dsh-dev-wrapped：DeepSeek Harness 编程行为年度回顾

DeepSeek Harness (DSH) 用户在长期使用中积累了大量的对话与工具调用数据。如何直观地回顾这些数据，了解与 AI 结对编程的行为模式，往往缺乏工具支持。dsh-dev-wrapped 旨在解决这一问题，通过统计 DSH 会话数据，生成可视化的年度报告卡片。

这是什么¶

这是一个用于生成 DeepSeek Harness（DSH）开发者年度报告的插件。它采用类 Spotify Wrapped 的编程回顾形式，统计用户与 AI 结对编程的行为，并生成单文件 HTML 报告卡片供分享。插件由 SleepEggTart 维护，核心价值在于提供“100% 本地解析”与“诚实统计”。

核心功能¶

该插件主要包含以下能力：

数据解析与统计：支持扫描 ~/.dsh/sessions（zstd 压缩 JSONL）数据。工具优先调用系统 zstd CLI 流式解压，未安装时自动回退 fzstd。
适配器架构：通过 NormalizedEvent 模型解耦解析层与统计层。支持 DSH 和 Claude Code 等多种数据源，并支持 --adapter all 跨数据源合并。
报告模式：提供两种模式。默认为逐屏叙事报告（scroll-snap），--compact 切换为紧凑单页卡片。
深度统计：包含工具错误率排行、深夜（0-6 点）编码占比、工作日/周末分布、模型分布、DSH agentPreset 分布等。
成就徽章：内置 11 枚游戏化徽章（如深夜代码手、周末战士），可量化显示铜/银/金三级；另有 2 枚隐藏彩蛋徽章（如 996 警告）。
年度对比：通过 --compare 对比今年与去年的会话、轮次、工具调用、活跃天数与 Token，展示成长曲线。
逐月回放：按月分屏回顾，仅渲染有活动的月份。
AI 总结 Prompt：每次运行输出 *-prompt.txt，复制粘贴回 DSH 或 Claude Code 即可生成零成本的本地个性化总结。
开发者人格：基于作息（峰值小时）与风格（工具调用量）生成六种人格画像（如午夜建筑师、晨光指挥官）。
工程完备：项目包含 CI（Node 18/20/22 矩阵）、版本管理（changesets）及 fuzz 容错测试。

安装与启用¶

使用 DSH 插件管理安装（推荐）：

dsh plugin --profile <你的profile名> add dsh-dev-wrapped

使用 GitHub 直装（备选）：

dsh plugin --profile <你的profile名> add github:SleepEggTart/dsh-dev-wrapped

安装后，在 DSH 对话框输入斜杠命令即可生成报告：

/wrapped                    # 生成报告（默认 DSH 数据源）
/wrapped --adapter all      # 合并 DSH + Claude Code

典型用法¶

以下为几种常见的调用方式：

默认 DSH 数据源：

    /wrapped

跨数据源合并：

    /wrapped --adapter all

年度对比与紧凑模式：

    /wrapped --year 2026 --compare --compact

CLI 本地运行（指定日期范围）：

    dsh-dev-wrapped --since 2026-08-01 --until 2026-08-31 --include-subagents

扫描 Claude Code 会话：

    npx dsh-dev-wrapped --adapter claude-code

自动检测数据源：

    dsh-dev-wrapped --adapter auto

年度回顾 + 成本估算 + 英文卡片：

    dsh-dev-wrapped --year 2026 --estimate-cost --lang en

适用场景与注意¶

适合需要回顾与 AI 协作效率、统计编码习惯的开发者。

使用前需注意以下事项：

数据格式变更：DSH 处于开发者预览阶段，~/.dsh/sessions 数据格式可能随版本演进发生破坏性变更。
运行时权限：插件以当前 DSH 进程权限运行，安装前应检查源码与许可证。
数据完整性：正在写入的会话文件（DSH 运行中）可能读到不完整数据；损坏文件会被警告并跳过。
平台依赖：Windows 下 zstd 需在 PATH 中；缺失时自动回退 fzstd，若两者均无则 CLI 会输出平台对应的安装命令。

总结¶

dsh-dev-wrapped 提供了一套工程完备的方案，将分散的 DSH 会话数据转化为结构化的年度报告。无论是为了量化 AI 工具的使用效率，还是为了寻找隐藏的“开发者人格”与“成就徽章”，它都能在本地完成，且不依赖任何云服务。