前言¶
DeepSeek Harness (DSH) 的核心理念是「一切皆插件」。在長文本生產場景中,單一模型往往難以兼顧證據深度、邏輯嚴謹性與多視角批判。Lunheng 通過註冊一個按需代理技能,將長文生產轉化爲一個包含人類檢查點的 9 角色流水線,旨在解決長文寫作中證據鏈薄弱與邏輯不自洽的問題。
插件定位¶
Lunheng 是一個 DeepSeek Harness (DSH) 插件包(v18.8.0),包含 package.json、cordis.patch.yml 和 lib/index.js。它不作爲文本生成器使用,而是作爲一套編排技能,將長文交付物拆解爲 9 個獨立角色(T1–T9)的流水線。
核心功能¶
插件註冊了一個技能,通過 DSH 的 subagent 調用機制編排任務,具備以下特性:
-
9 角色流水線:
- T1–T3 (檢索):文獻偵察、數據偵察、案例偵察。
- T4 (分析):生成分析大綱。
- T5 (寫作):生成初稿。
- T6 (批判):提供批判性報告。
- T7 (審計):獨立審計,輸出審計報告與修訂任務。
- T8 (終檢):最終定稿(由主控協調者執行)。
- T9 (審稿):同行評審與 AI 痕跡閘檢查。
-
三角證據基礎:每個主張必須映射到文獻
[Lxx]、數據[Dxx]和案例[Cxx]證據。 -
獨立審計與人類檢查點:
- 審計員(T7)只報告不編輯,確保客觀性。
- 設置 4 個人類檢查點:定題確認、大綱確認、第一手背景輸入、終稿審閱。
-
只讀工具與安全機制:
- 提供
lunheng_m_gate(M-gate 機械預檢)和lunheng_char_count(純字符計數)兩個只讀工具。 - 機制文件寫入保護:全局拒絕針對技能包的
write/edit工具調用,防止靜默重寫管道規則。可通過環境變量LUNHENG_ALLOW_MECH_EDIT=1或配置項allowMechanismEdit繞過。
- 提供
安裝與配置¶
安裝過程請參考官方文檔。通常涉及將插件包部署到 DSH 環境。
- 安裝方式:資料提及安裝驗證文檔位於
docs/installation.md。 - 配置項:在 DSH 配置文件(或環境變量)中設置以下參數:
quiet:靜默模式控制。allowMechanismEdit:是否允許機制文件編輯(默認保護開啓)。scriptTimeoutMs:腳本超時時間。scriptMaxOutputBytes:腳本最大輸出字節。
- 環境變量:與上述配置項對應的
LUNHENG_QUIET/LUNHENG_ALLOW_MECH_EDIT環境變量同樣有效。
典型用法與輸出¶
該插件適合生成超過 2000 字符的內容,通常需要等待 1-3 小時。
- 輸入:定題、長度要求、引用格式。
- 流程:
- 並行檢索文獻、數據與案例(T1-T3)。
- 人類確認大綱(Phase 2.5)。
- 人類提供第一手背景(Phase 3.5)。
- 批判與審計(T6, T7)。
- 修訂(Phase 4.2)。
- 審稿與終檢(T8, T9)。
- 輸出:
- 證據卡片:文獻卡片
[Lxx](含 A/B/C 置信度)、數據卡片[Dxx](含衝突數據對比)、案例卡片[Cxx]。 - 分析文檔:論證線索、主張-證據映射、反駁計劃。
- 草稿與報告:多版本草稿、批判報告(C1–C7)、審計報告(G0–G14)、同行評審報告。
- 最終交付:
final/定稿.md、圖表、證據包、交付說明。
- 證據卡片:文獻卡片
適用場景與限制¶
適用場景:
* 需要超過 2000 字符且需經得起推敲的內容。
* 依賴已發表證據而非僅靠觀點。
* 需要大綱確認和終稿審閱的人類介入。
明確限制(不可自行完成):
* 非文本生成器:它是一個流水線,不直接生成文本,而是編排代理生成。
* 數據來源:只能收集已發表的證據,需用戶自行提供第一手材料。
* 統計分析:不運行 SPSS/R/Python,僅能引用結果。
* 圖表與多媒體:不進行抓取/OCR/語音轉文本,無內置文本轉圖像(T2I),無原始圖像/視頻處理能力。
* 代碼執行:僅運行白名單腳本,其他代碼執行需明確批准。
總結¶
Lunheng 通過嚴格的 9 角色分工與三角證據驗證,將長文生產過程結構化。它結合了獨立審計與人類檢查點,適合需要高可信度長文的場景。開發者應檢查源碼與許可證(MIT)後,根據自身權限(特別是代碼執行與文件寫入權限)進行部署。
- 倉庫地址:https://github.com/zuoyunlai/lunheng-article-pipeline-dsh
- 插件目錄:https://www.skillhub.cn/plugins/zuoyunlai/lunheng-article-pipeline-dsh