前言¶

DeepSeek Harness (DSH) 的核心理念是“一切皆插件”。在開發多智能體系統或處理複雜任務時，單一模型（通常是 DeepSeek R1）可能無法高效處理所有子任務。引入第三方模型（如 GLM、Kimi、Qwen）可以分擔壓力，但手動管理調用鏈路成本較高。

dsh-multi-model-orchestrator 插件解決了這個問題。它將主模型轉化爲一個“主腦”，負責將複雜任務拆解，並根據各子模型的特性（如推理能力、速度、成本）將子任務分發到最適合的模型上執行。

插件簡介¶

這是一個 DeepSeek Harness (dsh) 插件，由用戶 Bazley13 維護，採用 MIT 許可證。它的核心作用是將主 AI 模型升級爲一個多模型編排中心，通過系統提示注入和工具調用，實現模型感知的任務分發和按模型統計 Token 使用量。

安裝¶

安裝該插件需要將其添加到指定的 DSH 配置文件中。通常使用 web 配置文件。

dsh plugin --profile web add dsh-multi-model-orchestrator

安裝完成後，重啓 Harness 或重新加載配置文件。插件通過 cordis.patch.yml 加載爲配置文件層。

核心功能¶

該插件主要提供以下能力：

1. 多模型編排指導：插件向主模型注入系統提示，指導其如何拆解任務。它會提示主模型使用 subagent 工具，並明確指定 provider 和 model 參數。
2. 模型感知調度：你可以爲每個路由定義 strengths（優勢）和 weaknesses（劣勢）。主模型會閱讀這些備註，根據任務難度選擇合適的模型（例如用強推理模型處理複雜邏輯，用快/廉價的模型處理高吞吐量工作）。
3. 按模型 Token 統計：提供一個 model_token_usage 工具，用於報告每個 provider/model 組合在當前進程內的輸入、輸出、緩存讀寫 Token 及請求數量。

配置與使用¶

要啓用這些功能，需要在 $DSH_HOME/settings.yaml（默認路徑爲 ~/.dsh/settings.yaml）中進行配置。

1. 添加第三方模型路由¶

首先，你需要配置第三方模型的路由。GLM、Kimi、Qwen 等預設格式可以直接參考示例文件。每個路由只需配置 apiKeyEnv。

llm-pi-ai.providers:
  - api: openai-completions
    baseURL: https://open.bigmodel.cn/api/paas/v4
    apiKeyEnv: GLM_API_KEY
    models: ["glm-4.6"]

2. 啓用子代理模型選擇¶

允許主模型在調度子任務時選擇模型。需要設置 enabled: true 並在 allowedModels 中列出允許的模型。

subagent-model-selection:
  enabled: true
  allowedModels:
    - { provider: glm, model: glm-4.6 }
    # 可以添加更多路由，如 kimi, qwen 等

3. 添加模型備註¶

爲主模型提供模型能力的上下文，幫助其做出調度決策。

multi-model-orchestrator:
  modelNotes:
    glm/glm-4.6:
      description: Zhipu flagship, strong reasoning.
      strengths: complex reasoning, coding, agentic tool use
      weaknesses: slower and pricier

4. 執行任務¶

重啓 Harness 後，直接在主對話中提出複雜任務，例如：“把這個任務拆分成並行子任務，並分發到最合適的模型上。”

主模型會自動記錄子任務、調用 list_subagent_models 查看可用路由、並通過 subagent 工具分發任務。

注意事項¶

使用該插件時，有幾個關鍵細節需要注意：

1. Token 統計機制：model_token_usage 返回的數據是按進程累積的，每次 Harness 重啓都會清空。如果查詢結果爲空，請確保至少有一次模型調用返回了 usage 數據塊。
2. 編排提示的全局性：編排指導是注入到全局的，因此子代理也會讀取這些提示。提示的措辭旨在防止子代理陷入遞歸拆解其單一任務的循環。
3. 路由類型：第三方路由默認被註冊爲非推理模型。如果需要使用推理模型（如 GLM-5.3），可能需要在 Web 界面的“Models”頁面爲特定路由添加 reasoningEfforts 或 compat.thinkingFormat。
4. 推理模型兼容性：某些推理模型（例如 GLM-5.3 系列）在未明確指定 reasoning_effort 參數時會拒絕調用。如果分發失敗，請嘗試在配置中顯式指定推理等級（如 low）。
5. 憑證檢查：如果路由配置了 API Key 但環境變量或憑證文件中未提供，請求會在運行時報 MISSING_CREDENTIAL 錯誤。
6. 模塊加載錯誤：如果遇到 ERR_MODULE_NOT_FOUND: Cannot find package '@deepseek-ai/...'，通常是因爲手動鏈接了插件（raw link: + 手工創建 node_modules）而非通過 dsh plugin 安裝。請通過標準命令安裝。

總結¶

dsh-multi-model-orchestrator 爲 DSH 用戶提供了一個標準化的方式來利用多個模型。通過配置 settings.yaml，你可以將主模型轉化爲一個智能調度中心，實現任務的自動拆解和按需分發，同時監控各模型的 Token 消耗。

更多詳情與源碼，請訪問 GitHub。