DeepSeek Harness 插件：dsh-skill-evolution

前言¶

在 DeepSeek Harness (DSH) 的插件生态中，智能体的记忆与技能管理是提升复用效率的关键。开发者通常需要从大量执行轨迹中手动提炼可复用的技能，这不仅耗时，还容易遗漏。dsh-skill-evolution 插件旨在解决这一问题，它通过事件驱动的机制，自动监控并结晶智能体在成功回合中的经验。

插件简介¶

dsh-skill-evolution 是一个 DeepSeek Harness (DSH) 插件，由维护者 VanadisGithub 开发。它的核心逻辑是：在智能体成功执行一个回合后，根据特定信号触发 LLM 审查，将可重用的工作流结晶为独立的技能。

核心能力¶

事件驱动结晶
插件监听 turn/end 事件，而非基于简单的频率计数。当满足条件时，触发 LLM 审查。
LLM 审查门控
审查 LLM 会判断是结晶新技能、合并到现有技能还是跳过。配合硬性不捕获列表，防止结晶环境依赖、临时错误等垃圾内容。
技能持续进化
新的经验会被合并进现有技能，版本号会更新。支持语义去重 (FOLD_INTO)，即使通过不同工具序列重现了相同的经验，也能合并。
管理与持久化
插件在设置面板提供完整的管理 UI，可查看技能卡片、版本、调用次数等。技能持久存储在 generated/ 目录下，重启后自动注册。

安装与配置¶

官方安装（推荐）¶

如果插件已发布至 npm，可使用 CLI 安装：

dsh plugin --profile web add dsh-skill-evolution

本地开发安装¶

克隆仓库：

   git clone https://github.com/VanadisGithub/dsh-skill-evolution.git ~/Code/dsh-skill-evolution

修改 ~/.dsh/profiles/web/package.json，添加依赖：

   "dsh-skill-evolution": "link:/Users/<you>/Code/dsh-skill-evolution"

在 ~/.dsh/profiles/web 目录下运行 pnpm install。

手动挂载（调试用）¶

将插件文件放入指定目录，并修改 ~/.dsh/cordis.patch.yml：

- insert:
  - id: 'skill-evolution'
    name: file:///Users/<you>/.dsh/plugins/skill-evolution/plugin.mjs?v=1
    config:
      minToolCalls: 5
      minPatternOccurrences: 3
      autoRegister: true
      llmProvider: deepseek
      llmModel: deepseek-chat

注意：以上三种方式请选择其一，重复挂载会导致双重实例。

工作原理¶

信号检测¶

插件在回合结束时检查三种信号：
* complex：成功回合且工具调用次数 ≥ minToolCalls（默认 5）。
* recovered：回合成功，但包含失败步骤后恢复。
* repeated：相同的工具序列重复出现 ≥ minPatternOccurrences（默认 3）次，且成功率 ≥ minSuccessRate（默认 0.7）。
* 佐证门控：默认情况下，单一的 complex 信号会被拦截，直到出现 recovered 或 repeated 佐证。

审查与决策¶

审查 LLM 接收信号、意图和工具序列等信息，返回以下之一：
* SAVE：结晶新技能。
* FOLD_INTO：合并到现有技能（语义去重）。
* NOTHING_TO_SAVE：不保存（如环境依赖失败）。

输出格式¶

结晶的技能以 SKILL.md 格式存储，包含标题、使用场景、步骤、陷阱和验证方法。

设置与使用¶

安装后，在 DSH 的设置面板中会出现 “Skill Evolution” 部分。这里可以：
* 查看已结晶的技能卡片（包含价值评级、版本、调用次数）。
* 调整结晶和改进的系统提示词。
* 直接修改配置参数（如 minToolCalls、skillLanguage 等），设置中的修改会持久化并覆盖挂载配置。

注意事项¶

硬性不捕获列表：插件内置了不捕获列表，防止结晶如“工具 X 已损坏”等负面声明或环境依赖错误。
依赖限制：插件主机端仅依赖 Node.js 内置模块 (node:)，不引入外部依赖。
许可证：插件采用 MIT 许可证。

总结¶

dsh-skill-evolution 通过信号机制和 LLM 审查，实现了智能体技能的自动化提取与持续进化。它适合希望减少重复劳动、提升智能体复用率的开发者。完整文档与源码可参考 GitHub 仓库。