前言¶

DeepSeek Harness（DSH）通過 Skill 擴展智能體能力。Skill 庫變大之後，若每次對話都把完整目錄塞進提示詞，上下文會被佔滿，模型也更容易在無關 Skill 裏打轉。另一種做法是硬改內置 skill 加載器，但會牽動 instructions、resources 和 procedural-learning 等既有鏈路。

下面介紹社區插件 dsh-skill-rag（維護者 Kosello，分類：工作流）。它在不改動原有 skill 工具與加載流程的前提下，提供可選的 Skill 發現方式：保留 DSH 默認全量目錄、本地關鍵詞檢索，或關鍵詞加向量混合檢索。

這是什麼¶

dsh-skill-rag 是面向 DeepSeek Harness 的可選 Skill 發現插件。一句話定位：讓完整 Skill 庫可檢索，又不必在每個 prompt 裏羅列全部 Skill；原生的 skill loader、說明、資源與相關工具保持原樣。

• 目錄頁：https://www.skillhub.cn/plugins/Kosello/dsh-skill-rag
• 源碼：https://github.com/Kosello/dsh-skill-rag
• 許可證：MIT（見倉庫 package.json，當前版本 0.2.0）

三種工作模式¶

插件通過 cordis.patch.yml 裏 skill-rag 行的 config.mode 切換行爲。新裝默認是 catalog，無需 API Key、模型服務或外網。

hybrid 需顯式配置；catalog 不會註冊 skill_search、不會建索引、不會初始化 embedding 提供商。

環境與依賴¶

資料中寫明的運行條件如下：

• DSH 0.2.1-rc.2（README 中的 tested target）
• Node >=22.19，且需原生 node:sqlite
• hybrid 模式下需任選一種 embedding 來源：本機 TensorRT manager（默認 http://127.0.0.1:8110）、Google Gemini API Key、OpenRouter API Key，或 OpenAI 兼容的 embeddings 端點與模型
• 不需要額外 SDK 或獨立向量數據庫

安裝與啓用¶

從已發佈的 Git 倉庫安裝（命令來自 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"

包聲明瞭一個 bundle 行（skill-rag）和可選的 browser client；客戶端會在 Settings → Skill discovery 註冊配置入口，無需改 DSH shell。

重啓 harness 前，可先確認 composition：

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

然後按你平時的服務方式重啓 harness。若 agent 正在該服務內運行，宜用外部延遲重啓，避免打斷當前 turn。

配置要點¶

配置寫在 profile 的 cordis.patch.yml 中 skill-rag 條目；與設置面板編輯的是同一份契約。密鑰只寫環境變量名，不寫明文；設置面板只報告變量是否存在，不展示、不寫入 secret 值。

零配置默認（catalog）¶

- id: skill-rag
  config:
    mode: catalog

本地關鍵詞（keyword）¶

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

啓用 skill_search 與精選目錄；不構造 embedding 提供商，也不發起 embedding 請求。

混合檢索（hybrid）示例¶

本機 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 兼容端點等完整 YAML 見倉庫 README；遠程 embedding 需 privacy.allowRemoteEmbeddings: true，且沒有自動本地到雲端的 fallback——提供商失敗時由 onEmbeddingError 決定退回帶標籤的關鍵詞結果（默認）或嚴格報錯。

索引 generation 與 provider、model、dimensions、內容策略等綁定；換模型或策略會新建 generation，舊的可繼續服務直到替換完成。reindex 必須帶 --confirm 纔會真正重建；模型側工具不能改 provider、憑證或觸發 rebuild。

典型用法¶

模型可通過 skill_search 檢索，例如：

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

返回的是 Skill 名稱與路由摘要，不是完整 instructions；模型仍用未改動的 skill 工具加載原 Skill。搜索與索引不會僞造成功的 skill 結果，read-before-write 與 self-evolve reviewer 仍基於真實加載。

人類可用 slash 命令維護索引與診斷：

/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

數據出站說明¶

• catalog：無額外出站。
• keyword：無；僅本地 SQLite。
• hybrid 本機（Jetson / loopback）：Skill 卡片與查詢留在本機。
• hybrid 遠程：僅發送配置允許的卡片內容與搜索查詢；metadata 含名稱、描述、觸發指引等，excerpts 還含標題與短引言；路徑與全文不在卡片內。

適用場景與注意¶

適合希望在 DSH 裏擴大 Skill 庫、又不想每次對話塞滿目錄的開發者；需要語義匹配時可 opt-in hybrid，只想離線關鍵詞時可只用 keyword；想完全保持 stock 行爲則保持 catalog 即可。

DSH 社區插件目錄（如 SkillHub）是獨立生態站點，與 DeepSeek / 幻方無官方從屬關係。插件以當前 dsh 進程權限運行；安裝前請自行審閱源碼與 MIT 許可證，並按 README 配置環境變量與隱私項。

結尾¶

dsh-skill-rag 把 Skill 發現做成可配置、可關閉的插件層：默認不打擾現有 harness，需要時再打開本地或混合檢索，並仍通過原生 skill 工具完成加載。

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