前言¶
在 DSH 裏做智能體路由時，常見做法是把用戶話術交給大模型「猜意圖」，或手寫少量 if/else。前者成本高、邊界不穩；後者一多場景就難維護，也缺少可觀測的召回與分層兜底。DeepSeek Harness 社區插件 dsh-intent-recognition（維護者 lilixinsniper）把意圖識別做成可配置的流水線：規則、向量檢索、概率打分、微調仲裁、LLM 結構化兜底，並附帶場景/意圖管理界面與可對外提供的 API 服務，便於在 Agent 工具或 Cordis 裏直接消費。
這是什麼¶
dsh-intent-recognition 是 DSH 插件（npm 包名 dsh-intent-recognition，當前資料中版本 0.7.1，MIT 許可證）。它提供：
- 控制面：側邊欄 Intent Recognition 管理面板（與 Plugins 同級，可在 More 菜單固定/取消固定），以及 Settings → Intent Recognition（同一套 UI，不參與對話）。
- 數據面：按場景運行的識別服務，可通過 Agent 工具 或 Cordis 服務 調用。
默認 基礎版（Basic） 使用本地 JSON 文件存儲，零數據庫依賴；需要 L2 向量檢索時，可在頁面升級到 高級版（Advanced）（PostgreSQL + pgvector），已有場景/意圖/模型/服務會自動遷移。
五層識別流水線¶
用戶 query 依次經過下列層級；每一層可按服務單獨關閉，關閉的層會被完全跳過：
User query
│
▼
┌─ L1 rule hard filter ───────── greeting / exit / command / keyword strong match
│ │ miss
├─ L2 vector retrieval ───────── pgvector cosine search → Top5–Top10 候選
│ │
├─ L3 Jev probabilistic scoring ─ 高置信直接路由；中 → L4；低 → L5
│ │
├─ L4 fine-tuned model ───────── BERT / 小 LLM 仲裁近義意圖與邊界
│ │
└─ L5 LLM structured fallback ── 多意圖 / 跨輪上下文 / 槽位 / 開放問，JSON 輸出
基礎版開箱可用時，L2 在測試控制台中會因版本原因自動跳過並給出說明；向量能力在升級到高級版後啓用。
核心功能（資料已列能力）¶
- 零配置起步：安裝後即可在頁面建場景、意圖、模型與服務；高級版在 Database 頁保存 PostgreSQL 連接後升級。
- 意圖管理：按場景的意圖目錄（名稱/code/描述/示例/關鍵詞/黑白名單/路由配置），Excel 導入（合併或替換）與導出；高級版支持一鍵重建 embedding。
- 模型配置：Embedding、Jev、微調模型、LLM 均在頁面配置（OpenAI 兼容或普通 http JSON 端點），帶連通性測試。
- 服務管理：按場景的 API 服務，各層獨立開關與參數；服務可運行/停止/刪除/複製；每服務 API Key；內置測試控制台與調用日誌。
- Vector lab（高級版）：L2 召回調試（召回測試、分塊瀏覽、場景覆蓋與重建）。
- 路由執行：每意圖可配置路由（無 / DSH workflow / subagent / Cordis service），服務級
route_mode（auto / suggest）。 - Agent 集成：運行中的服務自動註冊/撤銷工具
intent_recognize_<service-slug>；可選向 system prompt 貢獻可用意圖服務列表。 - 雙通道消費：
| 通道 | 說明 | 適用 |
|---|---|---|
| Agent tool（推薦） | 高置信命中在工具內執行路由 | DSH 主 Agent 對用戶輪次路由 |
| Cordis service | ctx.intentRecognition.predict(service, query, context) |
其他插件程序化集成 |
管理頁 Tab 順序：Intents → Models → Services → Vector（高級）→ Database。首個服務創建前，頁頂有三步引導條。
安裝與啓用¶
前置條件（README 原文）：Node.js ≥ 20；已安裝 DSH（npm i -g @deepseek-ai/dsh）。基礎版不需要數據庫。
方式 A：DSH 插件市場（推薦）¶
側邊欄 Plugins Marketplace → 搜索 dsh-intent-recognition → Install；按提示刷新頁面後，側邊欄會出現 Intent Recognition 入口。
方式 B：npm / 本地包¶
# 1. 安裝插件
dsh plugin --profile web add dsh-intent-recognition
# 或本地目錄 / tarball
dsh plugin --profile web add ./dsh-intent-recognition
dsh plugin --profile web add ./dsh-intent-recognition-0.7.1.tgz
# 2. 重啓 dsh web（桌面端：重啓應用或 Ctrl+R 刷新）
# 3. 點擊左側 Intent Recognition（或 Settings → Intent Recognition）
# 4. 按 Tab 順序配置：Intents → Models → Services
# 5. 需要向量檢索：Database Tab 保存 PostgreSQL 連接以升級
包聲明 dsh.bundle.patch，dsh plugin add 會自動掛載到 profile bundle，無需手改 cordis.patch.yml。
桌面端提示：安裝或升級後若側邊欄無入口，先刷新頁面；插件詳情頁應顯示 running。若 Settings → Intent Recognition 也無法渲染，說明客戶端 bundle 未加載成功。
插件在 package.json 中聲明 DSH 引擎範圍：dsh >=0.1.0-rc.6 <0.3.0。
典型用法¶
- 管理面：在 Intents 建場景與意圖（可 Excel 批量導入），在 Models 配齊各層模型並做連通性測試，在 Services 創建並 Run 服務。
- 調試：在服務管理中使用測試控制台，查看五層 trace；高級版在 Vector lab 做 L2 召回排查。
- 對話路由：服務運行後，主 Agent 可調用
intent_recognize_<service-slug>；其他插件通過 Cordis 調用predict。 - 升級存儲：僅在需要 L2 時於 Database Tab 升級；可隨時切回基礎版，本地文件不被破壞（README 說明 ids 與 API keys 保留）。
適用場景與注意¶
適合：需要在 DSH 內做可運維的意圖庫、分層識別、可分發 API，並希望與 workflow / subagent / Cordis 路由打通的團隊。
注意：
- 插件以當前 DSH 進程權限運行；安裝前請閱讀 GitHub 源碼 與 MIT 許可證，確認能力與合規要求。
- 社區目錄 skillhub.cn 插件頁 爲獨立生態站點，與 DeepSeek / 幻方無官方從屬關係；安裝命令以 README 爲準，勿自行拼接未文檔化的
github:owner/repo形式。 - 高級版依賴 PostgreSQL + pgvector；Embedding 與各層模型需自行準備兼容端點。
結尾¶
dsh-intent-recognition 把意圖識別從「單點 Prompt」拆成可開關的五層流水線，並用同一套 UI 管理場景、模型與服務，默認本地文件即可跑通，需要向量時再升級數據庫。進一步瞭解可訪問社區目錄頁與倉庫：
- 目錄頁：https://www.skillhub.cn/plugins/lilixinsniper/dsh-intent-recognition
- GitHub：https://github.com/lilixinsniper/dsh-intent-recognition
