前言¶

在 DeepSeek Harness (DSH) 的開發實踐中，直接使用大模型處理所有任務成本高昂，而完全依賴小模型又難以保證輸出質量。dsh-cortex 插件通過引入“主模型作爲 Supervisor，子 Agent 或小模型作爲 Executor”的架構，解決這一矛盾。它利用強模型進行規劃、拆解和驗收，將執行任務分配給低成本的子模型，從而在降本的同時保證任務質量。

是什麼¶

dsh-cortex 是一個 DSH 工作流插件，旨在提供低成本、高質量的遞歸任務編排、模型評測與智能路由。它由 iguowz 維護，採用 MIT 許可證。

核心功能¶

該插件提供了從任務拆解到執行、評估與治理的一整套能力：

• 任務智能與遞歸拆解
  通過 cortex_start 和 cortex_decompose 實現任務的畫像、策略匹配與遞歸拆解。系統支持 DAG 結構（depends_on），有安全限制：最大深度 6、總節點數 50、單節點子任務數 10、最大重規劃次數 3。

• 動態路由與四級質量門控
  cortex_execute 負責動態路由，根據質量、成功率、風險與成本的綜合效用評分選擇模型。系統內置四級質量門控（Gate0-Gate3.5），Gate3.5 包含紅隊對抗測試，用於攔截高風險或高質量但存在缺陷的輸出。

• 預算控制與價格覆蓋
  引擎內置 4 個預算池（10/70/10/10），並支持 MQC 升級門控。通過 cortex_models 命令或 UI，可以設置模型的有效價格，優先級爲：模型/官方 > 用戶設置 > 默認值。

• 模型評估與註冊表
  cortex_evaluate 提供 7 維度評分，支持動態能力註冊與漂移監控。cortex_models 管理靜態 YAML 配置與動態發現的模型，支持路由評分預覽。

• 組織模式與治理
  cortex_start.organization_mode 開啓組織模式，內置 8 種 Probe（需求、工程、測試、安全等），支持權限層級（P0-P4）與基於規則的治理，所有決策記錄在 governance.jsonl 中。

• 恢復與修正
  cortex_recover 引擎支持基於失敗分類的重試、切換、升級或人工介入。軟缺陷修正功能允許在 max_delegations（默認 3）範圍內原地修正。

• Web 控制台與自調優
  插件內置 Web 控制台（/cortex ui），提供趨勢、矩陣、學習鏈等視圖。自調優功能基於執行證據生成參數建議，需用戶確認應用。

安裝與依賴¶

目前資料中未提供直接的安裝命令。該插件依賴 Node.js 版本 >= 20，並需要以下 peerDependencies：

@deepseek-ai/cordis (>= 4.0.1)
@deepseek-ai/dsh-subagent (>= 0.1.1-rc.2)
@deepseek-ai/dsh-llm (>= 0.1.1-rc.2)
@deepseek-ai/dsh-agent (>= 0.1.1-rc.2)
@deepseek-ai/dsh-client-runtime (>= 0.1.1-rc.2)

其中 dsh-llm 和 dsh-tools 爲可選依賴。

典型用法¶

以下是該插件提供的核心工具調用示例：

# 啓動任務，進行策略匹配與畫像
cortex_start

# 遞歸拆解任務樹
cortex_decompose

# 遞歸執行任務，支持自動調度與門控
cortex_execute recursive

# 執行任務（非遞歸模式或控制平面）
cortex_execute control

# 質量驗收
cortex_review

# 恢復與重試
cortex_recover

# 模型評估
cortex_evaluate

# 查看模型註冊表與價格
cortex_models

# 組織模式啓動
cortex_start.organization_mode

# 生成 KPI 報告
cortex_report

適用場景與注意¶

該插件適用於需要在大模型規劃能力與小模型執行效率之間做平衡的場景，特別是涉及複雜任務拆解、多模型路由選擇和嚴格質量門控的項目。

注意：DeepSeek Harness 的社區目錄（如 SkillHub）與 DeepSeek 或幻方無官方從屬關係。使用插件前，建議檢查源碼與許可證，並確保已正確配置所需的 peerDependencies。

結尾¶

dsh-cortex 爲 DSH 生態提供了一套完整的“Supervisor + Executor”編排方案，通過動態路由、質量門控與預算控制，幫助開發者實現降本提質。更多詳情可查閱項目 GitHub 倉庫。