前言¶

在 DeepSeek Harness（DSH）里做临床或管线调研时，常见问题是结论读起来完整，却难以逐条核对来源，图表也缺少统一的质量门槛。dsh-plugin-research-charts-mode 是社区维护者 1283011852 发布的工作流类插件（GitHub 星标 0，版本 0.1.0，MIT 许可）。它在 DSH 中注册名为 research-charts-mode 的代理预设「调研与图表模式」，把上游事实可信度、中游方向尽调、下游图表交付串成固定顺序，并要求调研产物按四段目录落地、来源留痕。

下面介绍这个插件的定位、能力边界、安装方式与典型校验步骤。事实以仓库 README 与 package.json 为准；DSH 社区插件目录为独立站点，与 DeepSeek / 幻方无官方从属关系。

这是什么¶

一句话：DeepSeek Harness plugin，注册 research-charts-mode 代理预设——带证据分级与来源留痕的临床、管线调研，并把结论做成通过质检门的可交付图表。

插件以 .dshpreset 等形式可安装，自带三份技能，装好即用，不依赖目标机器上是否已安装同名技能。维护者与仓库：1283011852，https://github.com/1283011852/dsh-plugin-research-charts-mode；SkillHub 目录页：https://www.skillhub.cn/plugins/1283011852/dsh-plugin-research-charts-mode。

三份技能如何咬合¶

README 用表格固定了阶段顺序：

覆盖的工作包括：竞争格局、靶点、专利/FTO、管线、临床试验、公司、适应症调研；多轴评分与 Go/No-Go；以及管线泳道、注册库分布、覆盖矩阵、里程碑时间线、森林图等图表。

不覆盖（README 明确指向其他模式/技能）：单篇文献精读（deep-paper-reading）、系统综述式检索（scientific-evidence-en-mode）、AI 生成插图（image-generation-mode）。

自带三技能均为 MIT。完整技能清单（含按需加载的外部技能）见仓库内 presets/research-charts-mode/SKILLS.md。

调研产物的目录契约¶

模式要求调研结果按四段式落地，来源留痕不可省：

01_数据/    数据集 CSV + DATA_DICTIONARY.md（字段含义与取值口径）
02_图表/    PNG + SVG + PDF + .export.json（溯源清单）
03_报告/    报告正文与导出件
04_来源/    原始抓取载荷、检索日志、分类与调色板审计、_webcache/

这与「只产出读起来像报告、但无法核实」的做法形成对比：每条事实绑定来源与定位、结论带置信度分级、「没查到」声明可达范围，图表经可复现质量门。

安装与启用¶

安装前请自行阅读仓库源码与 LICENSE，并知悉插件在当前 DSH 进程权限下运行。

方式零：Preset Square 一键安装¶

在 Preset Square 打开中文详情页，点安装即可，无需打包或改配置文件：

https://dshdesktop.com/preset/zh/p/research-charts-mode-8738ff

方式一：作为 DSH 插件安装（README 推荐）¶

指定 profile 后从 npm 包名安装：

pnpm dsh plugin --profile <profile> add dsh-plugin-research-charts-mode@latest

从本地目录安装：

pnpm dsh plugin --profile <profile> add file:/absolute/path/to/dsh-plugin-research-charts-mode

重启 DSH Desktop。新开会话，在模式选择器中选择「调研与图表模式」。

方式二：直接放置 preset¶

将 presets/research-charts-mode/ 整个目录复制到：

${DSH_HOME}/.agent-presets/research-charts-mode/

Windows 上 DSH_HOME 通常为 %APPDATA%\dsh-desktop\harness。

方式三：.dshpreset 交换包¶

在仓库根目录执行打包脚本，产物在 dist/，可在 DSH Desktop 中导入：

node scripts/build-dshpreset.mjs

环境要求¶

• Node.js：>=20（见 package.json 的 engines）
• Python 3.11+；图表流水线需要 matplotlib、numpy、pillow、pypdf
• 中文字体（Microsoft YaHei / SimHei / Noto Sans CJK SC 之一）——找不到 CJK 字体时图表样式层故意报错，而非静默输出乱码
• 网络：仅注册库检索与网页取证步骤需要；审计与渲染为离线、确定性流程

校验与自检¶

仓库提供两类「形状」校验，不替代真实会话验证：

python3 scripts/check-composition.py    # 组合形状：清单、patch 键、preset 与技能元数据
node scripts/build-dshpreset.mjs        # 打包 .dshpreset 并校验归档布局

README 说明：真正证明 harness 能组合这份组合的，是安装后启动一次会话。

图表技能可对符合 schema 的项目数据跑全部图型与质检门：

python presets/research-charts-mode/skills/clinical-landscape-charts/selftest_recipes.py --srcdir <project>

适用场景与注意¶

适合：需要在 DSH 内完成可核对来源的竞品/管线/临床 landscape 调研，并输出带溯源清单的 PNG/SVG/PDF 图表的团队或个人。

注意：

• 插件分类为工作流；星标与版本以公开仓库为准（当前资料为 0 星、0.1.0）。
• 不要凭插件名自行拼接 dsh plugin add github:owner/repo；以上安装命令均来自 README 原文。
• 安装前检查源码与 MIT 许可；插件行为受 DSH Desktop 与所选 profile 配置影响。

结尾¶

dsh-plugin-research-charts-mode 把「可信度 → 尽调决策 → 可审计图表」写成一条可重复的代理预设，并用四段目录约束交付物形态。若要进一步了解或安装，可访问 SkillHub 目录页 https://www.skillhub.cn/plugins/1283011852/dsh-plugin-research-charts-mode 或 GitHub 仓库 https://github.com/1283011852/dsh-plugin-research-charts-mode。