DeepSeek Harness（DSH）的核心理念是“一切皆插件”。在开发或研究过程中，开发者常面临 AI 对话记录分散、难以形成结构化知识、无法有效追溯来源或复用研究材料的痛点。DSH Research Graph 插件旨在解决这些问题。
这是什么¶
DSH Research Graph 是一个 DeepSeek Harness Web 插件，由 benz-ai-x 维护。它属于“记忆”分类。该插件将 AI 对话组织成研究主题，并生成可追溯的知识卡片和可重用的研究材料。
核心功能¶
-
研究图
插件提供可视化的研究图，用于组织讨论。你可以检查分支和合并情况，支持拖动、折叠和重新布局。卡片显示轮次计数，检查器报告 Session 统计信息。 -
源追溯
通过搜索讨论文本，可以快速返回到精确的原始轮次，便于定位和审查上下文。 -
知识捕获
支持保存结论、条件和未决问题。你可以通过新修订对知识进行编辑和迭代。 -
AI 分析
插件支持提取选定的讨论内容，并对 2-3 个材料进行比较。在保存前可以进行审查。 -
跟进研究
可以从历史轮次或选定的卡片修订开始继续研究，保留已使用的材料作为上下文。 -
任务与交付
支持检查现有的子代理记录，并将研究结果导出为 Markdown 格式。
安装与启用¶
前置要求¶
- DSH Host 版本：0.1.7-rc.2（Web 模式）
- Node.js 版本：^22.19.0 或 >=24.0.0
- 系统环境：
dsh和pnpm命令需在 PATH 中可用
安装步骤¶
- 停止当前正在运行的
dsh web进程。 - 执行安装命令：
dsh plugin --profile web add @benz-ai-x/dsh-research-graph@0.1.7-rc.2
- 启动 DSH Web：
dsh web
- 在终端输出中找到登录 URL，打开后输入一个非空白 Session，并在界面中选择 Research Graph。
典型用法¶
在进入 Research Graph 界面后，流程通常为：
1. 读取一个源对话或知识卡片。
2. 使用 AI 分析功能提取关键信息或进行比较。
3. 将结论保存为知识卡片。
4. 基于该卡片或历史记录开始跟进研究。
5. 最后将研究产出导出为 Markdown。
适用场景与注意¶
该插件适合需要进行产品研究、技术调研以及持续知识管理的场景。
重要注意事项¶
- 数据位置：研究记录保存在 DSH Host 上，而工作位置（如展开的节点、视图状态）保持在浏览器中。Topic 的排列需要显式保存。
- 模型调用：浏览、手动捕获和导出操作不消耗模型额度；AI 生成和新讨论会按需调用模型。
- 代理能力：插件本身不包含预设或 Agent Team 启动器，仅提供研究工作台能力。
- 许可证：插件采用 MIT 许可证。
生态与支持¶
DSH 社区目录（如 skillhub.cn）与 DeepSeek / 幻方无官方从属关系。该插件托管在 GitHub 上，可查阅用户指南、故障排除及开发文档。
