前言¶

在 DSH 里做购物相关智能体时，常见做法是：先让模型联网搜商品、比价、看评价，再口头总结「买哪个」。难点不在「有没有信息」，而在证据零散、折扣是否可兑现、硬约束是否被违反、来源是否可信——若缺少一套确定的排序与拒选规则，同一批候选在不同轮对话里结论容易漂移。

下面介绍的 dsh-ai-shopping-assistant（维护者 ShenXuAkaEkstasis，社区分类为联网工具）不替你去逛电商、下单或支付；它注册工具 shopping_decision_analyze，在智能体已收集结构化证据的前提下，做本地确定性计算：候选排序、硬约束剔除、确认价与条件价区分、商家/评价证据权重、来源质量风险，以及跨 SKU 不确定性提示。插件由 AI Shopping Assistant 2.0.1 适配而来，当前发布版本为 2.0.1-dsh.2。

这是什么¶

一句话：DSH 购物决策插件——输入 JSON 证据，输出结构化决策结果；无运行时依赖，不发网络请求，不写盘。

与「让模型直接推荐商品」相比，分工是：调用方智能体负责搜集当前渠道、价格、评价等证据；本插件负责按 README 中声明的规则统一处理，并在预算、品类、地区或条件发生实质变化时返回 full_refresh，提示应重新核对产品线而非仅重排旧候选。

核心功能¶

插件仅注册一个工具：shopping_decision_analyze，接受参数 input_json（JSON 对象）。

已核实的能力包括：

1. 候选排序：按当前用户需求契合度排序，而非通用「质量榜」。
2. 硬约束拒选：存在 hard_constraint_failures 的候选在推荐排序前即被剔除。
3. 价格语义：未确认的折扣保持为条件优惠；会员费等可计入可兑现价格；区分 confirmed_discount 与 conditional_discount。
4. 证据与信任：字段如 user_fit、evidence_confidence、merchant_trust、review_confidence 参与决策；SKU 范围未核实时，不默认链接级销量/评价对应当前 SKU。
5. 来源质量：source_quality_flags 等信号可降低证据权重（如模板化内容、低活跃集中发帖、SEO/GEO/AEO 内容矩阵、未验证商家、站外付款或索要敏感信息等）。
6. 变更检测：预算、品类、地区或条件 materially 变化时返回 full_refresh。

插件本身不浏览电商、不登录、不下单、不收款、不收集凭证；密码、OTP、Cookie、银行卡信息等不应传入该工具。

兼容性与环境¶

• 插件发布：2.0.1-dsh.2
• DSH：按 2026 年 8 月文档中的 developer-preview bundle/tool 契约设计；预览期可能有破坏性变更，安装时建议固定 release 或 commit。
• Node.js：^22.19.0 || >=24.0.0（与 DSH 仓库引擎要求一致）
• 运行时依赖：无；使用 DSH 宿主注入的 tools 服务，不单独安装 @deepseek-ai/dsh-tools。
• 许可证：MIT（详见仓库 LICENSE.md、SECURITY.md）

安装与启用¶

仓库发布后，从 GitHub 安装（无需 build 或 prepare 脚本）。

Web profile：

dsh plugin --profile web add github:ShenXuAkaEkstasis/dsh-ai-shopping-assistant#v2.0.1-dsh.2

Headless profile：

dsh plugin --profile headless add github:ShenXuAkaEkstasis/dsh-ai-shopping-assistant#v2.0.1-dsh.2

卸载（与安装 profile 一致；若在 headless 安装则用 headless）：

dsh plugin --profile web remove dsh-ai-shopping-assistant

若已安装但看不到工具，可按 README 排查：确认 profile 一致、dsh plugin --profile <profile> list、安装 bundle 后重启 profile，并确认仓库根目录含 package.json、index.js、cordis.patch.yml。

典型用法¶

先让智能体调研商品并整理证据，再调用购物决策工具。input_json 示例（摘自官方 README）：

{
  "operation": "analyze",
  "patch": {
    "budget_changed": false
  },
  "candidates": [
    {
      "name": "Example A",
      "channel": "official store",
      "base_price": 1999,
      "shipping": 0,
      "confirmed_discount": 100,
      "conditional_discount": 200,
      "eligibility_confirmed": false,
      "membership_required": false,
      "user_fit": 0.9,
      "evidence_confidence": 0.85,
      "merchant_trust": 0.95,
      "review_confidence": 0.75,
      "hard_constraint_failures": [],
      "source_quality_flags": [],
      "sku_scope_verified": true
    }
  ]
}

自然语言侧可要求 agent：完成调研后，将候选与约束填入上述结构并调用 shopping_decision_analyze。

适用场景与注意¶

适合：已在 DSH 中开发购物/比价类 agent，希望决策层规则稳定、可复现，且愿意由 agent 自行联网采集证据后再做结构化分析的场景。

注意：

• 插件以当前 DSH 进程权限运行；安装前请阅读源码与 MIT 许可证，确认符合你的安全与合规要求。
• 计算仅在本地进行，无网络、无持久化用户数据；仍勿向工具传入任何凭证或支付敏感信息。
• DSH 生态理念是「一切皆插件」；社区目录 SkillHub 插件页 为独立站点，与 DeepSeek / 幻方无官方从属关系，不宜当作官方应用商店理解。

结尾¶

dsh-ai-shopping-assistant 把「已收集的购物证据」收敛为带拒选、价格语义与来源风险的结构化结论，适合与联网调研类 agent 搭配使用。进一步说明见 GitHub 仓库 与 SkillHub 目录页。