前言¶
DeepSeek Harness (DSH) 的插件生態旨在通過模塊化擴展解決特定場景的效率問題。單一思維模型在面對複雜決策時往往存在視角盲區。下面介紹一個能夠將經典思維模型轉化爲分析工具的插件，它通過模擬多位顧問從不同維度進行交叉分析，提供系統性的決策支持。
插件介紹¶
插件名稱：@weibaohui/dsh-thinktank
維護者：weibaohui
定位：該插件構建了一個包含 161 個經典思維模型的庫，用戶輸入問題後，插件會從決策、戰略、認知、心理、溝通、學習、系統、產品、執行九個視角調用 AI 模型進行分析，最終彙總出包含共識、分歧、盲區及行動清單的綜合報告。
核心功能¶
該插件主要包含以下能力：
-
161 個經典思維模型庫
模型庫按九大分類組織，包含第一性原理、逆向思維、二階思維、SWOT、PESTEL、商業模式畫布、護城河、北極星指標、確認偏誤、錨定效應、達克效應、費曼學習法、刻意練習、心流、複利效應、反饋迴路、黑天鵝、反脆弱、JTBD、福格行爲模型、PDCA、5Why、事前驗屍等。每個模型包含定義、要點、適用場景及引導分析問題。 -
四步向導流程
工作流分爲四個步驟：輸入問題（可附帶背景）→ 拷問澄清（可選）→ 選擇模型 → 確認提交。提交後自動跳轉歷史頁查看進度。 -
模型選擇機制
支持手動勾選，提供兩種推薦模式：- 關鍵詞匹配：基於本地 n-gram 算法，通過場景關鍵詞、名稱和定義進行加權匹配，響應速度快。
- AI 智能推薦：AI 通讀模型庫後生成推薦清單，每個推薦附帶具體理由。
-
雙模式分析
- 自動分析：Host 端將選中的模型按批次分發給多個 agent 會話並行執行（默認 3 路併發），完成後進行跨模型綜合。
- 提示詞往返：生成包含全部模型與輸出契約的提示詞，供用戶複製到任意 AI 會話執行後導入結果，作爲無 agent 服務時的降級路徑。
-
綜合報告生成
報告包含綜合結論、模型共識、觀點分歧、盲區提醒、行動清單（註明依據模型）及信號總覽（有利/不利/風險/中性）。每模型一張卡片，支持按分類過濾並導出 Markdown。 -
基於結論的追問
報告頁面底部可直接向“首席顧問”繼續提問，系統持有整份報告的上下文，答案持久化保存，重啓不丟失。
安裝與啓用¶
在終端中執行以下命令安裝插件：
dsh plugin add @weibaohui/dsh-thinktank
安裝完成後，入口默認位於左側欄的 Global panels（🦉 智囊團）。刷新頁面即可使用。
典型用法¶
- 輸入問題：在嚮導中輸入需要分析的問題，並補充背景信息（如約束條件、資源、時間線等）。
- 拷問澄清（可選）：讓 AI 對問題進行拷問澄清，回答會自動併入背景。
- 選擇模型：手動勾選模型，或使用 AI 智能推薦。建議選擇 6-24 個模型以進行交叉驗證。
- 確認提交：提交後自動跳轉至歷史頁，查看實時進度。
- 查看與導出：在報告頁查看綜合結論及分模型分析，支持導出 Markdown。
- 繼續追問：針對報告結論，在底部繼續盤問細節。
技術說明¶
- 架構：採用 Host 半體（純 CJS，零運行時依賴）和 Client 半體（React 函數組件）的分離架構。
- AI 輸出協議：AI 回覆末尾需包含
===MIND-JSON===標記及 JSON 對象，插件負責解析與校驗。 - 環境要求：引擎要求 Node >= 22.15，DSH 版本 >= 0.1.7-rc.2。
- 數據持久化：歷史記錄保存最近 50 份，基於
dsh_thinktankstorageDomain。 - 測試覆蓋：包含 25 個離線測試，覆蓋模型庫完整性、協議容錯、路由攔截及端到端流水線。
適用場景與注意¶
該插件適合需要從多維度審視問題、尋找決策盲區或進行系統化戰略規劃的複雜場景。使用前請確保當前 DSH 進程具備調用 AI 模型的權限，並建議在安裝前檢查源碼與許可證。
結尾¶
通過 @weibaohui/dsh-thinktank，可以將靜態的思維模型轉化爲動態的決策輔助工具。它不提供單一答案，而是通過多模型交叉驗證，幫助開發者梳理思路、識別盲區並制定行動清單。更多細節可參考 GitHub 倉庫。
