前言¶

在 DSH 里跑多步智能体任务时，常见一类退化：模型在思考链里反复重新推导已经得出的结论、把工具调用写成纯文本、原地重复同一段话，或输出无意义的递增数字流。这类问题往往发生在单次生成流内部，下一步起手时上下文里并没有把「已经确立的结论」显式留在模型眼前，于是每轮工具往返后又要从头推一遍。

社区插件 dsh-cot-anchor（维护者 JiewiW，分类：记忆）针对的就是这一痛点：在工具结果返回后，从上一段思考中摘出已成立结论并插回上下文；同时在生成过程中按本地规则识别打转、重复、伪工具调用等形态，必要时软切本次请求，让回合从断点续跑。它不替代跨步骤的步数治理——那属于姊妹插件 dsh-step-governor 的职责。

这是什么¶

dsh-cot-anchor 是 DeepSeek Harness（DSH）插件，一句话定位：思考锚点——从模型上一段思考中提取已确立结论，在工具结果后注入，减少重复推导；并可识别打转与伪工具调用。

• 目录页：https://www.skillhub.cn/plugins/JiewiW/dsh-cot-anchor
• 源码：https://github.com/JiewiW/dsh-cot-anchor
• 当前 package 版本：0.2.4（MIT）

插件以当前 DSH 进程权限运行；安装前请自行查看仓库源码与许可证。

核心功能¶

结论回流（默认生效）¶

每次工具结果返回后，插件从最新思考中摘出已成立的结论（默认最多 3 条、每条 ≤ 220 字），以 user 角色追加在工具结果之后、下一次请求之前，并尾部写入会话日志，不改写已有内容，因此不会打穿前缀缓存。

工作流可以概括为：

模型思考 → 工具执行 → [插件] 摘出已成立的结论插回上下文 → 下一步思考
                                  ↑
                            只在工具边界注入

结论由规则从思考文本中摘句得到；入池前会剔除纯话语标记句与路线意图宣告句，但不会从模型输出里删除 Wait / Actually 等转折词，只避免它们被当成结论回灌。

生成中途打断（软切）¶

生成过程中每 32 个字符检查一次；发现打转、原地重复、伪工具调用、数字流等形态时，可立即切断本次请求，把已生成部分作为正常消息落盘、排好结论锚点，让回合从断点续跑。

软切依赖 DSH 内核的 agent/soft-cut 钩子：仅 0.1.5-rc.1 / rc.2 开箱可用；0.1.5-rc.3 起内核移除该钩子后能力会静默失效——以设置页显示为准，不要凭开关是开就认为在生效。新版内核可用随包工具移植软切机构（见下文「兼容性与软切内核」）。

两类机制都在单步边界内生效：软切只看当前一次生成流，进入下一步计数归零；治得了单流内冗余，治不了跨十几步的折返跑。

安装与启用¶

下面使用 README 中的官方安装命令（需替换 <你的profile>）：

dsh plugin --profile <你的profile> add github:JiewiW/dsh-cot-anchor#v0.2.4

重启 DSH 实例后，设置页出现「COT 锚点」标签即表示插件已加载。结论注入无需任何配置；软切是否需要额外内核支持，以设置页提示为准。

peer 依赖（来自 package.json）：@deepseek-ai/dsh 为 >=0.1.5-rc.1 <0.2.0 || >=0.2.0-rc.1 <0.3.0-0。

典型用法与设置要点¶

多数场景保持默认即可。设置页「COT 锚点」共 61 项、分组展示；下面只列常用项。

总开关¶

软切判定（可逐项关闭）¶

全部关闭时插件只做结论注入。五项对应：enablePseudoTool（伪工具调用文本）、enableRepeat（逐字节重复）、enableChurn（措辞不同的「重新分析」）、enableTransition（转折句，易误判）、enableNumberRunaway（长数字流）。

打断太频繁时：先关 enableTransition，或调高如 churnMinHits（默认 18）等阈值。自 v0.2.4 起，转折句判定带 softCutGapThreshold（默认 80），用于减少「小结论 + 后续分析 + 转折宣告」被拦腰切断。

锚点内容¶

可选 enableLlmRefine（默认关）：每个助手回合多一次小模型调用提炼结论；provider/model 留空则跟随当前会话。CoT 采集相关项（enableHarvest 等）默认全关，开启会在本地留存思考文本，启用前请评估隐私。

成本与能力边界¶

默认仅结论注入时：每个工具结果后一条短消息，上界约 660 字符（3×220），无额外模型调用；注入块随上下文进入后续请求，在每一步都会占用少量窗口，但尾部追加不改写前缀，除首现一次外可参与缓存命中。README 在约 924 万 token 的长会话上给出注入占比约 0.23% 量级的实测口径说明，可在自有会话日志上按 source.summary 为 cot-anchor:* 的消息复算。

软切为纯本地字符串计算，零 token；可能增加少量回合数，且不减少回合步数。模型有时自知空转仍停不下来——注入前提是模型会读上下文并照做。

隐私方面：结论注入与软切判定均在本地完成；仅 LLM 提炼会把思考文本发往所配 provider（留空则跟随当前会话）。

兼容性与软切内核¶

若设置页显示「当前内核没有掐断能力」，结论注入不受影响。需要软切可停留在上述 rc 版本，或使用随包移植工具：

node node_modules/dsh-cot-anchor/tools/apply-softcut-port.mjs --check   # 查看状态
node node_modules/dsh-cot-anchor/tools/apply-softcut-port.mjs           # 应用

移植后重启实例；完整步骤与风险见仓库内 docs/softcut-kernel-port.md。

适用场景与注意¶

适合：多工具往返、单流思考链冗长、反复「重新发现」同一结论的 DSH 智能体任务；希望在不改模型的情况下用上下文工程减轻重复推导。

不适合或需配合其他手段：跨步骤折返跑、步数与上下文膨胀治理——请结合 step-governor 等插件或工作流设计。

常见问题：模型好像没收到提醒时，确认 enableToolInject 已开且思考长度超过 minReasoningChars。

结尾¶

dsh-cot-anchor 把「已确立结论」固定在工具边界，并可选地在生成流内软切明显退化，面向的是单流 CoT 冗余而非全能长任务优化。DeepSeek Harness 生态以「一切皆插件」为理念；SkillHub 等社区目录为独立站点，与 DeepSeek / 幻方无官方从属关系。

• 目录：https://www.skillhub.cn/plugins/JiewiW/dsh-cot-anchor
• GitHub：https://github.com/JiewiW/dsh-cot-anchor