DSH Prompt Optimizer:一键将模糊需求改写为可执行指令

在 DeepSeek Harness (DSH) 中,直接输入模糊需求往往难以得到高质量的执行结果。DSH Prompt Optimizer 是一个持久化 Web 插件,旨在通过一键优化功能,利用当前所选模型将模糊需求改写为结构化、可执行的超级提示词。

核心功能

该插件主要解决提示词质量参差不齐的问题,核心能力包括:

  • 一键优化与输入锁定:点击 ✨ 按钮后,输入框会被锁定,防止优化结果覆盖用户正在输入的内容。同时,输入框会出现跑马彩虹渐变边框,并在上方状态行显示优化进度。
  • 模型复用:优化过程完全使用用户在模型选择器中已选的 provider 和 model,无需额外配置。
  • 智能改写策略:面向编程智能体,内置双模板自适应机制(内容任务走结构化指令,执行任务走 Agent 执行说明书)。采用“探索优先协议”和“Skills 感知”,缺失信息不会预设假设,而是引导智能体先盘点自身技能和配置。
  • 状态可见:优化期间输入框上方状态行会显示“✨ 正在优化(模型名)”,完成后显示“✓ 完成”或“⚠️ 失败原因”。

安装与启用

该插件为持久化插件,安装后随 DSH 进程启动自动加载。

dsh plugin --profile web add .

安装完成后需要重启 DSH 或刷新页面,输入框左侧的 ✨ 按钮才会出现。

使用流程

  1. 在输入框输入模糊需求(例如:“帮我写个好看的主页”)。
  2. 点击模型选择器左侧的 ✨ 按钮。
  3. 等待几秒,观察输入框锁定、彩虹边框以及状态行的提示。
  4. 优化结果自动填入输入框,此时可以直接发送给智能体。

技术实现

  • 前端交互:利用 DSH 的 conversation.blocks 机制实现输入锁定,使用 CSS 动画实现跑马彩虹渐变边框。
  • 后端通信:宿主端通过 POST /prompt-optimizer/api/optimize 接收请求,仅允许本机回环地址访问。使用 llm.stream 调用当前模型,并内置 LRU 缓存和 single-flight 机制优化性能。
  • 插件结构:通过 dsh.bundle.patch 挂载,dsh.client 指定浏览器端注入路径。

注意事项

  • 插件基于 MIT License 开源。
  • 优化功能仅限本机回环地址访问。
  • 安装后需重启 DSH 或刷新页面才能看到按钮。

资源链接

  • GitHub:https://github.com/xinmo114514/dsh-prompt-optimizer
  • 目录页:https://www.skillhub.cn/plugins/xinmo114514/dsh-prompt-optimizer
羽毛球分组比赛记分
小程序二维码

欢迎使用《羽毛球分组比赛记分》微信小程序

小夜