DeepSeek Harness 插件介紹：dsh-delegation-workflow

在開發 DeepSeek Harness (DSH) 智能體時，主 agent 規劃任務後，往往需要將特定步驟委派給子代理執行。現有的通用子代理配置難以在調用時動態指定模型或推理強度，導致任務執行與審查環節缺乏精細控制。

這是什麼¶

dsh-delegation-workflow 是一個協作式委派工作流插件，由 Wh1stle05 維護。它爲 DeepSeek Harness 提供了一個 delegate_with_model 工具，實現了“主規劃 → 子執行 → 主審查”的工作流，讓主 agent 能夠將計劃中的步驟委派給子代理執行，並顯式指定該子代理的運行模型與思考強度。

核心功能¶

新增工具 delegate_with_model：主 agent 可使用該工具發起委派。
參數支持：支持 description（委派描述）、prompt（子代理任務說明，不共享父代理上下文）、provider（子代理 LLM 後端）、model（模型 ID）、reasoning_effort（推理強度，動態校驗支持檔位）、run_in_background（是否後臺運行）。
Web 端命令：新增 /delegate-model 斜槓命令，用於在 Web 界面選擇模型和思考強度，配置會持久化到 $DSH_HOME/settings.yaml。
通用設置：在通用設置中新增“子代理默認模型”條目，包含模型和思考強度兩個選擇器。
區別於內置 subagent：插件將調用方指定的 provider 和 model 寫入子代理的 AgentOptions，並在子代理發出首個請求前注入 reasoning_effort，提供更細粒度的控制。

安裝與啓用¶

安裝插件需先安裝 DeepSeek Harness (dsh 命令)。dsh plugin 命令底層轉發給 pnpm。

# 安裝最新版
dsh plugin --profile web add github:Wh1stle05/dsh-delegation-workflow

# 或固定到某個版本 tag
dsh plugin --profile web add github:Wh1stle05/dsh-delegation-workflow#v0.2.1

# 本地開發 (link 到工作副本，改完源碼重啓 dsh 即生效)
dsh plugin --profile web add link:/path/to/dsh-delegation-workflow

插件安裝後，倉庫自帶的 cordis.patch.yml 會自動生效，無需在 profile 的 cordis.patch.yml 中手動重複 insert（重複 insert 會在同一份 entry 列表裏產生兩個同名插件）。如需修改默認配置（如 provider、model、effort），可在 profile 的 cordis.patch.yml 中通過 id: delegation-workflow 定向覆蓋：

- id: delegation-workflow
  config:
    subagentProvider: spawn
    provider: commandcode-ubuntu1
    model: deepseek/deepseek-v4-pro
    reasoningEffort: high
    toolName: delegate_with_model

典型用法¶

典型用法遵循“主規劃 → 子執行 → 主審查”的流程：

主 agent 使用 todo_write 拆解計劃。
主 agent 使用 delegate_with_model 委派子代理執行第一步，參數包含模型和思考強度。
子代理執行並返回結果。
主 agent 對照計劃審查，直到驗收通過。

具體的工作流規則詳見 AGENTS.md 文件。

注意事項¶

進程重啓：插件源碼 (src/) 改動後需要重啓 dsh 進程纔會加載。
配置熱重載：cordis.patch.yml 中的配置修改支持熱重載。
概念區分：subagentProvider 是子代理的執行後端（transport，由 dsh-subagent-{spawn,fork}-in-process 註冊），而 provider 是 LLM 模型後端（如 opencode-go）。二者概念不同，不可混用，否則會報 no subagent provider registered for ...。
依賴管理：v0.2.1 起依賴改爲 peerDependencies，由 profile 解析，避免和 host 的包混用導致 import 失敗。

總結¶

該插件通過顯式控制子代理的模型與推理強度，增強了 DSH 中的任務委派能力。更多細節可查閱其 GitHub 倉庫。