前言¶
DeepSeek Harness(DSH)让模型能够直接调用工具,但默认的 web_search 往往依赖需要凭证的后端,或者只能查到泛化的搜索结果。当你要问一个已经发布几天、几周甚至几个月的新配置、新字段或新文档时,模型要么依赖旧记忆,要么干脆说“我无法访问互联网”。在插件生态里,有一个专门处理“联网检索 + 页面抓取”的组件,它不依赖搜索 API 密钥,用多种引擎做交叉排序,并把结果整理成模型可直接调用的工具。
这是什么¶
dsh-web-search 是一个 DeepSeek Harness 插件,为 DSH 提供免密网页搜索和页面抓取能力。插件注册了两个服务:bing 用于搜索,http-proxy 用于抓取页面,并额外暴露了若干工具函数,让模型可以按需调用。插件维护者为 fangchenghao,属于“联网工具”分类。
核心功能¶
- 免密多引擎搜索:直接抓取 AnySearch、CN Bing、DuckDuckGo HTML、Bing、DuckDuckGo Lite、360 Search 以及通过免密 MCP 端点接入的 Exa,并在必要时用 Firecrawl 作为兜底。所有引擎无需 API 密钥,开箱即用。
- 交叉排序与基准:使用跨引擎的倒数排名融合(RRF),结合权威性和新鲜度进行加权,并基于 20 个查询离线基准和 81 个配置参数扫描,给出可量化的排序效果。
- 页面抓取与失败控制:提供
web_fetch工具,可直接从搜索结果中打开链接并返回 Markdown。对二进制文档和空 200 响应会返回错误码(如SEARCH_UNSUPPORTED、SEARCH_EMPTY),避免噪音。抓取采用“直连 → 代理 → 渲染 → 提取”的层级链路,共用一个约 25 秒的时间预算。 - 垂直领域与多查询支持:提供
domain_search专门查询 npm 包、GitHub 仓库、论文和问答帖等垂直源;提供search_many支持一次调用多个查询;提供read_page支持将长页面分段读取;提供research将多次搜索整合为一份带引用的证据包。 - 中文优先与双语文档:在中文提问场景下,优先返回中文源,同时保留英文文档;README 与中文说明同步维护。
安装与启用¶
根据 package.json 的 dsh 字段,安装与兼容性信息如下:
"dsh": {
"bundle": {
"patch": "./cordis.patch.yml"
},
"client": {
"platform": "web",
"immediately": true,
"inject": [
"@deepseek-ai/dsh-client-locale",
"@deepseek-ai/dsh-client-ui-settings"
]
},
"compatibility": {
"dshReleases": {
"0.2.1-rc.2": "compatible"
},
"dshOperations": {
"0.2.1-rc.2": {
"install": "passed",
"start": "passed",
"uninstall": "passed",
"rollback": "passed"
}
}
}
}
安装前请确认 DSH 版本不低于 0.2.1-rc.2。在 DSH 中启用该插件时,请使用官方安装命令(详见 npm 包或插件目录页),不要凭名称拼接命令。
典型用法¶
- 查新配置或文档:让模型直接调用
web_search,它会同时查询多个引擎并返回排序后的标题、链接和摘要。若摘要不足,再对感兴趣结果调用web_fetch获取完整页面内容。 - 查包、仓库或论文:当问题涉及 npm 包、GitHub 仓库、论文或问答帖时,调用
domain_search而非通用搜索,让模型直接查询对应垂直源。 - 一次多问:对需要多次独立搜索的问题,调用
search_many,为每个查询单独返回结果。 - 长页面分段读取:对内容很长的页面,调用
read_page,让模型从上次停止的位置继续读取。 - 整理证据:将若干搜索结果整理成一份带引用的
research证据包,便于后续引用和说明来源。
适用场景与注意¶
适合需要模型自主检索并阅读最新文档、配置变更、技术问答的场景,尤其是对中文内容敏感、需要多源交叉验证、或需要直接访问垂直源(包、仓库、论文)的情况。插件以当前 DSH 进程权限运行,安装前建议检查源码与许可证(MIT)。社区目录与 DeepSeek / 幻方无官方从属关系。
短结尾¶
dsh-web-search 让模型不再只能依赖记忆或泛化搜索,而是真正拥有“去查、去读、去验证”的能力,同时避免了为搜索 API 密钥和额外计费。目录页:https://www.skillhub.cn/plugins/fangchenghao/dsh-web-search;GitHub:https://github.com/fangchenghao/dsh-web-search