以控制成本。
安装与启用¶
插件通过 dsh.bundle.patch（cordis.patch.yml）装入 profile。SkillHub 登记来源为 omdsh-dev/dsh-deep-research；安装时把 <profile> 换成 tui、headless、web 或自建 profile 即可。
dsh plugin --profile <profile> add git+https://github.com/omdsh-dev/dsh-deep-research.git
dsh --profile <profile>
第二行重启 DSH 后，deep_research 工具随 profile 注入。若 pnpm 因本机 git insteadof 把 https 重写成 ssh，请保持 git+https:// 形式；若 dsh plugin 提示需要 allowBuilds，按提示在 $DSH_HOME/profiles/<name>/pnpm-workspace.yaml 增加对应配置。
依赖：profile 组合须包含官方 workflow 引擎与内置 web 工具；dsh 官方 base 组合自带。请安装到提供 workflows provider 的 profile（如 tui/headless）；部分 web 组合未声明该 provider 时，Loader 会保持 pending。运行时要求 Node ^22.19.0 || >=24.0.0。
更新与卸载：
dsh plugin --profile <profile> update
dsh plugin --profile <profile> remove @dsh-external/dsh-deep-research
许可证为 MIT。安装前建议阅读 GitHub 源码 与 LICENSE；插件以当前 DSH 进程权限运行，会调用网络搜索与抓取能力。
典型用法¶
工具由模型按描述自动触发，对话里直接说明需求即可，无需记命令行。README 给出的示例如下：
- 「深度调研一下 MCP 生态现状，重点对比几家主流实现，出一份带引用的报告」
- 「按这份问题清单做研究：1. … 2. …」（已有清单时跳过自动拆解，直接并行研究）
- 「调研一下 A/B 方案，purpose 是决定我们选哪个」（用途越明确，答案空间越准）
需要更严谨时可传 depth: 3；需要引用纠错与覆盖度审计时传 review: true。复杂主题会自动扩展轮次，简单主题通常一轮收敛。
适用场景与注意¶
适合：需要在 DSH 里做多源检索、结构化证据汇总、带引用报告的场景；已有明确问题清单时可直接并行研究；希望复用官方 workflow 的并发上限、取消传播与 wf-runs 记录，而不是自写编排脚本。
注意：
- 本插件是 plugin，与
.claude/skills/deep-research技能模板独立，两者可并存。 - 单个子问题研究失败只在该节标注；规划失败则工具报错，主代理可调参重试。
- 取消 DSH 会话时，
exec.signal会传入 workflow run，子代理随之中止。 - SkillHub（skillhub.cn）是 DSH 社区插件目录，与 DeepSeek / 幻方无官方从属关系；DSH 生态理念是「一切皆插件」，本插件是社区工作流类扩展之一。
链接¶
- SkillHub 目录页：https://www.skillhub.cn/plugins/omdsh-dev/dsh-deep-research
- GitHub 仓库：https://github.com/omdsh-dev/dsh-deep-research
