前言¶

在 DSH 裏做購物相關智能體時，常見做法是：先讓模型聯網搜商品、比價、看評價，再口頭總結「買哪個」。難點不在「有沒有信息」，而在證據零散、折扣是否可兌現、硬約束是否被違反、來源是否可信——若缺少一套確定的排序與拒選規則，同一批候選在不同輪對話裏結論容易漂移。

下面介紹的 dsh-ai-shopping-assistant（維護者 ShenXuAkaEkstasis，社區分類爲聯網工具）不替你去逛電商、下單或支付；它註冊工具 shopping_decision_analyze，在智能體已收集結構化證據的前提下，做本地確定性計算：候選排序、硬約束剔除、確認價與條件價區分、商家/評價證據權重、來源質量風險，以及跨 SKU 不確定性提示。插件由 AI Shopping Assistant 2.0.1 適配而來，當前發佈版本爲 2.0.1-dsh.2。

這是什麼¶

一句話：DSH 購物決策插件——輸入 JSON 證據，輸出結構化決策結果；無運行時依賴，不髮網絡請求，不寫盤。

與「讓模型直接推薦商品」相比，分工是：調用方智能體負責蒐集當前渠道、價格、評價等證據；本插件負責按 README 中聲明的規則統一處理，並在預算、品類、地區或條件發生實質變化時返回 full_refresh，提示應重新覈對產品線而非僅重排舊候選。

核心功能¶

插件僅註冊一個工具：shopping_decision_analyze，接受參數 input_json（JSON 對象）。

已覈實的能力包括：

1. 候選排序：按當前用戶需求契合度排序，而非通用「質量榜」。
2. 硬約束拒選：存在 hard_constraint_failures 的候選在推薦排序前即被剔除。
3. 價格語義：未確認的折扣保持爲條件優惠；會員費等可計入可兌現價格；區分 confirmed_discount 與 conditional_discount。
4. 證據與信任：字段如 user_fit、evidence_confidence、merchant_trust、review_confidence 參與決策；SKU 範圍未覈實時，不默認鏈接級銷量/評價對應當前 SKU。
5. 來源質量：source_quality_flags 等信號可降低證據權重（如模板化內容、低活躍集中發帖、SEO/GEO/AEO 內容矩陣、未驗證商家、站外付款或索要敏感信息等）。
6. 變更檢測：預算、品類、地區或條件 materially 變化時返回 full_refresh。

插件本身不瀏覽電商、不登錄、不下單、不收款、不收集憑證；密碼、OTP、Cookie、銀行卡信息等不應傳入該工具。

兼容性與環境¶

• 插件發佈：2.0.1-dsh.2
• DSH：按 2026 年 8 月文檔中的 developer-preview bundle/tool 契約設計；預覽期可能有破壞性變更，安裝時建議固定 release 或 commit。
• Node.js：^22.19.0 || >=24.0.0（與 DSH 倉庫引擎要求一致）
• 運行時依賴：無；使用 DSH 宿主注入的 tools 服務，不單獨安裝 @deepseek-ai/dsh-tools。
• 許可證：MIT（詳見倉庫 LICENSE.md、SECURITY.md）

安裝與啓用¶

倉庫發佈後，從 GitHub 安裝（無需 build 或 prepare 腳本）。

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

卸載（與安裝 profile 一致；若在 headless 安裝則用 headless）：

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

若已安裝但看不到工具，可按 README 排查：確認 profile 一致、dsh plugin --profile <profile> list、安裝 bundle 後重啓 profile，並確認倉庫根目錄含 package.json、index.js、cordis.patch.yml。

典型用法¶

先讓智能體調研商品並整理證據，再調用購物決策工具。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
    }
  ]
}

自然語言側可要求 agent：完成調研後，將候選與約束填入上述結構並調用 shopping_decision_analyze。

適用場景與注意¶

適合：已在 DSH 中開發購物/比價類 agent，希望決策層規則穩定、可復現，且願意由 agent 自行聯網採集證據後再做結構化分析的場景。

注意：

• 插件以當前 DSH 進程權限運行；安裝前請閱讀源碼與 MIT 許可證，確認符合你的安全與合規要求。
• 計算僅在本地進行，無網絡、無持久化用戶數據；仍勿向工具傳入任何憑證或支付敏感信息。
• DSH 生態理念是「一切皆插件」；社區目錄 SkillHub 插件頁 爲獨立站點，與 DeepSeek / 幻方無官方從屬關係，不宜當作官方應用商店理解。

結尾¶

dsh-ai-shopping-assistant 把「已收集的購物證據」收斂爲帶拒選、價格語義與來源風險的結構化結論，適合與聯網調研類 agent 搭配使用。進一步說明見 GitHub 倉庫 與 SkillHub 目錄頁。