前言¶

在使用 DeepSeek Harness (DSH) 开发智能体时，web_search 工具面临一个经典权衡：快速但覆盖面窄的查询，与慢速但覆盖面广的查询。硬编码单一策略意味着简单问题会浪费资源，复杂问题可能信息不足。dsh-tool-bandit-search 插件通过 Thompson sampling 上下文多臂老虎机算法，让工具根据实际使用情况自动选择搜索策略。

插件介绍¶

这是一个 DeepSeek Harness 插件，旨在替换标准的 web_search 工具。它引入了一个新的 search 工具，利用 Thompson sampling 在两种搜索策略（”quick” 和 “thorough”）间自适应决策。维护者：siruignaw-sys。许可证：MIT。

核心功能¶

• 策略替换：将 DSH 内置的 web_search 替换为 search 工具。
• 双策略选择：
• quick：单次查询，最多 5 条结果，速度快，适合简单事实查询。
• thorough：运行三个查询变体（原查询 + 两个重述角度）并行合并，最多 10 条结果，速度慢，适合开放性问题。
• 自适应学习：使用 Thompson sampling 算法，基于 Beta(α, β) 分布采样选择策略。
• 奖励计算：每次调用后，根据结果数量和响应速度计算 0-1 奖励，更新策略参数。

安装与启用¶

使用以下命令安装插件：

dsh plugin --profile web add github:siruignaw-sys/dsh-tool-bandit-search

安装后必须重启 Web UI 才能生效。如果是在本地开发，使用 dsh plugin --profile web add link:/absolute/path/to/dsh-tool-bandit-search。

# 重启 Web UI
pnpm dsh web
# 或
dsh web

运行示例¶

插件在运行时会输出日志，展示选择的策略、获得的奖励以及当前的 Beta 分布参数：

[bandit-search] arm=quick reward=1.000 durationMs=4393 resultCount=5 stats={"quick":{"alpha":2,"beta":1},"thorough":{"alpha":1,"beta":1}}
[bandit-search] arm=thorough reward=0.854 durationMs=8481 resultCount=10 stats={"quick":{"alpha":2,"beta":1},"thorough":{"alpha":1.85,"beta":1.15}}

适用场景与注意事项¶

该插件适合希望在运行时动态优化搜索策略的场景。需要注意的是：

• 状态存储：Bandit 的状态存储在内存中，进程重启后会重置。
• 奖励指标：当前的奖励是启发式指标（基于结果数和延迟），并不代表答案的相关性或正确性。
• 优化范围：插件仅优化单次调用的策略选择，无法控制模型在一次对话中的多次 search 调用行为。
• API 稳定性：该插件基于 dsh 开发者预览构建，API 可能变更。

结语¶

dsh-tool-bandit-search 为 DSH 插件生态提供了一种通过在线学习自动调整工具行为的方式。它不依赖额外的 API Key，直接复用 DSH 的 ctx.web 服务。更多细节与源码，可参考目录页或 GitHub 仓库。