DeepSeek Harness 插件：dsh-llama-responses

DeepSeek Harness (DSH) 采用插件化架构。在构建多代理系统时，主代理通常调用昂贵的官方 API，而子代理如果未配置，会继续走官方接口，增加成本并带来隐私泄露风险。dsh-llama-responses 作为一个适配器插件，解决了这个问题，它通过 OpenAI Responses 协议，将子代理的请求路由到本地运行的 llama.cpp 服务。

插件概览¶

名称: dsh-llama-responses
所有者: SnowRikka
类别: 模型推理
许可证: MIT
核心功能:
- 多轮记忆
- function_call 流式
- function_call_output 回传
- 子代理委派 (spawn/可继续后台, fork/one-shot 前台)
- 追问排队 (send_message)
- 状态查询 (list_agents)
- 中断控制 (interrupt_agent)
- 结算通知 (report)
- Skill 发现与加载

安装¶

使用官方插件命令安装：

dsh plugin --profile web add git+https://github.com/SnowRikka/dsh-llama-responses.git

在 npm 发布前，也可以通过软链方式安装（便于修改源码）：

git clone https://github.com/SnowRikka/dsh-llama-responses.git ~/dsh-llama-responses
ln -sfn ~/dsh-llama-responses ~/.dsh/profiles/web/node_modules/dsh-llama-responses

使用前置条件¶

本地模型服务已运行: 确保 llama.cpp 的 llama-server 正在运行，监听本地端口（如 8080）。
关键配置步骤: 每次启动 DeepSeek Harness 后，必须先手动选择一次本地的 qwen3.8-27b 并提问一次，然后将主代理切回 DeepSeek V4 模型。不做这一步，子代理不会正常路由到本地模型。

启用子代理功能¶

本插件挂载在 DSH 的子代理体系上。默认情况下，web profile 的子代理工具是禁用的，需要手动启用。

在 ~/.dsh/profiles/web/cordis.patch.yml 中加入以下配置：

- id: tool-subagent-control        # send_message / interrupt_agent
  disabled: false

- id: tool-subagent-list-agents    # list_agents
  disabled: false

- id: tool-subagent                # 委派工具(可继续后台子代理)
  disabled: false

- id: tool-subagent-fork           # 委派工具(one-shot,已重定向 spawn=无父对话)
  disabled: false

启用后，模型将获得 subagent、subagent_fork、send_message、interrupt_agent、list_agents 五个工具。

启用本地模型路由¶

1. 配置适配器¶

在 ~/.dsh/profiles/<profile>/cordis.patch.yml 中注册适配器：

- insert:
    - id: llm-responses-local
      name: dsh-llama-responses
      config:
        baseURL: http://127.0.0.1:8080/v1
        providerName: llama-responses
        apiKeyEnv: DSH_LOCAL_LLM_KEY
        models:
          - id: qwen3.8-27b
            name: Qwen3.8-27B IQ4_XS (local)
            contextWindow: 163840
        defaultContextWindow: 163840
        defaultMaxTokens: 8192

2. 配置子代理使用本地模型¶

在 patch 中指定子代理的 provider 为 llama-responses：

- id: tool-subagent
  config:
    provider: spawn
    toolName: subagent
    backgroundMode: continuable
    agentOptions:
      provider: llama-responses
      model: qwen3.8-27b
      maxTokens: 8192

3. 环境变量¶

设置本地模型鉴权占位符：

export DSH_LOCAL_LLM_KEY=local-no-auth

子代理隔离设计¶

这是本插件的重要设计特性。所有子代理不继承父对话，包括父会话已完成的历史内容。subagent_fork 工具已通过 patch 重定向，确保完全隔离。父代理若需传递背景，必须显式写在委派指令中。

协议细节¶

插件实现了 OpenAI Responses 协议的适配。在对接 llama.cpp 时，需注意以下细节：

历史消息格式: 历史消息条目必须带顶层 type: 'message'，assistant 内容使用 output_text。
工具调用: 工具定义使用扁平格式 {type: 'function', name, description, parameters}。
结果回传: 工具结果回传使用 {type: 'function_call_output', call_id, output}。
SSE 事件: 监听 response.output_text.delta、response.function_call_arguments.delta、response.output_item.done、response.completed。