前言¶

在 DSH（DeepSeek Harness）的「一切皆插件」思路下，智能体执行复杂任务时常见两个问题：一是每次任务都从零开始规划，缺少可复用的历史方案；二是如果直接把规则写死，任务变化后容易失配。

dsh-task-planner 针对这个问题，把历史方案作为经验库，让模型在任务开始前先回忆相似方案，再评估当前任务是否适合复用，最后生成分步计划。下面介绍它的定位、核心能力、安装方式和典型用法。

这是什么¶

dsh-task-planner 是一个面向 DeepSeek Harness 的任务规划插件，定位是「带经验肌肉记忆的任务规划」。

已核实的包信息如下：

• 包名：dsh-task-planner
• 版本：1.0.0
• 类型：module
• 主入口：index.mjs
• 许可证：MIT
• 插件 patch 文件：./cordis.patch.yml
• GitHub 仓库：https://github.com/ztl34245881-commits/dsh-task-planner

它主要解决四类问题：

1、复杂任务开始前先生成计划，而不是直接执行。
2、把已完成任务的经验沉淀为可编辑的 Markdown 文件。
3、在规划时把步骤与可选能力目录进行匹配。
4、对文本交付步骤增加「humanize-then-review」要求。

核心功能¶

经验库¶

插件提供 task_memory save/recall/list 能力，用于保存、召回和列出经验。

经验以纯 Markdown 形式保存，包含签名关键词。默认经验库路径是：

~/.dsh/planner-lessons

这类经验文件适合人工编辑、检索和迁移。

条件反射式规划¶

plan_task 的主流程是：

1、根据当前任务召回过去相似方案。
2、由 LLM 评估这些方案是否适合当前任务。
3、如果适合，则复用并改进；如果不适合，则说明原因并重新规划。
4、输出分解步骤，并结合能力匹配、风险和下一步动作。

这里的判断由模型完成，插件主要提供历史经验上下文，以及可选的能力目录上下文。

LLM 驱动，而不是规则驱动¶

dsh-task-planner 不把固定组合硬编码进任务。模型根据当前任务决定使用哪些历史经验、如何拆解步骤、如何匹配能力。

插件提供的上下文主要包括：

• 历史经验库内容
• 可选的 Markdown 能力目录

文本交付标准¶

插件要求文本输出步骤在交付前经过「humanize-then-review」流程。

这里的重点是交付前增加一层人工化处理与复核，而不是直接输出原始文本结果。

自动沉淀经验¶

plan_task 会自动写出一条经验草稿，状态为：

draft

当任务结束、流程关闭时，agent 会更新经验结果，并把状态标记为：

verified

这样可以把一次任务的过程逐步沉淀为可复用的经验。

零密钥、零绝对路径约束¶

插件强调可配置性。默认经验库路径为：

~/.dsh/planner-lessons

如果希望使用其他经验目录或能力文件，可以通过配置项修改。

安装与启用¶

安装前先确认当前 dsh 环境可用。README 给出的 GitHub 安装命令使用占位符 <your-user>，不是一定代表具体 owner 的命令：

dsh plugin --profile web add github:<your-user>/dsh-task-planner

如果本地已经有该仓库，也可以添加为本地 bundle：

dsh plugin --profile web add /path/to/dsh-task-planner

插件的 package.json 声明了 DSH bundle patch 文件：

{
  "dsh": {
    "bundle": {
      "patch": "./cordis.patch.yml"
    }
  }
}

因此启用时，插件会读取仓库中的 cordis.patch.yml 作为 patch 入口。

该插件要求以下服务可用：

llm
shell
tools

README 说明，在标准 harness 中这些服务都已存在。

模型调用使用 harness 默认模型：

agentDefaultModel

如果使用推理模型，需要给 maxTokens 留出足够空间。README 中提到内部使用 8k。

典型用法¶

开始任务前规划¶

对复杂任务，先调用 plan_task：

plan_task { task, goal?, constraints? }

这一步用于在执行前生成计划，而不是直接进入执行。

保存经验¶

手动保存一条经验可以使用：

task_memory save { task, plan, outcome }

plan_task 也会自动调用该能力写入草稿经验。

召回经验¶

按任务描述做条件反射式召回：

task_memory recall { task }

查看经验列表¶

查看全部经验：

task_memory list

经验生命周期¶

经验状态按任务闭环推进：

1、plan_task 自动写入一条草稿经验：

status: draft

2、任务结束、流程关闭后，agent 更新结果并标记为：

status: verified

3、如果一条经验被成功复用 3 次，可以提升为正式技能。
4、如果一条经验被拒绝 2 次，应标记为 obsolete。

可选配置¶

在 profile 的 cordis.patch.yml 中，可以配置经验目录和能力文件：

- id: dsh-task-planner
  name: dsh-task-planner
  config:
    lessonsDir: /path/to/your/lessons
    capabilityFile: /path/to/capability-map.md

其中：

• lessonsDir：指向经验目录，默认是 ~/.dsh/planner-lessons。
• capabilityFile：指向一份 Markdown 能力目录，作为上下文提供给 LLM。

把 capabilityFile 指向技能、插件或工具清单后，规划步骤可以更具体地对齐现有能力。

适用场景与注意¶

适合以下情况：

• 使用 DSH 搭建智能体工作流，任务步骤较多。
• 希望重复任务逐步沉淀为 Markdown 经验。
• 希望规划时结合能力目录，而不是只靠提示词临时生成。
• 对文本交付有质量要求，希望加入「humanize-then-review」环节。

使用前需要注意：

1、插件以当前 dsh 进程权限运行。安装前应检查源码、依赖、patch 文件和许可证。
2、许可证为 MIT。
3、运行依赖 llm、shell、tools 服务。
4、默认经验库路径是 ~/.dsh/planner-lessons。
5、模型调用使用 agentDefaultModel，推理模型需要足够的 maxTokens。
6、经验文件是纯 Markdown，可以直接编辑，但状态流转仍应遵循 draft、verified、obsolete 等生命周期约定。

结尾¶

dsh-task-planner 的价值在于把任务规划从一次性生成变成可沉淀、可编辑、可复用的经验流程：先召回相似经验，再让模型判断是否适用，最后生成分步计划并更新经验状态。

GitHub 仓库：

https://github.com/ztl34245881-commits/dsh-task-planner

社区目录可按包名 dsh-task-planner 查找对应页面。DSH 社区目录是独立站点，与 DeepSeek / 幻方无官方从属关系，也不是官方应用商店。