dsh-model-thinking-levels:为自定义 llm-pi-ai 路由配置按模型 thinking levels

前言

在 DeepSeek Harness(DSH)里,自定义模型网关往往走 llm-pi-ai 路由。不同模型对「思考深度 / reasoning effort」的支持并不一致,路由侧又需要在配置里为每个模型声明 reasoningEfforts,聊天界面才能正确展示 Effort 并按网关协议发参。若只靠手改配置文件,模型一多就容易漏项、写错 wire 值,也难判断网关实际接受哪些档位。

下面介绍的 dsh-model-thinking-levels(维护者 Zessi-C,社区目录归类为「模型推理」)面向上述场景:在 DSH 侧为自定义 llm-pi-ai 路由提供按模型的 thinking levels(reasoningEfforts)能力,并在网关侧做能力探测(gateway-side capability probing)。DSH 生态强调「一切皆插件」;SkillHub 等社区目录是独立站点,与 DeepSeek / 幻方无官方从属关系,安装与版本信息以目录页与源码仓库为准。

这是什么

dsh-model-thinking-levels 是 DSH 插件,标识为 zessi-c/dsh-model-thinking-levels,源码托管在 GitHub(目录页标注来源 GitHub)。官方简介为:

Per-model thinking levels (reasoningEfforts) for custom DSH llm-pi-ai routes, with gateway-side capability probing.

一句话:在自定义 DSH llm-pi-ai 路由上,为每个模型配置 thinking levels(reasoningEfforts),并通过网关侧探测了解网关实际支持的能力。SkillHub 目录页当前标注版本 v1.1.0,状态为可安装;GitHub 星标为 0(以目录与仓库公开信息为准)。

核心功能

以下能力均来自上述官方简介与目录页分类说明,不含未在资料中出现的细节:

  1. 按模型的 thinking levels:针对自定义 DSH llm-pi-ai 路由中的各个模型,配置 reasoningEfforts(thinking levels),而不是整段路由共用一套模糊声明。
  2. 网关侧能力探测(gateway-side capability probing):在配置 thinking levels 时,由插件在网关侧探测网关实际接受的能力,减少「配置写了但网关不认」的试错成本。

目录页将该插件归入 模型推理 类,与「为路由声明 reasoning / effort 档位」的定位一致。

安装与启用

SkillHub 目录页对 dsh-model-thinking-levels 标注为可安装,但未在本文可核对的资料中提供独立的 CLI 安装命令原文;GitHub 仓库 https://github.com/Zessi-C/dsh-model-thinking-levels 的 README 在抓取时未能取得,公开 API 亦返回仓库不存在(404),因此请勿凭插件名自行拼接 dsh plugin add github:... 一类命令。

建议步骤:

  1. 打开 SkillHub 插件页:https://www.skillhub.cn/plugins/Zessi-C/dsh-model-thinking-levels。
  2. 按页面提供的「安装 / 启用」指引操作(具体按钮文案与命令以页面为准)。
  3. 安装完成后按 DSH 惯例重启或重载 harness 进程,使插件生效。

若需从源码核对行为,请在 GitHub 链接可访问时再阅读 README、许可证与 package.json(或插件清单),确认与本地 DSH 版本兼容后再启用。

典型用法(资料范围内的说明)

公开 README 暂不可读时,只能依据简介描述使用意图,无法复现逐步截图或完整配置示例:

  1. 在 DSH 中已存在或新建自定义 llm-pi-ai 模型路由。
  2. 启用本插件后,通过插件提供的界面或流程,为路由下的每个模型设置 thinking levels,写入 reasoningEfforts 声明。
  3. 利用 gateway-side capability probing,对照网关实际支持的能力调整各模型档位,避免无效 effort 参数。

具体入口(例如是否位于 Settings → Models)、探测请求形态、以及写入 settings.yaml 的字段样例,须以仓库 README 与 SkillHub 页更新后的文档为准;本文不编造 YAML 片段或 API 路径。

适用场景与注意

适合谁

  • 使用 DSH 自定义 llm-pi-ai 网关路由,且需要在模型粒度上声明 reasoningEfforts / thinking levels 的开发者或运维。
  • 希望在配置阶段借助网关侧探测对齐网关能力,而不是纯靠猜档位或反复手工试错的场景。

务必注意

  • DSH 插件与 harness 同一进程权限运行,安装前请阅读源码与许可证,确认无超出预期的网络访问或配置改写。
  • 社区目录页版本为 v1.1.0,与 GitHub 是否同步、README 是否完整,以你安装时实际拉取的包或 commit 为准。
  • 当前无法从 GitHub 公开端验证 README 与安装命令;若仓库暂不可达,应暂缓生产环境启用,或改用你可审计的安装包来源。

结尾

dsh-model-thinking-levels 解决的是自定义 llm-pi-ai 路由上「按模型声明 thinking levels(reasoningEfforts)」与「网关侧能力探测」的配套问题,归类为模型推理类 DSH 插件,由 Zessi-C 维护。查阅与安装请优先使用 SkillHub 目录页;源码与详细用法以 GitHub 仓库为准:

  • 目录页:https://www.skillhub.cn/plugins/Zessi-C/dsh-model-thinking-levels
  • GitHub:https://github.com/Zessi-C/dsh-model-thinking-levels
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

Xiaoye