前言¶
DeepSeek Harness (DSH) 的核心理念是「一切皆插件」。在长文本生产场景中，单一模型往往难以兼顾证据深度、逻辑严谨性与多视角批判。Lunheng 通过注册一个按需代理技能，将长文生产转化为一个包含人类检查点的 9 角色流水线，旨在解决长文写作中证据链薄弱与逻辑不自洽的问题。
插件定位¶
Lunheng 是一个 DeepSeek Harness (DSH) 插件包（v18.8.0），包含 package.json、cordis.patch.yml 和 lib/index.js。它不作为文本生成器使用，而是作为一套编排技能，将长文交付物拆解为 9 个独立角色（T1–T9）的流水线。
核心功能¶
插件注册了一个技能，通过 DSH 的 subagent 调用机制编排任务，具备以下特性：
-
9 角色流水线：
- T1–T3 (检索)：文献侦察、数据侦察、案例侦察。
- T4 (分析)：生成分析大纲。
- T5 (写作)：生成初稿。
- T6 (批判)：提供批判性报告。
- T7 (审计)：独立审计，输出审计报告与修订任务。
- T8 (终检)：最终定稿（由主控协调者执行）。
- T9 (审稿)：同行评审与 AI 痕迹闸检查。
-
三角证据基础：每个主张必须映射到文献
[Lxx]、数据[Dxx]和案例[Cxx]证据。 -
独立审计与人类检查点：
- 审计员（T7）只报告不编辑，确保客观性。
- 设置 4 个人类检查点：定题确认、大纲确认、第一手背景输入、终稿审阅。
-
只读工具与安全机制：
- 提供
lunheng_m_gate（M-gate 机械预检）和lunheng_char_count（纯字符计数）两个只读工具。 - 机制文件写入保护：全局拒绝针对技能包的
write/edit工具调用，防止静默重写管道规则。可通过环境变量LUNHENG_ALLOW_MECH_EDIT=1或配置项allowMechanismEdit绕过。
- 提供
安装与配置¶
安装过程请参考官方文档。通常涉及将插件包部署到 DSH 环境。
- 安装方式：资料提及安装验证文档位于
docs/installation.md。 - 配置项：在 DSH 配置文件（或环境变量）中设置以下参数：
quiet：静默模式控制。allowMechanismEdit：是否允许机制文件编辑（默认保护开启）。scriptTimeoutMs：脚本超时时间。scriptMaxOutputBytes：脚本最大输出字节。
- 环境变量：与上述配置项对应的
LUNHENG_QUIET/LUNHENG_ALLOW_MECH_EDIT环境变量同样有效。
典型用法与输出¶
该插件适合生成超过 2000 字符的内容，通常需要等待 1-3 小时。
- 输入：定题、长度要求、引用格式。
- 流程：
- 并行检索文献、数据与案例（T1-T3）。
- 人类确认大纲（Phase 2.5）。
- 人类提供第一手背景（Phase 3.5）。
- 批判与审计（T6, T7）。
- 修订（Phase 4.2）。
- 审稿与终检（T8, T9）。
- 输出：
- 证据卡片：文献卡片
[Lxx]（含 A/B/C 置信度）、数据卡片[Dxx]（含冲突数据对比）、案例卡片[Cxx]。 - 分析文档：论证线索、主张-证据映射、反驳计划。
- 草稿与报告：多版本草稿、批判报告（C1–C7）、审计报告（G0–G14）、同行评审报告。
- 最终交付：
final/定稿.md、图表、证据包、交付说明。
- 证据卡片：文献卡片
适用场景与限制¶
适用场景：
* 需要超过 2000 字符且需经得起推敲的内容。
* 依赖已发表证据而非仅靠观点。
* 需要大纲确认和终稿审阅的人类介入。
明确限制（不可自行完成）：
* 非文本生成器：它是一个流水线，不直接生成文本，而是编排代理生成。
* 数据来源：只能收集已发表的证据，需用户自行提供第一手材料。
* 统计分析：不运行 SPSS/R/Python，仅能引用结果。
* 图表与多媒体：不进行抓取/OCR/语音转文本，无内置文本转图像（T2I），无原始图像/视频处理能力。
* 代码执行：仅运行白名单脚本，其他代码执行需明确批准。
总结¶
Lunheng 通过严格的 9 角色分工与三角证据验证，将长文生产过程结构化。它结合了独立审计与人类检查点，适合需要高可信度长文的场景。开发者应检查源码与许可证（MIT）后，根据自身权限（特别是代码执行与文件写入权限）进行部署。
- 仓库地址：https://github.com/zuoyunlai/lunheng-article-pipeline-dsh
- 插件目录：https://www.skillhub.cn/plugins/zuoyunlai/lunheng-article-pipeline-dsh
