前言¶
DeepSeek Harness（DSH）的核心理念是“一切皆插件”。在插件生态中，dsh-skill-studio 专注于从本地会话中提取可复用的技能，而 dsh-skill-recommender 则专注于通过分析会话记录，向用户推荐社区中已有的开源技能。两者互补，前者构建内部资产，后者扩展外部能力。
插件简介¶
该插件由 zhengjy01 维护，遵循 MIT 许可证。它不依赖外部 API，纯本地运行，能够读取 DSH、Codex 和 Claude 的会话记录，构建用户画像，并结合本地与远程技能目录，通过加权模型对技能进行评分与排序。
安装与启用¶
通过官方插件命令安装。安装后需重启宿主并刷新 Web 界面。
- 执行安装命令：
dsh plugin --profile web add dsh-skill-recommender
- 重启与配置：
重启 DSH 宿主后，刷新浏览器。进入 Web 设置面板，找到 Skill 推荐器 卡片。
核心功能¶
1. 会话分析与画像构建¶
插件读取本地文件：
* DSH 会话：~/.dsh/sessions/**/session.jsonl.zstd
* Codex 会话：~/.codex/*.jsonl
* Claude 会话：~/.claude/projects/**/*.jsonl
不需要 API 密钥。根据读取的数据，构建包含主题分布、高频工具、任务类型、项目目录等维度的用户画像。
2. 技能目录吸收¶
插件整合多源技能目录：
* 本地目录：~/.agents/skills、~/.dsh/skills、Obsidian 中的 2️⃣ AI/Skill。
* 远程目录：支持 awesome-dsh-skills、awesome-dsh-plugin、awesome-deepseek-harness 等列表，以及 GitHub 平台上的 Agent/Claude/Codex 技能。
* 包含一个内置的种子目录，确保即使没有输入也有结果返回。
3. 加权评分与排名¶
采用加权模型计算技能与用户的匹配度：
$$ score = \frac{\sum(w_i \times sim_i)}{\sum(w_i)} $$
其中维度包括：主题、工具、任务、邻近度。
默认权重模型为 {topic: 50, tool: 50, task: 35, near: 40}。
4. 可调节的匹配指数¶
插件提供一个全局的“匹配指数”（0–100，默认 60）作为门控。只有当技能得分大于等于该指数时，才会被推荐。Web 面板支持实时调整此滑块，从而筛选出高相关性或极少数的高匹配技能。
5. Web 设置面板¶
在 Web 设置面板中，你可以：
* 点击 扫描 按钮触发分析。
* 拖动 匹配指数 滑块调整筛选阈值。
* 拖动四个维度的权重滑块调整评分权重。
* 开启/关闭各类目录源。
* 开启“含插件”以包含 DSH 插件。
* 设置后台自动扫描频率（默认 60 分钟）。
命令行工具¶
插件提供以下命令行工具：
recommender_scan：扫描会话并构建画像，生成初始推荐。recommender_recommend：推荐技能，支持动态覆盖index、topN、weights参数。recommender_profile：查看当前用户画像（主题、工具、任务、项目）。recommender_config：配置来源目录、参数、窗口大小等。recommender_status：查看插件状态，不泄露敏感信息。
配置与注意事项¶
- 配置文件：保存在
~/.dsh/dsh-skill-recommender/config，文件权限为0600。 - 远程缓存：远程目录缓存有效期为 6 小时。
- GitHub 搜索：默认
github-discovery源会搜索整个平台（包括 agent、claude、codex 技能、SKILL.md、awesome 列表），结果按星标排序，受 GitHub 未认证搜索限制（10 req/min）。 - 安全：纯本地文件读取，不存储或回显密钥。
