前言¶

在 DeepSeek Harness（DSH）里做长对话开发，常见矛盾是：希望模型按步骤核实、承重结论有凭据，又不想靠改 reasoningEffort 或全局 maxTokens 去「硬拉高」；同时，一次一进程的 shell、每轮重发整段 system prompt，也会把 cwd 和环境状态冲掉。社区插件 dsh-optimization-2027（维护者 shiliuyu316）把五档推理协议、结论台账、声明式自建工具、持久 PowerShell、提示词重注入、只读分析员和输入框侧面板收进一个 bundle，衍生于 husongan/dsh-deepseek-2027（MIT），保留机制并重写实现，去掉上游实测有问题或权限过大的部分。分类上属于「模型推理」；当前 GitHub 星标为 0，最新发布版本见仓库 package.json（资料中为 1.0.1）。

这是什么¶

一句话：DeepSeek Harness 单会话推理优化插件——在每次模型请求前注入可关断的英文推理规则，并提供台账、工具声明、持久 shell 等配套能力；off 档下对本请求的协议额外开销为 0 字符。它不修改 reasoningEffort、temperature、maxTokens，只通过 system prompt 与工具定义影响行为。

面板入口在对话输入框右侧：点开可切换 关 / 轻 / 标准 / 深 / 多智能体 五档，查看各档约多少 token、操作结论台账与重发提示词；Host 侧通过一条 loopback-only 的 HTTP 路由与 /dopt2027 共用同一套逻辑。

核心功能¶

下面按 README 中的七项能力说明；每项都有对应工具或命令入口。

五档推理协议（19 条规则）¶

档位 0–4 决定累加注入的协议文本条数，高档包含低档全部规则：

规则以英文写入（例如 read-first、claim-channel、report-is-testimony 等），要求写在给出最终答案之前的推理形状。显式设置的档位按会话（agent）写入 <DSH_HOME>/plugin-data/dsh-optimization-2027/levels/level-<会话>.json，重启后可恢复；从未切过档的会话仍用配置里的默认 level。

结论台账（claim）¶

承重结论必须带 evidence 或 check，否则 add() 会抛错；被推翻的条目保留不删。数据为 append-only 的 ledger/ledger-<会话>.jsonl。

声明式自建工具（tool2027）¶

模型用 JSON 声明 PowerShell 命令模板，声明后无需重启即可调用；不把模型生成的代码挂进宿主进程。默认目录为 plugin-data/.../tools/（可通过配置改）。

持久 PowerShell（shell2027 / shell_reset）¶

跨调用保持 cwd、$env: 与后台进程；与「每次新进程」的一次性 shell 相对。可在配置里关闭以省约 221 tok 的工具定义开销。

提示词重注入（/dopt2027 rearm）¶

重发当前 runtime context，并把旧快照替换为一行注释；可设 rearmDistance 按消息漂移自动重发。

只读分析员（analyst_brief）¶

子智能体简报不得要求改文件；返回报告被框成「证词，不是事实」。

输入框按钮面板¶

注册在 conversation.input.right，不离开对话即可换档、查看工具与台账、触发重发。

Token 成本（使用前要心里有数）¶

除协议文本外，五个工具的定义约 1100 tok/请求，用不用工具都会随请求发送（资料说明本机路由不支持 deferLoading）。面板与 /dopt2027 levels 报的是「协议 + 工具」合计；估算整段对话额外消耗时，应用聊天左下角统计里的 「步」（assistant/message 请求次数）乘上单步单价，而不是「轮」或 token-saver 的请求计数。off 档协议为 0；light 档合计约 1163 tok/步，standard 约 1292 tok/步（详见 README 表格）。

插件自述：不访问网络，除 <DSH_HOME>/plugin-data/dsh-optimization-2027/ 外不读写其它路径；五套测试共 382 条断言。

安装与启用¶

环境要求（package.json）：Node >= 20，DSH >= 0.2.0-rc.1。

官方 README 给出的安装方式如下。先把 bundle 放到本机目录（示例为克隆仓库），再用 profile 的 plugin_manager 安装：

git clone https://github.com/shiliuyu316/dsh-optimization-2027
plugin_manager install_bundle ".\dsh-optimization-2027"

从已有本地目录安装：

plugin_manager install_bundle "D:\path\to\dsh-optimization-2027"

或写入 profile 的 package.json：

{
  "dependencies": { "dsh-optimization-2027": "link:D:/path/to/dsh-optimization-2027" },
  "dsh": { "profile": { "bundles": ["dsh-optimization-2027"] } }
}

安装后 需要重启 DSH。客户端 UI（输入框右侧按钮）同样依赖重启：dsh-client-modules 会缓存客户端包判定到进程结束，仅开关插件不会刷新。界面语言随 document.documentElement.lang / navigator.language 在 locale/zh.json 与 locale/en.json 间选择。

社区目录页（与 DeepSeek / 幻方无官方从属关系）：https://www.skillhub.cn/plugins/shiliuyu316/dsh-optimization-2027

典型用法¶

命令 /dopt2027¶

命令名必须是 dopt2027（不能以数字开头，否则宿主 register() 会抛 TypeError）：

/dopt2027                     状态（档位 / 工具目录 / shell 进程 / 台账计数）
/dopt2027 level <0-4>         设置本次会话的推理档位（0 = 关掉协议）
/dopt2027 levels              五档规则与字符、tok 统计
/dopt2027 tools               列出已声明的自建工具
/dopt2027 ledger              审计结论台账
/dopt2027 rearm               重发当前 runtime context
/dopt2027 rearm <n> | off     设置自动重发阈值（0 与 off 同义）

配置（cordis.patch.yml）¶

未知键会被丢弃且不报错。

数据目录¶

<DSH_HOME>/plugin-data/dsh-optimization-2027/
  tools/<name>.json             自建工具声明
  tools/<name>.md               工具文档
  ledger/ledger-<会话>.jsonl    结论台账
  levels/level-<会话>.json      显式设置的档位
  rearm/rearm-<会话>.json       自动重发阈值

这些文件属于用户数据，发布或提交代码时不要带上他人的台账与档位。

适用场景与注意¶

适合谁：需要在 DSH 单会话里加强「先读再改、承重结论要渠道标签、硬问题要反例与边界」等行为，并希望用台账和持久 shell 支撑长任务；能接受每步固定的工具 schema 成本，并愿意用 off 或低档控制开销。

权限与安全：插件以当前 DSH 进程权限运行；shell2027、自建工具执行 PowerShell，安装前应阅读源码与 MIT LICENSE，确认符合你的环境策略。本包有意未带上游的管理员执行、桌面自动化、远程 SSH 等高权限能力。

兼容性（README 摘要）：持久 PowerShell 在 Windows 上验证最完整；Linux/macOS 在存在 pwsh 时理论上可用，进程树回收路径未在项目内充分验证。客户端面板依赖 Chromium 系浏览器与宿主主题变量；不改模型 API 参数，真正换「想得久」的模型需在 profile 里选模型，而不是靠本插件档位。

结尾¶

dsh-optimization-2027 把推理协议、台账、工具声明、持久 shell、重注入与只读分析员打包成同一 bundle，用 off 档和按会话 persisted 的档位控制成本与行为；面板与 /dopt2027 共用实现，数据落在 plugin-data/dsh-optimization-2027/。进一步了解能力与 token 计价细节，见 GitHub README：

• 目录页：https://www.skillhub.cn/plugins/shiliuyu316/dsh-optimization-2027
• 仓库：https://github.com/shiliuyu316/dsh-optimization-2027