前言¶

在 DeepSeek Harness（DSH）里跑智能体时，很多分支逻辑仍依赖模型用自然语言回答，再由代码或后续 prompt 去解析「是/否、选哪一项、打几分」。这类做法 fragile：格式不稳、阈值难定、和业务代码耦合在 prompt 里。

下面介绍社区插件 dsh-jev（维护者 danbao）：它把 TypeSafe Jev（System One） 接到 DSH，给智能体一个 jev_ask 工具——传入待评估的 state 和一组 typed questions，拿回可分支的结构化结果（概率、choice 选项、score 档位等），而不是还要再 parse 的散文式回复。

这是什么¶

dsh-jev 是面向 DeepSeek Harness 的插件（npm 包名 dsh-jev，当前版本 0.1.0，MIT 许可证）。它不改动 harness 主循环，也不绑定 agent/pre-step 等决策层钩子；只是在工具层提供 jev_ask，专门做「带类型的判断题」。

后端默认走 OpenRouter（一个 OpenRouter key 即可）；配置里把 backend 设为 typesafe 可切到 TypeSafe 官方端点。插件用原生 fetch 调用 POST /v1/systemone，不依赖厂商 SDK；换后端主要是改 base URL、key 和 model id。

核心功能¶

jev_ask 工具¶

调用形态（概念上）如下：传入 state 与 questions[]，每条问题有 id、type、instructions，并按类型附带 options（choice）或 levels（score）等字段。

jev_ask({
  state: "Customer says they were charged twice, three days ago, and is upset.",
  questions: [
    { id: "urgent", type: "noul",   instructions: "Does this express urgency?" },
    { id: "team",   type: "choice", instructions: "Which team should handle this?",
      options: ["billing", "technical", "sales"] },
    { id: "anger",  type: "score",  instructions: "How upset is the customer?",
      levels: ["Calm", "Frustrated", "Very angry"] }
  ]
})

返回的 answers 是代码可直接分支的值，例如 noul 的概率、choice 的选中项与各选项概率、score 的数值与档位 legend；响应里还会带上 model id 与 token 用量（OpenRouter 侧可有 usage.cost）。README 中的示例 model 为 typesafe/jev-1.13-20260917。

问题类型¶

参数约定（摘自工具契约）：

• state：待评估文本；发送内容都会参与评估，只放问题需要的上下文。
• state_json：结构化 state 的 JSON 字符串；与 state 同时存在时优先用 state_json。
• 同一请求内多条问题 独立、并行 评估，适合批量原子题。

校验、密钥与重试¶

• 出站 / 入站双重校验：问题格式、答案完整性、选项是否在题面内、分布和为 1、类型匹配等；任一项失败则 整次调用失败，不会出现「读了一半」的判断。
• API key 按次解析、不缓存：字面量 apiKey → credentials 服务 → 进程环境；缺 key 不阻止插件加载（加载时打 warning），首次 jev_ask 才报错，便于先装插件后配密钥。
• 重试分类：429 / 529 / 5xx / 超时 / 连接错误会退避重试（尊重 Retry-After）；401 / 403 / 404 / 422 立即失败。timeoutMs 限制单次尝试，budgetMs 覆盖整次调用含退避。

v1 刻意不做的事¶

插件 不 做决策层（不绑 tool 收窄、执行前门禁、模型路由等），不 自动加载 skill、改 harness 循环、审批缓存或 dashboard，也 没有 浏览器配置卡片；配置在 cordis.yml / dsh 设置文档，密钥走 credentials 或环境变量。

安装与启用¶

DSH 从 dist/ 加载插件，需先在本机构建。官方 README 给出的步骤如下。

cd /path/to/dsh-jev
pnpm install
pnpm build          # dsh loads from dist/, so build before installing

dsh plugin --profile <name> add /path/to/dsh-jev
dsh --profile <name> --dump-config    # expect the "# == dsh-jev" layer and the jev row

开发时可不写入 profile，用 patch 覆盖：

pnpm dev            # tsc --watch
dsh web --patch ./cordis.patch.yml

运行环境要求 Node ^22.19.0 || >=24.0.0；peer 依赖包括 @deepseek-ai/cordis（>=4.0.2）及 dsh-credentials / dsh-settings / dsh-tools 等（见仓库 package.json）。

配置¶

最小配置只需 OpenRouter 密钥：

export OPENROUTER_API_KEY=sk-or-...

其余字段有默认值；在 profile 里覆盖 jev 插件行的 config 即可。完整字段说明见仓库 cordis.yml。常用项示例：

- id: jev
  name: 'dsh-jev'
  config:
    backend: typesafe            # openrouter (default) | typesafe
    apiKeyEnv: TYPESAFE_API_KEY  # credential reference (an environment variable name)
    model: jev-latest            # omit to use the per-backend default
    timeoutMs: 20000
    budgetMs: 45000
    maxRetries: 1

若 timeoutMs > budgetMs 或 baseURL 非法，设置写入会被拒绝，避免文档与运行态不一致。

典型用法与建议¶

1. 把问题拆成原子题：例如不要一条「给 pitch 打分」，而是分别问市场规模、技术可行性、差异化，再在业务代码里加权。
2. 同一 jev_ask 里批量提问：并行评估，延迟通常不会随题数线性暴涨。
3. 阈值自己定：choice 的最高概率选项不一定等于「足够确定」；用返回的 probabilities 在代码里设门槛。

智能体在对话中调用 jev_ask 后，用返回的 JSON 走 if/switch、路由到不同 tool 或人工队列即可；失败时表现为普通工具调用错误，模型可按错误信息补救（例如补 key、缩 state、改 question 格式）。

适用场景与注意¶

适合：需要在 agent 流程里做可重复、可测试的分流判断——客服分派、 urgency 检测、情绪档位、合规 yes/no 等，且希望 概率和选项 id 进代码 而不是进 prompt 字符串。

注意：

• 插件以 当前 dsh 进程权限 运行；安装前请自行审阅 GitHub 源码 与 MIT 许可证。
• 社区目录 SkillHub 上的 danbao/dsh-jev 是独立站点，与 DeepSeek / 幻方无官方从属关系；安装命令以仓库 README 为准（本地路径 dsh plugin add，而非凭名称拼接 github:owner/repo）。
• 无 API key 时插件仍可加载，但真正调用会失败；桌面 profile 下若 ctx.get('credentials') 为 undefined，解析会回退到环境变量。

小结¶

dsh-jev 把 TypeSafe Jev 的结构化判断能力封装成 DSH 工具 jev_ask：无 SDK、默认 OpenRouter、严格校验与可配置超时/重试，让智能体在 noul / choice / score 三类问题上拿到可直接分支的数据结构。

• 目录页：https://www.skillhub.cn/plugins/danbao/dsh-jev
• 源码与文档：https://github.com/danbao/dsh-jev