前言¶

DeepSeek Harness 的核心設計理念是“一切皆插件”，通過解耦功能模塊來擴展智能體的能力邊界。當本地推理模型（如 Qwen 2.5/3.8 27B 或 DeepSeek R1/V3）在本地運行時，面對有限的上下文窗口（32k–90k tokens），直接進行網絡抓取往往會導致 Token 氾濫和模型注意力稀釋。dsh-webstack 旨在解決本地部署場景下的聯網需求，通過封裝 SearXNG 和 Scrapling，爲 DeepSeek Harness 提供企業級的元搜索與隱身抓取能力。

插件定位¶

該插件由 QuantumKuba 維護，屬於“聯網工具”類別。它是一個爲 DeepSeek Harness (ctx.web) 設計的高級能力包，主要解決本地模型在獲取外部信息時的兩個痛點：一是上下文污染，二是安全與反爬蟲。它不直接暴露複雜的 HTTP 細節，而是通過標準化的 Provider 接口與 Cordis ctx.web Runtime 交互。

核心能力¶

插件主要包含以下技術實現：

1. 搜索與抓取集成
   集成 SearXNG 進行元搜索，集成 Scrapling 進行抗反爬蟲內容獲取。模型通過原生 web_search 和 web_fetch 模式調用，無需感知底層差異。

2. 多層級獲取管道
   針對不同複雜度的目標網站，系統自動選擇最優抓取策略：

   • Tier 1 (默認)：使用 curl_cffi 模擬 Chrome TLS 指紋，針對文檔、API、博客等靜態或簡單頁面（平均耗時 531ms）。
   • Tier 2 (動態)：使用 Playwright Headless Chrome 處理客戶端渲染的 SPA（平均耗時 2,088ms）。
   • Tier 3 (隱身)：使用 StealthyFetcher 處理 Cloudflare Turnstile 等高級反爬蟲挑戰（平均耗時 1,669ms）。

3. SSRF 安全防護
   在發起網絡請求前執行嚴格的預檢邏輯，確保安全：

   • DNS 預檢：驗證目標地址合法性。
   • 私有子網攔截：阻斷迴環地址、RFC 1918 私有地址及雲元數據端點。
   • 同源重定向鎖：嚴格限制跨域/跨協議重定向。
     安全檢查耗時 < 0.2ms，在發起實際連接前即可攔截風險請求。

4. 上下文優化
   原始 HTML 包含大量冗餘代碼。插件利用 Harness 的 Turndown 管道將內容轉換爲 GitHub-Flavored Markdown (GFM)，73.1% 的 Token 節省率意味着原本需要 32.6k tokens 的 HTML，現在僅需約 8.8k tokens 即可表達完整語義，使本地大模型能處理更多文檔。

5. 反爬蟲對抗
   集成 Cloudflare Turnstile 自動求解器，並注入 Chromium canvas 噪聲、抑制 WebRTC 泄露，模擬真實瀏覽器行爲以通過指紋檢測。

安裝與依賴¶

根據已覈實的事實，插件未提供明確的安裝命令。使用前需確認環境滿足以下要求：

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

獲取方式請參考插件目錄或 GitHub 倉庫：github.com/QuantumKuba/dsh-webstack

使用方式¶

插件通過 Cordis ctx.web Runtime 與 Provider 交互。模型開發者無需修改代碼，只需在 Harness 配置中啓用相應的 Provider 即可。

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

配置完成後，模型可繼續使用 DeepSeek Harness 原生的 web_search 和 web_fetch 模式，底層自動調用上述多層級管道。

注意事項¶

• 輸出限制：單次獲取的輸出最大字符限制爲 50,000，防止上下文溢出。
• 運行權限：插件以當前 DeepSeek Harness 進程的權限運行。在安裝使用前，建議檢查源碼與許可證（MIT）。
• 生態背景：本插件屬於社區目錄收錄項目，與 DeepSeek 或幻方官方無直接從屬關係。

總結¶

dsh-webstack 通過多層級管道和嚴格的 SSRF 防護，解決了本地模型在聯網場景下的效率與安全問題。配合 73.1% 的 Token 節省優化，它爲在有限上下文窗口內運行的本地大模型提供了可靠的“外掛大腦”。