前言¶
在 DeepSeek Harness（DSH）裏做數學、物理或工程類問題時，模型往往輸出「看起來合理」的推導或數值，但合理不等於已驗證。單靠一次對話或盲目堆子智能體，也很難區分公式對錯、單位是否一致、以及答案鍵是否寫錯。社區插件 dsh-science-legion（維護者 lengrufeng2008，分類：工作流）提供的是一層命令與技能編排：指揮官、共享黑板、獨立驗證者與紅隊、明確的 token/時間預算，進度單位是 verified claim（已驗證主張），而不是智能體數量。它不是通用求解器，也不承諾解決數學/物理等領域的開放問題。
這是什麼¶
dsh-science-legion 是面向 DSH 的 skill 包，用於分層、可覈查的科學戰役，覆蓋數學、物理、天文、工程，以及生物醫學證據評估（非醫療建議）。插件本身不會替 DSH spawn 上千個 agent；它說明如何用 DSH 現有的 workflow 與 subagent 工具組織戰役，具體模型、工具與速率限制仍由 profile 決定。
倉庫 README 中記錄的一次六智能體試點：獨立驗證者發現自帶 benchmark 的答案鍵有誤——公式成立，期望值的標註錯了（四階與六階截斷混淆）。這被作者當作產品「按驗證結果工作」的示例，見倉庫內 evals/pilot-fourth-order/。
技能包組成¶
路由與指揮由 science-legion（選領域、選 tier）和 legion-command（班組/排/連/軍團條令、黑板、工作者契約、預算）承擔。領域技能包括：
| Skill | 作用 |
|---|---|
math-research |
定義、證明義務、反例、符號與數值檢查 |
physics-research |
單位、守恆、極限、近似控制、仿真、不確定度 |
astronomy-research |
座標系、時間系統、測光、距離、選擇效應、檔案 |
engineering-research |
需求、載荷工況、安全係數、公差、失效模式、試驗 |
biomedical-research |
PICO、研究設計、絕對/相對效應、偏倚、適用性 |
science-verify |
獨立證據表、復現、證僞、溯源 |
指揮技能裏還命名了若干戰術形狀（如 wolf pack、flanking、pincer 等），用於多路獨立方法、側翼極限情形、雙方法一致等，而不是單次巨大 fan-out。
規模與成本規劃¶
默認規模是 Squad（6）：指揮官、兩名 scout、calculator、獨立 verifier、red team。條令上還可規劃 24、96，以及經校驗後的 384–1000；README 明確 1000-agent 層級在此倉庫尚未驗證，應視爲受控研究模式，而非已交付能力。
在超過六 agent 的戰役前，可在插件包目錄用自帶腳本做規劃用成本估算（非服務商報價）：
node scripts/estimate-campaign.mjs --agents 24
腳本按已測六 agent 試點線性外推，並對高於六 agent 的 tier 加 25% 協調開銷；README 給出六 agent 復現爲約 ¥1.4543、24 agent 約 ¥7.27 的參考數。正式開跑前應在 BRIEF.md 中寫入 token 上限；文檔建議到預算約 70% 時停止。
安裝與啓用¶
通過 DSH 插件管理器安裝（資料原文命令，profile 爲 web）：
dsh plugin --profile web add github:lengrufeng2008/dsh-science-legion
當前 package 版本爲 0.2.0，許可證 MIT。插件以當前 DSH 進程的權限運行；安裝前請自行閱讀倉庫源碼與 LICENSE，確認是否符合你的安全與合規要求。
典型用法¶
提出硬科學問題時，可 invoke 路由 skill science-legion，或直接使用領域 skill。README 給出的調用形式如下：
Use science-legion on: prove or refute ...
指揮官會在 research/<slug>/ 下寫 brief，從 squad 規模起步，並報告主張、證據、不確定度、失敗項與成本。驗證是獨立角色；作者不能自行把自己的結果標爲 verified。
邊界與誠實聲明¶
資料中強調的邊界包括：
- 不聲稱解決開放問題；需要證明、證書、可復現計算或決定性測量等形式的結論。
- 不僞造引用、數據、觀測或數字；未知事實標爲
UNKNOWN。 - 不在 prompt 中放入患者數據或憑證。
- 不以多數票或純 LLM 裁判當作真理；不 silent retry。
- 大規模 agent 可能又貴又慢；預算門是產品設計的一部分。
本地還可運行 npm test（manifest、frontmatter、條令標記等）與 npm run preflight（上架前包面檢查），詳見倉庫 README。
結尾¶
若你希望在 DSH 裏用分層多智能體 + 獨立驗證 + 預算門組織科學類任務，而不是追求 agent 數量或開放問題噱頭，dsh-science-legion 提供的是可複用的技能與條令層。社區目錄頁：https://www.skillhub.cn/plugins/lengrufeng2008/dsh-science-legion；源碼與完整說明：https://github.com/lengrufeng2008/dsh-science-legion。
