前言¶

在 DeepSeek Harness（DSH）裏做長對話開發，常見矛盾是：希望模型按步驟覈實、承重結論有憑據，又不想靠改 reasoningEffort 或全局 maxTokens 去「硬拉高」；同時，一次一進程的 shell、每輪重發整段 system prompt，也會把 cwd 和環境狀態沖掉。社區插件 dsh-optimization-2027（維護者 shiliuyu316）把五檔推理協議、結論臺賬、聲明式自建工具、持久 PowerShell、提示詞重注入、只讀分析員和輸入框側面板收進一個 bundle，衍生於 husongan/dsh-deepseek-2027（MIT），保留機制並重寫實現，去掉上游實測有問題或權限過大的部分。分類上屬於「模型推理」；當前 GitHub 星標爲 0，最新發布版本見倉庫 package.json（資料中爲 1.0.1）。

這是什麼¶

一句話：DeepSeek Harness 單會話推理優化插件——在每次模型請求前注入可關斷的英文推理規則，並提供臺賬、工具聲明、持久 shell 等配套能力；off 檔下對本請求的協議額外開銷爲 0 字符。它不修改 reasoningEffort、temperature、maxTokens，只通過 system prompt 與工具定義影響行爲。

面板入口在對話輸入框右側：點開可切換 關 / 輕 / 標準 / 深 / 多智能體 五檔，查看各檔約多少 token、操作結論臺賬與重發提示詞；Host 側通過一條 loopback-only 的 HTTP 路由與 /dopt2027 共用同一套邏輯。

核心功能¶

下面按 README 中的七項能力說明；每項都有對應工具或命令入口。

五檔推理協議（19 條規則）¶

檔位 0–4 決定累加註入的協議文本條數，高檔包含低檔全部規則：

規則以英文寫入（例如 read-first、claim-channel、report-is-testimony 等），要求寫在給出最終答案之前的推理形狀。顯式設置的檔位按會話（agent）寫入 <DSH_HOME>/plugin-data/dsh-optimization-2027/levels/level-<會話>.json，重啓後可恢復；從未切過檔的會話仍用配置裏的默認 level。

結論臺賬（claim）¶

承重結論必須帶 evidence 或 check，否則 add() 會拋錯；被推翻的條目保留不刪。數據爲 append-only 的 ledger/ledger-<會話>.jsonl。

聲明式自建工具（tool2027）¶

模型用 JSON 聲明 PowerShell 命令模板，聲明後無需重啓即可調用；不把模型生成的代碼掛進宿主進程。默認目錄爲 plugin-data/.../tools/（可通過配置改）。

持久 PowerShell（shell2027 / shell_reset）¶

跨調用保持 cwd、$env: 與後臺進程；與「每次新進程」的一次性 shell 相對。可在配置裏關閉以省約 221 tok 的工具定義開銷。

提示詞重注入（/dopt2027 rearm）¶

重發當前 runtime context，並把舊快照替換爲一行註釋；可設 rearmDistance 按消息漂移自動重發。

只讀分析員（analyst_brief）¶

子智能體簡報不得要求改文件；返回報告被框成「證詞，不是事實」。

輸入框按鈕面板¶

註冊在 conversation.input.right，不離開對話即可換檔、查看工具與臺賬、觸發重發。

Token 成本（使用前要心裏有數）¶

除協議文本外，五個工具的定義約 1100 tok/請求，用不用工具都會隨請求發送（資料說明本機路由不支持 deferLoading）。面板與 /dopt2027 levels 報的是「協議 + 工具」合計；估算整段對話額外消耗時，應用聊天左下角統計裏的 「步」（assistant/message 請求次數）乘上單步單價，而不是「輪」或 token-saver 的請求計數。off 檔協議爲 0；light 檔合計約 1163 tok/步，standard 約 1292 tok/步（詳見 README 表格）。

插件自述：不訪問網絡，除 <DSH_HOME>/plugin-data/dsh-optimization-2027/ 外不讀寫其它路徑；五套測試共 382 條斷言。

安裝與啓用¶

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

官方 README 給出的安裝方式如下。先把 bundle 放到本機目錄（示例爲克隆倉庫），再用 profile 的 plugin_manager 安裝：

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

從已有本地目錄安裝：

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

或寫入 profile 的 package.json：

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

安裝後 需要重啓 DSH。客戶端 UI（輸入框右側按鈕）同樣依賴重啓：dsh-client-modules 會緩存客戶端包判定到進程結束，僅開關插件不會刷新。界面語言隨 document.documentElement.lang / navigator.language 在 locale/zh.json 與 locale/en.json 間選擇。

社區目錄頁（與 DeepSeek / 幻方無官方從屬關係）：https://www.skillhub.cn/plugins/shiliuyu316/dsh-optimization-2027

典型用法¶

命令 /dopt2027¶

命令名必須是 dopt2027（不能以數字開頭，否則宿主 register() 會拋 TypeError）：

/dopt2027                     狀態（檔位 / 工具目錄 / shell 進程 / 臺賬計數）
/dopt2027 level <0-4>         設置本次會話的推理檔位（0 = 關掉協議）
/dopt2027 levels              五檔規則與字符、tok 統計
/dopt2027 tools               列出已聲明的自建工具
/dopt2027 ledger              審計結論臺賬
/dopt2027 rearm               重發當前 runtime context
/dopt2027 rearm <n> | off     設置自動重發閾值（0 與 off 同義）

配置（cordis.patch.yml）¶

未知鍵會被丟棄且不報錯。

數據目錄¶

<DSH_HOME>/plugin-data/dsh-optimization-2027/
  tools/<name>.json             自建工具聲明
  tools/<name>.md               工具文檔
  ledger/ledger-<會話>.jsonl    結論臺賬
  levels/level-<會話>.json      顯式設置的檔位
  rearm/rearm-<會話>.json       自動重發閾值

這些文件屬於用戶數據，發佈或提交代碼時不要帶上他人的臺賬與檔位。

適用場景與注意¶

適合誰：需要在 DSH 單會話里加強「先讀再改、承重結論要渠道標籤、硬問題要反例與邊界」等行爲，並希望用臺賬和持久 shell 支撐長任務；能接受每步固定的工具 schema 成本，並願意用 off 或低檔控制開銷。

權限與安全：插件以當前 DSH 進程權限運行；shell2027、自建工具執行 PowerShell，安裝前應閱讀源碼與 MIT LICENSE，確認符合你的環境策略。本包有意未帶上游的管理員執行、桌面自動化、遠程 SSH 等高權限能力。

兼容性（README 摘要）：持久 PowerShell 在 Windows 上驗證最完整；Linux/macOS 在存在 pwsh 時理論上可用，進程樹回收路徑未在項目內充分驗證。客戶端面板依賴 Chromium 系瀏覽器與宿主主題變量；不改模型 API 參數，真正換「想得久」的模型需在 profile 裏選模型，而不是靠本插件檔位。

結尾¶

dsh-optimization-2027 把推理協議、臺賬、工具聲明、持久 shell、重注入與只讀分析員打包成同一 bundle，用 off 檔和按會話 persisted 的檔位控制成本與行爲；面板與 /dopt2027 共用實現，數據落在 plugin-data/dsh-optimization-2027/。進一步瞭解能力與 token 計價細節，見 GitHub README：

• 目錄頁：https://www.skillhub.cn/plugins/shiliuyu316/dsh-optimization-2027
• 倉庫：https://github.com/shiliuyu316/dsh-optimization-2027