前言¶
DeepSeek Harness（DSH）会把每个会话完整落在 $DSH_HOME/sessions/：目标、每轮输入输出、每次工具调用与报错。数据一直在磁盘上，但默认没有界面帮你归纳「常因为什么失败」「哪些会话可能偏离最初目标」。dsh-goal-ledger 是社区维护者 zhegemingzimeibanquan 发布的 DSH 插件，在设置面板里提供「目标台账」，只读本机会话日志做分析，不修改会话内容，也不上传除 embedding 请求文本以外的数据。
这是什么¶
一句话：审计你自己在 DSH 里的会话——哪些目标相对最初表述发生了漂移，工具调用在哪些错误特征上反复失败。
插件版本 0.4.0，MIT 许可证，源码与说明见 GitHub 仓库，社区目录页为 SkillHub 条目。SkillHub 为独立社区目录，与 DeepSeek / 幻方无官方从属关系；DSH 生态本身是「一切皆插件」，本插件通过 npm 与可选市场索引分发。
核心功能¶
失败聚类（硬事实）¶
工具报错按错误特征聚簇，排序展示「最常因为什么失败」。实现上依赖 tool/result 事件里的 data.error（不是 data.ok）。README 写明：在一份实测样本（27 个目标 / 203 轮 / 6105 次调用 / 81 次失败）里，失败聚类被标为高可靠性信号；界面把「失败聚类」放在第一个标签页。
目标漂移（排序信号）¶
用 embedding 计算每轮输出相对最初目标的语义距离，用于挑出值得复查的会话。README 同样基于上述样本把 embedding 距离标为低可靠性：它衡量的是字面语义分离度，可能出现「词相近但答错了」距离仍低，或长技术任务因路径、报错文本等自然抬高距离。因此距离只用于排序候选，不用于判定对错；默认分档阈值 0.35 / 0.50 / 0.65 为启发式初值，可按自己的分布调整（文档指向 lib/client.js 的 band()）。纯工具调用、无文字输出的轮次标记为 scorable: false，不参与均值。
设置面板六个标签页¶
分析完成后可在设置里切换查看（结果缓存到 $DSH_HOME/dsh-goal-ledger/snapshot.json）：
- 漂移场：Canvas 光点图，一点一目标，半径为可计分轮次的平均距离；角度编码会话开始时间顺序；目标间连线表示目标向量相似度。
- 失败聚类：按次数排序，可展开原始错误与位置。
- 目标漂移：按平均距离排序并标注档位。
- 漂移轮次：单轮漂移最高的条目。
- 向量模型：配置 embedding 端点、模型、key 环境变量名，含连通性测试。
- 漂移纠正：可选在持续偏离时向后续系统提示注入提醒（默认关闭）。
漂移纠正（opt-in）¶
开启后，当某目标连续多轮超过距离阈值时，在轮次之间向系统提示插入提醒：引用最初目标、指出偏离、要求回到目标并保留已完成有效工作。默认不开启时，插件不向提示写入任何内容。参数默认：触发阈值 0.55、连续偏离 2 轮才提醒、提醒后冷却 3 轮；配置在 $DSH_HOME/dsh-goal-ledger/correction.json，挂在 agent 作用域，多会话互不干扰。正在跑的会话用 LiveScorer 读实时事件流，与离线分析同一套事件形状。
Embedding 与离线能力¶
失败聚类完全离线。距离打分需要网络与 embedding 凭据。默认复用火山 coding plan 相关配置；也可在「向量模型」或 $DSH_HOME/dsh-goal-ledger/config.json 修改。配置只存 key 的环境变量名，不存 key 本身；解析顺序为环境变量 → $DSH_HOME/.credentials.yaml 的 refs:。无 key 时仍可用失败聚类，界面会标注「嵌入：未配置」。
插件声明零运行时依赖，不引入第三方 npm 包。
安装与启用¶
系统要求¶
| 项 | 要求 |
|---|---|
| DSH | >= 0.2.1-rc.3（engines.dsh，低于此版本安装会被拒） |
| Node.js | >= 22 |
| 网络 | 可选；仅向量打分需要 |
从插件市场装（推荐）¶
DSH 插件市场读取你自行配置的索引地址。本包在 npm 发布，索引随包提供。在 设置 → 插件 → 发现（Discover） 里添加：
https://unpkg.com/dsh-goal-ledger@0.4.0/market-index.json
然后在市场里搜索「目标台账」或 dsh-goal-ledger 安装。README 说明选用 unpkg 是因为部分环境访问 raw.githubusercontent.com 不稳定，而 unpkg 可稳定拉取索引。
命令行装¶
# 从 npm 装（推荐，48 KB，秒级）
dsh plugin --profile desktop add dsh-goal-ledger
# 从 Git 装（固定 commit，不走 npm 缓存）
dsh plugin --profile desktop add git+https://github.com/zhegemingzimeibanquan/dsh-goal-ledger.git#f7669338eae9e15acb3a263890cc88d79e8ef0f1
本地开发目录安装示例（路径按你的机器修改）：
dsh plugin --profile desktop add file:C:/Project/dsh-goal-ledger
装完重启 DSH 桌面端，设置面板会出现「目标台账」。
典型用法¶
- 打开 设置 → 目标台账。
- 点击「开始分析」。首次扫描约几十秒；若要做嵌入打分，需先配置 embedding 凭据（可在「向量模型」标签或
config.json完成）。 - 在六个标签页间切换查看失败聚类、漂移排序与漂移场；需要时在「漂移纠正」里按需开启并调整阈值。
- 下次打开会直接显示上次缓存的
snapshot.json，可重新分析刷新。
默认 embedding 相关项（可在配置中覆盖）：
| 项 | 默认值 |
|---|---|
| base URL | https://ark.cn-beijing.volces.com/api/coding/v3 |
| model | doubao-embedding-vision（2048 维） |
| key 环境变量 | VOLCENGINE_CODING_PLAN_API_KEY |
| 批量大小 | 4（上限 10） |
任何兼容 OpenAI POST {baseUrl}/embeddings 的端点均可；内置火山方舟 / OpenAI / 硅基流动 / 阿里百炼等预设。
适用场景与注意¶
适合谁：长期在 DSH 桌面端跑 agent、会话多、想从本地日志里归纳工具失败模式，并用手动复查的方式筛「可能偏题」的会话，而不是依赖主观回忆翻日志。
使用注意：
- 插件以当前 DSH 进程的权限读取
$DSH_HOME下的会话与缓存；安装前应自行查看源码与 MIT 许可证，确认符合你的安全与合规要求。 - 不要把 embedding 距离当成自动质检的终判；README 的对比表明确把失败聚类放在更可信的一侧。
- 漂移纠正会改变后续轮次的系统提示内容，属于 opt-in；长技术任务可能触发误报，依赖连续轮次与冷却参数缓解。
- 社区目录星标等信息以站点为准；仓库 README 侧重功能与安装，不替代你对凭据与网络出站策略的审查。
结尾¶
dsh-goal-ledger 把 DSH 已在本地记录的会话，整理成失败聚类与目标距离两类视图，并可选地在运行中注入漂移提醒。若你要试用，可从 npm 或上述 market 索引安装，细节以 README 为准。
- 目录页：https://www.skillhub.cn/plugins/zhegemingzimeibanquan/dsh-goal-ledger
- GitHub：https://github.com/zhegemingzimeibanquan/dsh-goal-ledger
