前言¶

在 DeepSeek Harness（DSH）里配置了多个 provider/model 路由之后，常见疑问是：实际打到的是不是标称模型、换服务商后行为是否一致、两次采集之间有没有漂移。单靠人工抽几条 prompt 很难形成可复现的审计证据。社区插件 dsh-fingerprint（维护者 Jerry2262，分类：模型推理）把 DSH 已配置的路由当作审计目标，按论文 One Token Is Enough 的 40-cell 单 token 探针 battery 采集指纹记录，并支持任选两条记录做对比；认证与请求路由仍由 DSH 的 llm 服务处理，插件不保存 provider API key。

这是什么¶

dsh-fingerprint 是面向 DSH 的论文协议 LLM 指纹采集与对比插件（npm 包名 dsh-fingerprint，当前版本 0.3.1，MIT 许可）。它在 Web GUI 侧栏提供「LLM 指纹鉴别」面板，同时向 agent 暴露同名 Host 工具；UI 与工具共用一套 Host 服务逻辑。

一条指纹记录对应一次完整采集：40 个 cell（10 个任务 × 4 种语言），每个 cell 默认 30 次重复；插件保存原始响应，计算答案分布、base-2 JSD、分半一致性，并在满足覆盖条件时用判定线 0.280（发布数据中不同模型距离的 1% 分位）给出「看起来是同一个模型 / 看起来不是同一个模型 / 证据不足」的结论。无法关闭 reasoning 的模型会被硬拦截，因为协议需要一次直接的单次 completion。

核心功能¶

采集与对比¶

• 对 DSH 里已配置的 provider/model 路由做协议化探针采集。
• 对比场景包括：同一模型跨服务商、同一路由前后两次采集、同一服务商下不同模型。
• 对比结果包含差异分数、判定线、结论、关系、cell 级差异和警告；低于判定线只表示差异小，不等于 100% 为同一模型。

Web 面板与 Agent 工具¶

面板安装后出现侧栏指纹图标。Agent 可用工具包括：

• llm_fingerprint_list_models
• llm_fingerprint_probe
• llm_fingerprint_capture
• llm_fingerprint_get_record
• llm_fingerprint_compare
• llm_fingerprint_delete_record

协议要点¶

每次请求仅包含论文的 system prompt 与一条 user 探针，不带对话历史、工具或当前会话 system prompt。参数为 temperature=1.0、max_tokens=16，reasoning 关闭。两条记录的分数是在双方有效样本均 ≥10 的 cell 上 base-2 JSD 的平均值；仅当覆盖全部 40 个 cell 且两条记录均为每 cell 30 次重复时才给出判定，否则结论为「证据不足」。在该工作点上，约 1% 的不同模型会低于判定线，约 18% 的同模型比较会高于判定线。

安装与启用¶

环境要求¶

• 启用 Web GUI 的 DSH profile，需 llm、tools、webServer 服务。
• DSH 0.2.1 系列：engines.dsh 为 >=0.2.1-rc.2 <0.2.2-0（README 实测 0.2.1-rc.2、0.2.1-rc.4）。
• 至少一个能关闭 reasoning（off / none）或本身不推理的 provider/model。
• Node.js 由 DSH 自带，无需单独安装。

插件以当前 DSH 进程权限运行；安装前建议阅读 GitHub 仓库 源码与 LICENSE、NOTICE.md（提示词与数据归属）。

从 npm 安装¶

把 web 换成实际 profile 名。安装后按 DSH 提示重启或刷新 Web GUI。

dsh plugin --profile web add dsh-fingerprint

从 GitHub 安装¶

dsh plugin --profile web add github:Jerry2262/dsh-fingerprint

典型用法¶

1. 打开侧栏「LLM 指纹鉴别」，选择服务商和模型；不能关闭 reasoning 的项会置灰并标注原因。
2. 设置每个 cell 的重复次数（默认 30，UI 最低 10），点击「开始采集」。运行中显示进度；完成后显示有效率、分半 JSD、纳入 cell 数。插件卸载或进程重启时，未完成记录标为失败（保留已抓响应），可删除，不会自动续跑。
3. 在「对比记录」中选择两条记录，点击「对比记录」。比较方式只有一种，结果会标注两边是否同一目标。
4. 行内垃圾桶可删除记录（二次确认）；运行中的记录不能删除。

原始响应与指纹默认写入 $DSH_HOME/llm-fingerprint/，也可由插件 row 的 dataDir 覆盖。删除记录会移除该目录下的 meta.json、responses.jsonl、fingerprint.json。

适用场景与注意¶

适合谁： 需要在 DSH 内对「配置的路由实际行为」做可重复审计的开发者；需要跨服务商或跨时间对比同一套探针结果的场景。

限制（来自 README）：

• 跨服务商对比受量化、推理实现、system prompt 等影响，是证据而非数学证明。
• 判定线针对当前协议；修改 repetitions、提示词或 reasoning 后需重新校准。
• 无 post-reasoning 指纹模式；只能 reasoning 的模型会被拒绝。
• 插件审计的是 DSH 配置的整条路由；聚合器上游与对方返回的 model 字符串不在 ctx.llm.stream 可见范围内。
• 多进程共用 DSH_HOME 时，后启动进程可能把另一进程正在运行的记录标为失败。

DSH 生态理念是「一切皆插件」；SkillHub 目录页 为社区站点，与 DeepSeek / 幻方无官方从属关系。

结尾¶

dsh-fingerprint 把论文单 token 探针 battery 落到 DSH 的路由与 Web/agent 入口上，用固定协议、本地落盘和 JSD 对比，把「是不是同一类模型行为」从主观印象变成可复查的记录。更细的算法与兼容性见仓库 docs/DESIGN.md。

• 目录页：https://www.skillhub.cn/plugins/Jerry2262/dsh-fingerprint
• GitHub：https://github.com/Jerry2262/dsh-fingerprint