前言¶
DeepSeek Harness (DSH) 的核心理念是「一切皆插件」。当智能体需要从外部获取信息时，传统的单点搜索往往效率低下且数据结构杂乱。该插件提供了一套统一的解决方案，旨在解决 AI 编程代理在网络搜索和证据收集上的碎片化问题。
是什么¶
这是由开发者 Mr-remon219 维护的一个联网工具插件，开源协议为 MIT。它通过一个共享的核心运行时，实现了多引擎搜索、网页内容提取、X/Twitter 社区情报获取以及 Jev 意图引导搜索等功能。该工具支持统一的 MCP 服务器、Pi 扩展以及 DeepSeek Harness (DSH) Bundle，能够适配不同的开发环境。
核心功能¶
该插件提供了以下核心能力：
-
多引擎并行融合 (
fused_search)
支持同时向多个搜索引擎提供商发起查询。内置了无需 API Key 的免费引擎池（如 Bing、DuckDuckGo、Yahoo 等）以及支持 API Key 的付费池（如 Tavily、Brave 等）。具备自动的跨引擎 URL 去重、域名路由和相关性重排序能力。 -
网页内容提取器 (
fetch_page)
优先获取源站内容以降低延迟，支持同路由 curl 兼容性回退和 Jina Reader 备选。能够自动剥离 CSS、JS 和广告干扰，支持通过focus参数聚焦上下文段落提取，并带有内存缓存和大小限制。 -
X/Twitter 社区情报 (
x_search)
通过官方 xAI API 或匿名回退通道，检索公开帖子、用户时间线和讨论线程。基于可验证的 Snowflake ID 推导 UTC 时间戳，仅在元数据可验证时应用作者/日期过滤器。注意：覆盖范围可能不完整或过时。 -
Jev 意图引导搜索 (
adaptive_search)
这是一个实验性功能。只需提供完整的问题和必需的研究意图，系统会自动选择固定的排序预设和社区分支筛选策略。支持对搜索结果进行固定安全性和原型值（3/4/5）的筛选。 -
原生多智能体并行研究
将search-boost和search-boost-parallel-research技能打包。在支持子智能体的主机（如 Cursor、Claude Code、Pi、DSH）中，可以将任务分发给并行的搜索者（收集证据）和总结者（纯合成），支持快速和复杂两波次流程。 -
统一的生态系统核心
提供一个主机无关的核心运行时，驱动标准 MCP 服务器，并为 Pi 和 DSH 提供原生扩展和 Cordis 插件包适配。
安装与启用¶
安装请通过官方提供的 Bundle 机制进行，或参考源码编译。该工具依赖于 Node.js 环境（要求 >=22.13）。
典型用法¶
- 并行查询：调用
fused_search工具，向多个搜索引擎并行发起查询请求。 - 低延迟获取：调用
fetch_page，系统会优先尝试从源站获取内容以降低延迟。 - 社交情报：调用
x_search，利用官方 API 获取特定话题下的公开讨论或用户时间线。 - 意图导向：在调用搜索工具时，提供完整的问题描述和具体的研究意图（如 “compare”, “summarize”），以触发
adaptive_search的筛选逻辑。
适用场景与注意¶
- 适用场景：需要为 AI 编程代理提供联网能力、进行多源信息验证、或者需要针对特定领域（如 X 平台）进行情报收集的开发者。
- 安全与隐私：
- 插件支持零配置启动免费引擎池，无需 API Key。
- 敏感凭证以明文形式存储在本地私有配置中，文件权限被限制为 POSIX
0600（非静态加密）。 - 使用本地网络和代理 DNS，请求有界并支持显式回退。
- 局限性：
- 搜索覆盖面可能不完整、陈旧或为空。
- 不对答案的准确性或完整性做出承诺。
短结尾¶
该插件为 DeepSeek Harness 生态提供了一套成熟的联网工具链。如果你正在构建需要深度信息检索的智能体，可以通过插件目录或 GitHub 仓库进行集成。
