前言¶

DeepSeek Harness（DSH）通过 Skill 扩展智能体能力。Skill 库变大之后，若每次对话都把完整目录塞进提示词，上下文会被占满，模型也更容易在无关 Skill 里打转。另一种做法是硬改内置 skill 加载器，但会牵动 instructions、resources 和 procedural-learning 等既有链路。

下面介绍社区插件 dsh-skill-rag（维护者 Kosello，分类：工作流）。它在不改动原有 skill 工具与加载流程的前提下，提供可选的 Skill 发现方式：保留 DSH 默认全量目录、本地关键词检索，或关键词加向量混合检索。

这是什么¶

dsh-skill-rag 是面向 DeepSeek Harness 的可选 Skill 发现插件。一句话定位：让完整 Skill 库可检索，又不必在每个 prompt 里罗列全部 Skill；原生的 skill loader、说明、资源与相关工具保持原样。

• 目录页：https://www.skillhub.cn/plugins/Kosello/dsh-skill-rag
• 源码：https://github.com/Kosello/dsh-skill-rag
• 许可证：MIT（见仓库 package.json，当前版本 0.2.0）

三种工作模式¶

插件通过 cordis.patch.yml 里 skill-rag 行的 config.mode 切换行为。新装默认是 catalog，无需 API Key、模型服务或外网。

hybrid 需显式配置；catalog 不会注册 skill_search、不会建索引、不会初始化 embedding 提供商。

环境与依赖¶

资料中写明的运行条件如下：

• DSH 0.2.1-rc.2（README 中的 tested target）
• Node >=22.19，且需原生 node:sqlite
• hybrid 模式下需任选一种 embedding 来源：本机 TensorRT manager（默认 http://127.0.0.1:8110）、Google Gemini API Key、OpenRouter API Key，或 OpenAI 兼容的 embeddings 端点与模型
• 不需要额外 SDK 或独立向量数据库

安装与启用¶

从已发布的 Git 仓库安装（命令来自 README 原文）：

dsh plugin --profile web add github:Kosello/dsh-skill-rag

若使用本地 checkout，需先 npm ci、npm run verify，再：

dsh plugin --profile web add "$PWD"

包声明了一个 bundle 行（skill-rag）和可选的 browser client；客户端会在 Settings → Skill discovery 注册配置入口，无需改 DSH shell。

重启 harness 前，可先确认 composition：

dsh --profile web --dump-config | grep -A4 'id: skill-rag'

然后按你平时的服务方式重启 harness。若 agent 正在该服务内运行，宜用外部延迟重启，避免打断当前 turn。

配置要点¶

配置写在 profile 的 cordis.patch.yml 中 skill-rag 条目；与设置面板编辑的是同一份契约。密钥只写环境变量名，不写明文；设置面板只报告变量是否存在，不展示、不写入 secret 值。

零配置默认（catalog）¶

- id: skill-rag
  config:
    mode: catalog

本地关键词（keyword）¶

- id: skill-rag
  config:
    mode: keyword
    coreNames: []              # user/project DSH skills are always retained
    autoIndex: false

启用 skill_search 与精选目录；不构造 embedding 提供商，也不发起 embedding 请求。

混合检索（hybrid）示例¶

本机 Jetson manager：

- id: skill-rag
  config:
    mode: hybrid
    embedding:
      provider: jetson
      model: Qwen3-Embedding-0.6B-TensorRT
      baseURL: http://127.0.0.1:8110
      dimensions: 1024
      timeoutMs: 15000
    index:
      content: excerpts
    privacy:
      allowRemoteEmbeddings: false
    autoIndex: true

Google Gemini、OpenRouter、OpenAI 兼容端点等完整 YAML 见仓库 README；远程 embedding 需 privacy.allowRemoteEmbeddings: true，且没有自动本地到云端的 fallback——提供商失败时由 onEmbeddingError 决定退回带标签的关键词结果（默认）或严格报错。

索引 generation 与 provider、model、dimensions、内容策略等绑定；换模型或策略会新建 generation，旧的可继续服务直到替换完成。reindex 必须带 --confirm 才会真正重建；模型侧工具不能改 provider、凭证或触发 rebuild。

典型用法¶

模型可通过 skill_search 检索，例如：

{"query":"render a short video from a photograph on my desktop", "limit":5}

返回的是 Skill 名称与路由摘要，不是完整 instructions；模型仍用未改动的 skill 工具加载原 Skill。搜索与索引不会伪造成功的 skill 结果，read-before-write 与 self-evolve reviewer 仍基于真实加载。

人类可用 slash 命令维护索引与诊断：

/skill-search status
/skill-search models
/skill-search test
/skill-search preview
/skill-search reindex            # prints the data-consent disclosure
/skill-search reindex --confirm  # starts the rebuild
/skill-search cancel

数据出站说明¶

• catalog：无额外出站。
• keyword：无；仅本地 SQLite。
• hybrid 本机（Jetson / loopback）：Skill 卡片与查询留在本机。
• hybrid 远程：仅发送配置允许的卡片内容与搜索查询；metadata 含名称、描述、触发指引等，excerpts 还含标题与短引言；路径与全文不在卡片内。

适用场景与注意¶

适合希望在 DSH 里扩大 Skill 库、又不想每次对话塞满目录的开发者；需要语义匹配时可 opt-in hybrid，只想离线关键词时可只用 keyword；想完全保持 stock 行为则保持 catalog 即可。

DSH 社区插件目录（如 SkillHub）是独立生态站点，与 DeepSeek / 幻方无官方从属关系。插件以当前 dsh 进程权限运行；安装前请自行审阅源码与 MIT 许可证，并按 README 配置环境变量与隐私项。

结尾¶

dsh-skill-rag 把 Skill 发现做成可配置、可关闭的插件层：默认不打扰现有 harness，需要时再打开本地或混合检索，并仍通过原生 skill 工具完成加载。

• 目录页：https://www.skillhub.cn/plugins/Kosello/dsh-skill-rag
• GitHub：https://github.com/Kosello/dsh-skill-rag