前言¶
DeepSeek Harness (DSH) 允许通过插件扩展其功能。传统的长运行代理会静默运行直到最终输出，引用内容基于模型记忆而非检索结果，且更正需要重启工作。wxxb789 的 dsh-raven-research 插件旨在解决这些问题，它在 DSH 中引入了一个渐进式的、证据感知的任务抽象，用于深度研究、通用写作、学术写作和学习。
插件介绍¶
该插件名为 dsh-raven-research，当前版本为 v1 开发者预览。它是一个基于 Cordis 的插件，分为代理角色模式（raven_task、提示词和任务上下文）和可选的主机角色设置卡片。其核心目标是提供一个可调节的检查点、运行中引导以及与检索字节严格匹配的引用验证。
核心能力¶
插件提供以下核心功能：
- 渐进式任务抽象：提供一个单一的、证据感知的任务抽象，涵盖深度研究、通用写作、学术写作和学习。
- 可调节检查点：在任务运行过程中提供早期的有用检查点，允许在运行中引导（steer），无需重启整个任务。
- 引用验证：引用经过检索到的字节的验证，而非基于模型记忆。
- 综合阶段：执行综合处理，暴露摘要债务，并保留可检查的洞察候选，包含声明来源。
- 结构工作室：用于构建结构，为长篇写作呈现不同的论证架构选择。
- 来源检查：允许检查来源。
- 条件式 Markdown 写入：支持条件化的 Markdown 写入。
安装与启用¶
由于该插件尚未发布到 npm，需要从源代码检出安装。
- 在项目根目录运行以下命令构建并打包：
pnpm build && pnpm pack
- 将生成的 tarball 添加到 DSH 的部署环境中。
- 运行安装预设脚本并选择 Raven 作为会话模式：
npx dsh-raven-install-preset
典型用法¶
在 DSH 会话中直接提出需求，无需特殊的启动短语或单独的任务 UI。插件默认上下文引导为 auto，也可以设置为 off。
例如，进行深度研究时，可以提出以下请求：
Research the evidence for and against centralizing our recovery records. Show me an early useful evidence map, then turn the result into a decision memo for skeptical engineering directors. Preserve contradictions and keep the conclusion reusable.
在生成过程中，可以自然地回复以引导方向，例如：
reply naturally: Combine the recovery-risk opening with the uncertainty boundary, and focus on implementation risk.
适用场景与注意¶
该插件适合需要严谨证据支持和结构化论证的场景，如深度研究、学术写作和复杂决策分析。
注意事项：
* 当前为 v1 开发者预览版本。
* 插件已针对 DeepSeek Harness 0.1.2-alpha.1 进行了固定和测试。
* 上下文引导默认为 auto，可在配置中设置为 off。
总结¶
dsh-raven-research 通过在 DSH 主进程内引入渐进式任务和严格的源验证，改变了长篇研究和写作的工作流。它允许在运行过程中调整方向、检查引用来源并选择论证结构，适合需要高可信度和可重用结论的复杂写作任务。
