dsh-thinking-levels-settings: 爲 DSH Web 自定義提供商配置模型推理檔位

前言

DeepSeek Harness(DSH)支持通過 llm-pi-ai 提供商接入自定義模型。在 Web 界面中,官方默認的設置通常難以直接針對每個模型精細化管理推理檔位(reasoningEfforts),這通常需要手動編輯配置文件。

dsh-thinking-levels-settings 是一個官方形態的 client-plugin 插件,它爲 DSH Web 的「設置 → 思考級別」新增了一頁。它允許你爲自定義提供商的每個模型配置推理檔位,並通過官方 Settings 通道將配置持久化到本地文件。

核心功能

該插件主要提供以下能力:

  • 按模型配置推理檔位:插件會從 DSH 的 settings schema 中發現可用的檔位詞表(如 off / minimal / low / medium / high / xhigh / max)。如果發現失敗,會回退到內置的七個檔位。DSH 未來新增檔位無需升級插件即可跟隨。
  • 三種推理模式:
    • 繼承目錄:省略配置字段,沿用提供方目錄對該模型的能力聲明。
    • 非推理:寫入 reasoningEfforts: false,模型菜單中不提供任何檔位。
    • 啓用檔位:逐檔聲明協議值(除 Off 外至少需要一個檔位,由 DSH 硬校驗)。
  • 輸入能力勾選:支持勾選 text 或 image。兩個都不勾選則等同於繼承目錄;這主要是對端點的斷言,由提供方拒絕不支持的輸入。
  • 預設檔位協議:提供 DeepSeek / OpenAI / Grok 三套協議的預置映射(按當前可用檔位取子集)。
  • 雙層摺疊界面:提供方分組與模型行兩級摺疊。摺疊狀態下仍顯示檔位摘要與輸入能力徽章,摺疊狀態會記錄在瀏覽器本地存儲中。
  • 搜索與篩選:支持按模型名、ID 或提供方搜索。提供快捷篩選(全部/支持圖片),以及更多篩選項(已配置/未配置/非推理/未保存),篩選僅展開命中的分組。
  • 實時預覽與保存:展開區實時預覽模型菜單將提供的檔位。點擊「保存全部」寫入所有未保存改動,每次保存克隆整段數組以確保數據安全,並使用 expectedRevision 校驗衝突。
  • 導出與導入:支持導出當前配置或草稿爲 JSON 文件,導入時僅用於確認草稿,不會直接寫入配置文件。

安裝與啓用

安裝該插件需要 DSH CLI 環境以及 Web profile。

1. 安裝插件

使用官方 CLI 安裝(方式 A):

dsh plugin --profile web add -w github:blackteaYES/dsh-thinking-levels-settings#master

注意:-w 參數在 pnpm 版本低於 10.5.0 時是必需的,但在新版本中帶上也無害。master 分支由 CI 自動維護爲預構建產物,無需本地構建。

2. 升級檢查

如果你的 DSH 版本在 2.0 或更低,升級前需要清理被污染的 profile(舊版依賴會導致 Cannot read properties of undefined (reading 'parse') 等錯誤)。請先運行移除命令,並檢查 ~/.dsh/profiles/web 目錄下是否殘留 @deepseek-ai 相關目錄。

3. 啓用

安裝完成後重啓 dsh,在瀏覽器中硬刷新(Ctrl+Shift+R),進入「設置 → 思考級別」即可看到新增的管理頁面。

使用說明

在「思考級別」頁面中,插件會自動探測並展示已配置了 llm-pi-ai 提供方的列表。

  1. 選擇一個提供方,展開其下的模型列表。
  2. 點擊模型旁的編輯圖標,配置推理模式、啓用檔位及輸入能力。
  3. 使用頂部的搜索框篩選模型,或使用快捷篩選按鈕快速查看狀態。
  4. 配置完成後,點擊工具欄的「保存全部」按鈕。
  5. 如需備份或遷移配置,可點擊「更多 ▾」選擇導出/導入 JSON。

注意事項

  • 前置條件:必須在 profile 中配置了自定義的 llm-pi-ai 提供方,否則頁面會提示沒有可編輯的提供方。
  • 持久化路徑:配置會寫入 ~/.dsh/settings.yaml,重啓後保留。
  • 寫入策略:設置通道不支持數組下標操作,插件採用克隆數組後整體寫入的策略,避免數據損壞。
  • 國際化:插件接入了 DSH 自帶的 locale 服務,支持中英文切換。

總結

dsh-thinking-levels-settings 解決了在 DSH Web 界面下精細化管理自定義模型推理能力的痛點。通過提供友好的 GUI 界面和預設協議,它降低了手動維護 YAML 配置的門檻,適合需要在多個模型間統一或差異化配置推理強度的場景。

查看插件目錄
查看源代碼

羽毛球分组比赛记分
小程序二维码

欢迎使用《羽毛球分组比赛记分》微信小程序

小夜