前言¶

在 DSH 里用主模型做翻译、摘要、长文档字段抽取时，常见做法是先把整篇正文读进上下文，再让主模型输出结果。文档一大，主模型 token 消耗会线性上去，而这类任务往往不需要强模型的推理能力。若仍由主模型逐字处理，成本和延迟都会偏高。

下面介绍的插件把翻译、摘要、抽取、分类、改写、commit message、命名等机械性文本工作委派给本地或廉价的 OpenAI 兼容端点；插件自行读文件、分块、调用本地模型并写回，正文不进入主模型上下文。资料中的对比是：一篇约 10KB 文档的翻译，主模型约 150 token（一次调用），而不是约 5,000 token（读原文 + 写译文）。

这是什么¶

dsh-local-delegate 由社区维护者 MythGreenLand 发布，在 DSH 插件目录中归类为「模型推理」。当前版本为 0.5.1（以仓库 README 与 package.json 为准）。

协议支持 Ollama 原生 /api/chat（可关思考、保活、控上下文），或任意 OpenAI 兼容端点。配置可通过 DSH GUI（Plugins → Configure 或 Settings → 本地模型），也可用 profile 中的 cordis.patch.yml 覆盖。

核心功能¶

本地委派工具链¶

插件提供面向文件的本地变换能力（如 local_transform、local_batch 等，具体工具名以 bundle 为准），由 Host 侧调用配置的端点完成机械文本处理，主 agent 主要保留判断与工具调用。

本地 AI 介入程度（0.4.0 起）¶

按项目工作区设置等级：无 / 轻度 / 默认 / 更高 / 最高。默认等级与 v0.3.0 行为一致；「更高」可注册 local_worker 子 agent；「最高」让 root agent 侧重规划，实现与命令交给本地 worker（需先注册 llm-pi-ai 的 local-delegate 路由）。会话内可用 /localpolicy 查看解析等级与 scoped 策略摘要。

0.4.1 起可在输入框工具栏显示 「本地 AI：默认 ▾」 快捷选择器（composerLevelPicker，默认显示），与设置页共用保存链路。

SlaveAgentTeams（0.4.0 起，0.5.0 增强）¶

可选模式：root/Team Lead 并行启动多个 slave 子 agent，各自跑在本地廉价模型或云端路由上，再由 master 汇总；与原生 Agent Teams 共存。0.5.0 起支持单开关自动模式：打开后 spawn 时自动发现已挂载的 LLM 路由/模型（本地优先），单节点失败自动换下一个；保存配置时会把主端点 + 备用端点按 host 分组注册为 llm-pi-ai 路由。显式 slaveNodes 仍可手动覆盖。

GUI 与统计¶

安装后在 Plugins → dsh-local-delegate → Configure 或 Settings → 本地模型 配置端点、备用端点、Subagent 路由、介入程度与 SlaveAgentTeams。页面提供测试连接（默认仅允许回环/内网；公网需 probeAllowPublic）和节省统计（委派次数、本地处理字符/token、估算节省的主模型 token 等，部分计数在插件重载后清零）。

保存写入 cordis.patch.yml 中 - id: local-delegate 覆盖行，数秒内热生效，无需重启 DSH。

安装与启用¶

官方 README 未给出 dsh plugin add github:... 形式的单行命令，推荐按 DEPLOY.md / INSTALL.md 的一键部署说明操作。在 DSH 会话中可直接粘贴以下交给智能体的步骤（其他用户无需手工改 profile）：

请帮我在这台机器上安装（或升级）DSH 插件 dsh-local-delegate（GitHub: MythGreenLand/dsh-local-delegate，最新 Release）。
1) 下载 Release 资产 dsh-local-delegate-v<版本>.zip（或 git clone --depth 1 --branch <tag> https://github.com/MythGreenLand/dsh-local-delegate）；
2) 解压到 %USERPROFILE%\.dsh\local-plugins\dsh-local-delegate-<版本>（macOS/Linux：~/.dsh/local-plugins/...）；
3) 已安装旧版本时先 plugin_manager action=remove_bundle target=dsh-local-delegate，再 plugin_manager action=install_bundle target=<解压后的插件目录>；
4) 刷新 GUI 后确认 Settings → 本地模型 出现「本地 AI 介入程度」「SlaveAgentTeams」卡片、输入框出现「本地 AI：默认 ▾」，并让 local_health 返回 v<版本>。

Windows 可先执行：

pwsh -NoProfile -File scripts\install-from-github.ps1 -Version latest

macOS/Linux 可先执行：

bash scripts/install-from-github.sh latest

准备版本目录后，再让智能体执行 plugin_manager install_bundle。升级旧版时先 plugin_manager action=remove_bundle target=dsh-local-delegate，再安装新 bundle。

package.json 标明与 DSH 0.2.1-rc.5 兼容；安装前请对照你使用的 DSH 版本。

典型用法¶

1. 安装并刷新 GUI，在 Settings → 本地模型 填写 Ollama 或 OpenAI 兼容的 base URL、模型名，必要时配置 API Key 或 apiKeyEnv。
2. 点击 测试连接 确认端点可达；若要让 subagent 或 high/max 等级使用本地路由，点击 作为 Subagent / 模型选择器路由（或依赖 0.5.0 自动注册），然后新开会话（Subagent 策略在新建会话时采样）。
3. 在主 agent 对话中，对长文档翻译、批量摘要等任务调用插件提供的本地工具（走 path 而非大段内联 text；「轻度」等级对内联 text 会拒绝）。
4. 需要按仓库切换策略时，在工作区列表或输入框等级选择器设置覆盖；诊断时执行 /localpolicy。
5. 验证安装：调用 local_health，应返回当前插件版本（如 v0.5.1）。

端点表示例（字段以 GUI 为准，高级项见 README）：

• 协议：Ollama 原生 或 OpenAI 兼容
• 服务器地址、模型、timeoutMs、maxOutputTokens、numCtx、temperature 等可在表单或 YAML 中配置

适用场景与注意¶

适合：本机或内网已有 Ollama/廉价推理网关；希望主模型少读长文、专注架构与工具编排；需要可选的多从节点并行（SlaveAgentTeams）或与工作区绑定的介入等级。

注意：

• 插件以当前 DSH 进程权限运行，会读写在配置允许范围内的文件并调用你填写的端点；安装前应阅读 GitHub 仓库 源码与许可证，勿向不可信端点泄露 API Key。更推荐 apiKeyEnv 而非明文写入 patch。
• apiKey 保存时会写入 profile patch；allowOutsideCwd / allowRoots / denyGlobs 等安全策略 intentionally 仅 YAML 可写，GUI 只读展示。
• 「最高」等级是 scoped 提示词 + tools.restrict 的强约束近似，不能 100% 阻止模型直接作答；严格隔离需配合 plannerAllowRead、plannerDenyExtra 等高级项。
• DSH 社区插件目录为独立站点，与 DeepSeek / 幻方无官方从属关系；本文事实来自仓库 README 与 package 元数据。

结尾¶

dsh-local-delegate 的价值在于正文走本地端点、主模型只留决策，并在此基础上提供按工作区的介入等级与可选的 SlaveAgentTeams。若你在 DSH 里频繁做长文机械处理，可先配好本地模型端点，再用 GUI 或 /localpolicy 确认行为是否符合预期。

• 插件目录页：https://www.skillhub.cn/plugins/MythGreenLand/dsh-local-delegate
• GitHub：https://github.com/MythGreenLand/dsh-local-delegate