dsh-arxiv-ml-search: 检索 arXiv 论文并验证智能体主张

前言¶

DeepSeek Harness (DSH) 的核心设计理念之一是「一切皆插件」。在开发智能体时，模型容易产生幻觉，或者仅凭训练记忆回答，而非基于真实依据。当需要引用机器学习领域的研究成果时，直接让模型检索并核对 arXiv 上的论文记录是更可靠的做法。

这是什么¶

这是一个 DeepSeek Harness 插件，由用户 babkiny 维护。它的核心价值在于让智能体在回答工程或理论问题时，能够通过 arXiv 论文来验证自己的主张，而不是仅依赖内部记忆。

核心功能¶

插件提供了两个工具和一个技能文件，用于处理论文检索与验证：

arxiv_search 工具：支持关键词、作者、类别、日期范围、排序和分页等参数。搜索结果返回截断的摘要，以控制成本。
arxiv_get 工具：用于获取特定论文 ID 的完整元数据和摘要。支持分段功能（max_chars + segment），以便处理长文本。
SKILL.md 技能：定义了智能体如何使用上述工具的流程。该技能指导模型重述主张、运行 2-3 个正交查询、正确阅读短列表、报告裁决（附带 ID），并严格限定在返回文本范围内，不妄断未提及的内容。
自动加载：插件在处理一般工程问题时会自动加载该技能，无需用户显式请求论文。
依赖关系：仅依赖 @deepseek-ai/dsh-tools。

安装与启用¶

安装过程通过 DSH 的插件命令完成。安装后，插件必须出现在 profile 的 dsh.profile.bundles 中才能被系统加载。

# 安装插件
dsh plugin --profile web add dsh-arxiv-ml-search

如果需要在特定 profile 中配置参数（例如限制每页结果数或超时时间），可以在 profile 的插件条目中设置以下配置项：

{
  "dsh": {
    "profile": {
      "bundles": ["dsh-arxiv-ml-search"],
      "plugins": {
        "dsh-arxiv-ml-search": {
          "limit": 10,
          "timeoutMs": 20000,
          "abstractChars": 350
        }
      }
    }
  }
}

典型用法¶

安装后，工具会自动出现在工具集中，无需额外参数。

命令行示例：

dsh --profile headless "Do any papers show RLHF hurting calibration? Cite ids."

直接调用示例：

node scripts/smoke.mjs "rlhf"

技能触发示例：
当智能体遇到工程问题时，即使不涉及“找论文”，技能也会被加载。例如：

“My RL agent gets a set of state features but the reward never makes it rely on some of them. How do I increase a specific feature’s influence?”

此时模型会加载技能并从真实论文中检索潜在方法（如潜在奖励塑形、好奇心、辅助任务等），并附带检索到的 arXiv ID。

适用场景与注意¶

适用场景：需要验证机器学习理论或工程主张的场景；需要引用 arXiv 论文的场景。
Peer Dependency 警告：必须保持 @deepseek-ai/dsh-tools 为 peer dependency，否则会破坏工具注册（Symbol 冲突）。dsh 在 profile 中配置了 autoInstallPeers: false，插件不得将其声明为普通依赖。
Bundle 配置：插件必须出现在 dsh.profile.bundles 中才能被加载。dsh plugin add 通常会自动处理，但如果遇到构建脚本被忽略（如 ERR_PNPM_IGNORED_BUILDS），可能导致安装成功但插件不显示。
Skill 描述限制：Skill 的描述被截断在 500 个字符以内，这意味着 whenToUse 的完整逻辑可能无法直接从描述中读取。
Windows 开发：在 Windows 上进行本地开发时，路径必须是绝对路径，并且需要使用 file:// URL 格式（例如 file:///C:/absolute/path/...），否则 ESM 加载器会报错。

短结尾¶

该插件通过将 arXiv 检索能力标准化为工具和技能，解决了智能体缺乏外部可验证知识源的问题。开发者可以通过简单的安装命令将其集成到现有流程中。

GitHub 仓库: https://github.com/babkiny/dsh-arxiv-ml-search
插件目录: https://www.skillhub.cn/plugins/babkiny/dsh-arxiv-ml-search