前言¶

DeepSeek Harness（DSH）会把 provider 的模型列表交给 bundled pi-ai catalog 解析。如果 Zhipu / Z.AI coding-plan 已经支持新一代模型，而 DSH 内置目录还没有跟上，模型选择器里可能看不到 GLM-5.3。

auuduu/dsh-zai-coding-models 是一个 DSH bridge 插件。它不替代 DSH 的 provider 配置，不改 API key、endpoint 或其他 provider，只在标准 zai-coding-cn provider route 上补充 GLM-5.3，并保留原有六个 bundled 模型。下面介绍它的功能、安装方式、手动配置和限制。

插件定位¶

• 仓库：https://github.com/auuduu/dsh-zai-coding-models
• 许可证：MIT
• Node 要求：package.json engines 要求 Node >=18
• 适用对象：已配置 ZAI_CODING_CN_API_KEY，但 DSH bundled pi-ai catalog 还没有暴露 GLM-5.3 的用户
• 生态位置：这是 DSH 插件生态中的第三方 bridge 包，不是 DeepSeek / 幻方官方应用商店。

核心功能¶

1. 在标准 zai-coding-cn provider route 上暴露最新的 Zhipu / Z.AI coding-plan 模型，当前为 GLM-5.3。
2. 保留六个 bundled zai-coding-cn 模型：glm-4.5-air、glm-4.7、glm-5-turbo、glm-5.1、glm-5.2、glm-5v-turbo。
3. 新增 glm-5.3：text-only 能力，1M context，128K max output，thinking levels Low / Medium / High / Max。
4. 设置 endpoint 需要的兼容标志：thinkingFormat: zai、supportsReasoningEffort: true。
5. 不改变 API key、endpoint 或其他 provider。
6. 提供不需要安装插件的手动 recipe，可写入 ~/.dsh/settings.yaml。

安装与启用¶

先确认你要修改的 profile。以下命令使用 web profile；实际使用时可以把 web 替换为 tui、headless 或你自己的 profile。

dsh plugin --profile web add dsh-zai-coding-models                  # from npm
dsh plugin --profile web add github:auuduu/dsh-zai-coding-models   # from GitHub

安装后重启 DSH 一次。原因是 plugin bundles 在 boot 时读取，不是安装后立即生效。

重启后，通过 DSH Models 页面保存的 ZAI_CODING_CN_API_KEY 会被原样拾取。GLM-5.3 会出现在现有 Z.AI Coding CN provider 的模型选择器中。

如果确认不需要该插件，移除命令如下：

dsh plugin --profile web remove dsh-zai-coding-models

配置效果¶

插件通过 dsh.bundle.patch 声明一个 layer，目标是标准 llm-pi-ai composition row，并为 zai-coding-cn 提供 base provider profile。简化看，它做的事情是：保留原有模型列表，再补上 glm-5.3 的配置。

- id: llm-pi-ai
  config:
    providers:
      zai-coding-cn:
        models:
          - id: glm-4.5-air
          - id: glm-4.7
          - id: glm-5-turbo
          - id: glm-5.1
          - id: glm-5.2
          - id: glm-5v-turbo
          - id: glm-5.3
            name: GLM-5.3
            contextWindow: 1000000
            maxTokens: 131072
            reasoningEfforts:
              low: low
              medium: high
              high: high
              max: max
            compat:
              thinkingFormat: zai
              supportsReasoningEffort: true

其中：

• contextWindow: 1000000 对应 1M context。
• maxTokens: 131072 对应 128K max output。
• reasoningEfforts 提供 Low / Medium / High / Max 的 thinking levels；GLM-5.3 不能关闭 thinking，Low 是最轻设置。
• supportsReasoningEffort: true 是需要的。如果没有它，effort parameter 会被 silently dropped。

手动 recipe：不安装插件¶

如果不想安装插件，也可以把同一段配置直接写入 ~/.dsh/settings.yaml。

llm-pi-ai:
  providers:
    zai-coding-cn:
      apiKeyEnv: ZAI_CODING_CN_API_KEY   # keep whatever you have
      models:
        - id: glm-4.5-air
        - id: glm-4.7
        - id: glm-5-turbo
        - id: glm-5.1
        - id: glm-5.2
        - id: glm-5v-turbo
        - id: glm-5.3
          name: GLM-5.3
          contextWindow: 1000000
          maxTokens: 131072
          reasoningEfforts:
            low: low
            medium: high
            high: high
            max: max
          compat:
            thinkingFormat: zai
            supportsReasoningEffort: true

如果你已经在 ~/.dsh/settings.yaml 中给 zai-coding-cn 声明过 models，用户层会覆盖插件层。建议只保留一个来源，避免插件和你自己的配置重复声明同一组模型。

适用场景与注意¶

适合：

• 已配置 ZAI_CODING_CN_API_KEY，但当前 DSH bundled catalog 看不到 GLM-5.3。
• 需要在 zai-coding-cn route 上使用 GLM-5.3 的 1M context、128K max output 和 thinking levels。
• 不想为了一个新模型改动 DSH 主流程，只想用插件 bridge 补齐模型列表。

注意：

• 插件以当前 dsh 进程权限运行。安装前建议检查 GitHub 源码、MIT 许可证和依赖，确认行为符合预期。
• models list 会替换该 route 的 catalog，这是 DSH semantics。列表按插件 release 固定。
• 当 pi-ai 以后发布 glm-5.4 时，这个插件需要发布新版本才能带上新模型。
• 插件 patch 替换的是 llm-pi-ai row 的整个 config。标准 row 当前没有 config，但如果未来 DSH 在那里放了 config，插件可能需要 bump。
• GLM-5.3 的 thinking 不能关闭；Low 是最轻设置。
• supportsReasoningEffort: true 必须存在，否则 effort parameter 会被 silently dropped。
• package.json engines 要求 Node >=18。

结尾¶

dsh-zai-coding-models 的价值在于一个短窗口期：在 bundled pi-ai catalog 跟上之前，让 zai-coding-cn route 先用上 GLM-5.3。如果之后 DSH / pi-ai 内置目录已经包含目标模型，可以移除插件，回到 catalog。

GitHub：https://github.com/auuduu/dsh-zai-coding-models