前言¶
在 DeepSeek Harness(DSH)里做复杂任务时,常见做法是选一个 Agent 预设、用同一个模型从头跑到尾。简单步骤会占用贵模型,长任务上下文不断膨胀,多个互不依赖的子步骤也只能串行等待。社区里也有人手写子智能体或改 preset,但「按难度分档、逐档换模型」往往要动配置文件。
DSH Maestro5(维护者 bigbigtooth,分类:工作流)是面向 Web / Desktop profile 的 DSH 插件:安装后自动注册 「团队主控」 会话模式,以及 L1–L5 五档难度子智能体;五档的 Provider、模型、思考强度可在 设置 → 团队模式 里单独配置,无需手改 cordis.patch.yml。下文介绍它解决什么问题、如何安装与使用,以及使用时的边界。
这是什么¶
DSH Maestro5 是一个 DeepSeek Harness Web 插件(社区项目,与 DeepSeek AI 无隶属关系)。一句话定位:一个主控 + L1–L5 五档难度子智能体,把「团队」变成 DSH 里可选的默认工作方式。
装上之后:
- 新任务的模式选择器里会出现 「团队主控」;主控负责拆任务、决定自己做还是委派、按难度选档、并行分派、汇总与复核。
- 五档子智能体工具集相同(文件、bash、联网、Office 技能等,以 preset 定义为准),差异主要在 模型 / 思考强度 / 人设;任意任务理论上都可交给任意档,由主控选档。
- 插件通过 bundle 自动注册 6 个 agent preset(主控 + 五档)和
maestro-levels配置行,不需要安装后再手动改配置文件。
当前 package 版本为 0.1.0,许可证 MIT;声明的 DSH 引擎范围为 >=0.2.1-rc.2 <0.3.0(README 徽章示例为 DSH 0.2.1-rc.2)。
核心功能¶
团队主控模式¶
选中「团队主控」后,用自然语言描述任务即可。主控的典型流程(来自官方 README):
- 拆解:把任务拆成边界清晰的子任务;简单问答或单步操作可由主控自己完成。
- 选档:机械、可复核的工作倾向 L1/L2;推理链长、错误代价高的工作倾向 L4/L5;默认从最低可行档开始。
- 分派:每个子智能体收到自包含的任务说明(背景、输入路径、方法、输出格式、落盘路径、验收标准等),看不到你的完整对话历史。
- 并行:互不依赖的子任务可在同一轮同时派出。
- 复核:对照验收标准检查结果;关键交付可再派 L4/L5 独立复核。
- 交付:汇总结论与产物,并说明用了哪几档、文件落在何处。
你也可以在话里直接指定档位,例如:
用 L1 把这份 CSV 转成 xlsx,保持表头不变。
先让 L2 整理这些素材,再让 L5 写终稿并做一次事实核查。
这件事拆成三份并行:L2 查资料、L3 做表、L4 写结论;最后你汇总并给我一页摘要。
L1–L5 五档难度¶
五档是「难度 / 成本」分层,出厂默认模型与思考强度如下(可在设置页全部覆盖):
| 档位 | 定位 | 默认模型 / 思考强度 | 适合任务 |
|---|---|---|---|
| L1 极简执行 | 最便宜最快 | deepseek-flash / off |
格式转换、字段提取、简单改写、单步操作 |
| L2 常规执行 | 便宜且快 | deepseek-flash / low |
资料整理、摘要、日常写作、模板产出 |
| L3 复杂执行 | 性价比高 | deepseek-flash / max |
长文写作、多步脚本、表格分析、多来源整理 |
| L4 难题解决 | 较贵 | deepseek-v4-pro / high |
严谨分析、代码实现与调试、关键结论、方案设计 |
| L5 关键任务 | 最贵最慢 | deepseek-v4-pro / max |
疑难推理、终审复核、关键决策支持、最高质量交付 |
README 中的成本控制建议:默认让主控「能用 L2 就不上 L4」;大批量同类任务用 L1/L2 并行;只有错误代价高的交付才上 L4/L5,且 L5 更适合终审而非全程主力。
设置页逐档配置模型¶
入口:设置 → 团队模式(与 插件 → DSH Maestro5 → 行 maestro-levels → Configure 是同一份配置)。
每一档一行,三个字段:
| 字段 | 说明 |
|---|---|
| Provider | 来自当前 DSH 可路由的 provider 列表 |
| 模型 | 所选 provider 下已配置的模型,或「自定义模型 ID…」 |
| 思考强度 | 所选模型支持的 efforts(如 DeepSeek 的 off / low / high / max 等) |
保存后配置写入当前 profile 的 cordis.patch.yml(maestro-levels 的 override)。保存后需要重启 DSH Desktop,且只对新建会话生效;已运行会话保持创建时的 preset 配置。恢复出厂默认:把五档改回 README 表格中的默认值后保存并重启。
官方不建议通过编辑 profile 的 cordis.patch.yml 去改 agent-preset-registry 的默认模式,以免 preset 注册表重启导致运行中会话丢失 preset 工具;推荐在 设置 → Agent 预设 → 团队主控 → 设为新任务默认 中操作。
工作原理(简要)¶
安装 bundle 时读取 dsh.bundle.patch,把 maestro-levels 设置行与 6 个 preset 插入 profile 层栈。Host 半(index.js)注册 maestroLevels 服务;主控的 delegate_l1 … delegate_l5 工具在挂载时通过该服务把当前配置的模型写进子智能体。Client 半(client.js)注册「设置 → 团队模式」与插件行配置页,无需额外打包器。
安装与启用¶
环境要求¶
- DeepSeek Harness
0.2.1-rc.2或同系列0.2.x(engines.dsh: >=0.2.1-rc.2 <0.3.0)。 - Web / Desktop profile:依赖 agent preset 注册表与 Web 设置界面;headless / TUI profile 不适用。
- 至少在 设置 → 模型 中配置一个可用的模型 provider,否则子智能体没有可路由的模型。
安装方式¶
三种方式任选,装完为同一 bundle。
方式 A:Web 界面
- 侧栏 插件(Plugins) → 添加插件 ▾ → 安装第三方插件;
- 输入插件目录的绝对路径并确认;
- 刷新页面(
Cmd+R/Ctrl+R); - 新建任务,模式选择器应出现 「团队主控」。
方式 B:命令行(GitHub 或 Release 包)
# 源码安装(跟随 main 分支)
dsh plugin --profile desktop add github:bigbigtooth/DSH-Maestro5
# 或从 Releases 打包文件安装(固定版本、可离线分发)
dsh plugin --profile desktop add https://github.com/bigbigtooth/DSH-Maestro5/releases/latest/download/dsh-maestro5-0.1.0.tgz
桌面版若找不到 dsh 命令,可通过菜单 Manage dsh command 加入 PATH。安装完成后建议 重启 DSH(bundle 在启动时组装),至少刷新页面以加载客户端半。
方式 C:本地目录(开发态)
dsh plugin --profile desktop add /path/to/DSH-Maestro5
link: 安装下源目录即安装物,改代码或配置后 重启 DSH 即生效,无需重装。
安装后验证¶
- 新任务模式选择器有 「团队主控」(旁侧还有
团队·L1…团队·L5档位卡,供子智能体使用,不建议直接选作会话模式)。 - 设置 → 团队模式 可打开,五档均可选 Provider / 模型 / 思考强度。
- 插件 → 已安装插件 中出现 DSH Maestro5,可见
maestro-levels行与 6 个 preset 行。 - 发送「用 delegate_l1 计算 1+1」,应能看到主控派出子智能体并汇总结果。
典型用法与适用场景¶
适合需要在 DSH 里 按任务难度分流模型成本、并行多个独立子任务、用独立上下文跑子步骤 的开发者或日常重度用户。与「单模型包办一切」或纯手动开多个会话相比,Maestro5 把拆任务、选档、委派、复核写进主控人设与 delegate 工具链,并把模型路由收到设置页。
使用注意:
- 插件在 当前 DSH 进程权限 下运行,安装前请自行查看 GitHub 仓库 源码与 MIT 许可证。
- 仅在 web / desktop profile 生效;CLI-only 环境无法使用团队模式 UI 与 preset 注册路径。
- 社区插件目录 SkillHub 上的 DSH-Maestro5 页 与 GitHub 均为第三方信息源,与 DeepSeek / 幻方无官方从属关系。
结尾¶
DSH Maestro5 用「主控 + L1–L5」把多智能体协作做成可安装的 DSH bundle:一次安装得到团队主控模式、五档 preset 和逐档模型配置页。若你已在 0.2.x 的 Web 或 Desktop 上使用 DSH,可按上文命令安装,在 设置 → 团队模式 对齐各档模型后,用「团队主控」处理需要拆分与分派的任务。