前言¶

在 DeepSeek Harness（DSH）裏跑智能體時，很多分支邏輯仍依賴模型用自然語言回答，再由代碼或後續 prompt 去解析「是/否、選哪一項、打幾分」。這類做法 fragile：格式不穩、閾值難定、和業務代碼耦合在 prompt 裏。

下面介紹社區插件 dsh-jev（維護者 danbao）：它把 TypeSafe Jev（System One） 接到 DSH，給智能體一個 jev_ask 工具——傳入待評估的 state 和一組 typed questions，拿回可分支的結構化結果（概率、choice 選項、score 檔位等），而不是還要再 parse 的散文式回覆。

這是什麼¶

dsh-jev 是面向 DeepSeek Harness 的插件（npm 包名 dsh-jev，當前版本 0.1.0，MIT 許可證）。它不改動 harness 主循環，也不綁定 agent/pre-step 等決策層鉤子；只是在工具層提供 jev_ask，專門做「帶類型的判斷題」。

後端默認走 OpenRouter（一個 OpenRouter key 即可）；配置裏把 backend 設爲 typesafe 可切到 TypeSafe 官方端點。插件用原生 fetch 調用 POST /v1/systemone，不依賴廠商 SDK；換後端主要是改 base URL、key 和 model id。

核心功能¶

jev_ask 工具¶

調用形態（概念上）如下：傳入 state 與 questions[]，每條問題有 id、type、instructions，並按類型附帶 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 是代碼可直接分支的值，例如 noul 的概率、choice 的選中項與各選項概率、score 的數值與檔位 legend；響應裏還會帶上 model id 與 token 用量（OpenRouter 側可有 usage.cost）。README 中的示例 model 爲 typesafe/jev-1.13-20260917。

問題類型¶

參數約定（摘自工具契約）：

• state：待評估文本；發送內容都會參與評估，只放問題需要的上下文。
• state_json：結構化 state 的 JSON 字符串；與 state 同時存在時優先用 state_json。
• 同一請求內多條問題 獨立、並行 評估，適合批量原子題。

校驗、密鑰與重試¶

• 出站 / 入站雙重校驗：問題格式、答案完整性、選項是否在題面內、分佈和爲 1、類型匹配等；任一項失敗則 整次調用失敗，不會出現「讀了一半」的判斷。
• API key 按次解析、不緩存：字面量 apiKey → credentials 服務 → 進程環境；缺 key 不阻止插件加載（加載時打 warning），首次 jev_ask 才報錯，便於先裝插件後配密鑰。
• 重試分類：429 / 529 / 5xx / 超時 / 連接錯誤會退避重試（尊重 Retry-After）；401 / 403 / 404 / 422 立即失敗。timeoutMs 限制單次嘗試，budgetMs 覆蓋整次調用含退避。

v1 刻意不做的事¶

插件 不 做決策層（不綁 tool 收窄、執行前門禁、模型路由等），不 自動加載 skill、改 harness 循環、審批緩存或 dashboard，也 沒有 瀏覽器配置卡片；配置在 cordis.yml / dsh 設置文檔，密鑰走 credentials 或環境變量。

安裝與啓用¶

DSH 從 dist/ 加載插件，需先在本機構建。官方 README 給出的步驟如下。

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

開發時可不寫入 profile，用 patch 覆蓋：

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

運行環境要求 Node ^22.19.0 || >=24.0.0；peer 依賴包括 @deepseek-ai/cordis（>=4.0.2）及 dsh-credentials / dsh-settings / dsh-tools 等（見倉庫 package.json）。

配置¶

最小配置只需 OpenRouter 密鑰：

export OPENROUTER_API_KEY=sk-or-...

其餘字段有默認值；在 profile 裏覆蓋 jev 插件行的 config 即可。完整字段說明見倉庫 cordis.yml。常用項示例：

- 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，設置寫入會被拒絕，避免文檔與運行態不一致。

典型用法與建議¶

1. 把問題拆成原子題：例如不要一條「給 pitch 打分」，而是分別問市場規模、技術可行性、差異化，再在業務代碼里加權。
2. 同一 jev_ask 裏批量提問：並行評估，延遲通常不會隨題數線性暴漲。
3. 閾值自己定：choice 的最高概率選項不一定等於「足夠確定」；用返回的 probabilities 在代碼裏設門檻。

智能體在對話中調用 jev_ask 後，用返回的 JSON 走 if/switch、路由到不同 tool 或人工隊列即可；失敗時表現爲普通工具調用錯誤，模型可按錯誤信息補救（例如補 key、縮 state、改 question 格式）。

適用場景與注意¶

適合：需要在 agent 流程裏做可重複、可測試的分流判斷——客服分派、 urgency 檢測、情緒檔位、合規 yes/no 等，且希望 概率和選項 id 進代碼 而不是進 prompt 字符串。

注意：

• 插件以 當前 dsh 進程權限 運行；安裝前請自行審閱 GitHub 源碼 與 MIT 許可證。
• 社區目錄 SkillHub 上的 danbao/dsh-jev 是獨立站點，與 DeepSeek / 幻方無官方從屬關係；安裝命令以倉庫 README 爲準（本地路徑 dsh plugin add，而非憑名稱拼接 github:owner/repo）。
• 無 API key 時插件仍可加載，但真正調用會失敗；桌面 profile 下若 ctx.get('credentials') 爲 undefined，解析會回退到環境變量。

小結¶

dsh-jev 把 TypeSafe Jev 的結構化判斷能力封裝成 DSH 工具 jev_ask：無 SDK、默認 OpenRouter、嚴格校驗與可配置超時/重試，讓智能體在 noul / choice / score 三類問題上拿到可直接分支的數據結構。

• 目錄頁：https://www.skillhub.cn/plugins/danbao/dsh-jev
• 源碼與文檔：https://github.com/danbao/dsh-jev