前言¶

DeepSeek Harness 的核心设计理念是“一切皆插件”，通过解耦功能模块来扩展智能体的能力边界。当本地推理模型（如 Qwen 2.5/3.8 27B 或 DeepSeek R1/V3）在本地运行时，面对有限的上下文窗口（32k–90k tokens），直接进行网络抓取往往会导致 Token 泛滥和模型注意力稀释。dsh-webstack 旨在解决本地部署场景下的联网需求，通过封装 SearXNG 和 Scrapling，为 DeepSeek Harness 提供企业级的元搜索与隐身抓取能力。

插件定位¶

该插件由 QuantumKuba 维护，属于“联网工具”类别。它是一个为 DeepSeek Harness (ctx.web) 设计的高级能力包，主要解决本地模型在获取外部信息时的两个痛点：一是上下文污染，二是安全与反爬虫。它不直接暴露复杂的 HTTP 细节，而是通过标准化的 Provider 接口与 Cordis ctx.web Runtime 交互。

核心能力¶

插件主要包含以下技术实现：

1. 搜索与抓取集成
   集成 SearXNG 进行元搜索，集成 Scrapling 进行抗反爬虫内容获取。模型通过原生 web_search 和 web_fetch 模式调用，无需感知底层差异。

2. 多层级获取管道
   针对不同复杂度的目标网站，系统自动选择最优抓取策略：

   • Tier 1 (默认)：使用 curl_cffi 模拟 Chrome TLS 指纹，针对文档、API、博客等静态或简单页面（平均耗时 531ms）。
   • Tier 2 (动态)：使用 Playwright Headless Chrome 处理客户端渲染的 SPA（平均耗时 2,088ms）。
   • Tier 3 (隐身)：使用 StealthyFetcher 处理 Cloudflare Turnstile 等高级反爬虫挑战（平均耗时 1,669ms）。

3. SSRF 安全防护
   在发起网络请求前执行严格的预检逻辑，确保安全：

   • DNS 预检：验证目标地址合法性。
   • 私有子网拦截：阻断回环地址、RFC 1918 私有地址及云元数据端点。
   • 同源重定向锁：严格限制跨域/跨协议重定向。
     安全检查耗时 < 0.2ms，在发起实际连接前即可拦截风险请求。

4. 上下文优化
   原始 HTML 包含大量冗余代码。插件利用 Harness 的 Turndown 管道将内容转换为 GitHub-Flavored Markdown (GFM)，73.1% 的 Token 节省率意味着原本需要 32.6k tokens 的 HTML，现在仅需约 8.8k tokens 即可表达完整语义，使本地大模型能处理更多文档。

5. 反爬虫对抗
   集成 Cloudflare Turnstile 自动求解器，并注入 Chromium canvas 噪声、抑制 WebRTC 泄露，模拟真实浏览器行为以通过指纹检测。

安装与依赖¶

根据已核实的事实，插件未提供明确的安装命令。使用前需确认环境满足以下要求：

• Node.js 版本：>= 22.18.0
• Peer Dependencies：
  • @deepseek-ai/cordis (版本范围 >=4.0.0 <5)
  • @deepseek-ai/dsh-web (版本 ^0.1.5-rc.2)

获取方式请参考插件目录或 GitHub 仓库：github.com/QuantumKuba/dsh-webstack

使用方式¶

插件通过 Cordis ctx.web Runtime 与 Provider 交互。模型开发者无需修改代码，只需在 Harness 配置中启用相应的 Provider 即可。

• 搜索：使用 searxng Provider。
• 获取：使用 scrapling Provider。

配置完成后，模型可继续使用 DeepSeek Harness 原生的 web_search 和 web_fetch 模式，底层自动调用上述多层级管道。

注意事项¶

• 输出限制：单次获取的输出最大字符限制为 50,000，防止上下文溢出。
• 运行权限：插件以当前 DeepSeek Harness 进程的权限运行。在安装使用前，建议检查源码与许可证（MIT）。
• 生态背景：本插件属于社区目录收录项目，与 DeepSeek 或幻方官方无直接从属关系。

总结¶

dsh-webstack 通过多层级管道和严格的 SSRF 防护，解决了本地模型在联网场景下的效率与安全问题。配合 73.1% 的 Token 节省优化，它为在有限上下文窗口内运行的本地大模型提供了可靠的“外挂大脑”。