前言¶

在 DeepSeek Harness（DSH）里跑智能体时，模型最终交给用户的往往是长段「总结式」回复：套话、对称结构、过度 hedging，信息密度不低，读起来却像模板。常见做法是调 system prompt，或把全文丢给第三方「AI 检测」服务再改一版——前者不稳定，后者有网络、隐私和「改事实换通过率」的风险。

下面介绍社区插件 dsh-plugin-optimize-ai-reply（维护者 XINGMENG2333），分类为工作流。它在 DSH 里提供本地密度扫描、由模型按任务书改写、五层校验与闭环复扫；设计底线是事实、论断强度、安全信息零损失，验收不过则回退原文，而不是交付更差的文本。

这是什么¶

DeepSeek Harness 插件（npm 包名 dsh-plugin-optimize-ai-reply，当前资料中版本 2.4.1，MIT 许可证）：把大模型输出改成更接近人类写作习惯——本地密度扫描（对照人类基线）+ 五层校验改写 + 闭环复扫。README 中的定位是：不是让 AI「装人」，而是删掉不携带信息的 AI 习惯；套话和空总结段去掉之后，保留的应是可核对的内容本身。

改写不经过第三方「AI 检测器」 API；扫描全程本地、零网络；也不让模型给文本打「AI 味总分」，而用每条特征的命中数、密度与人类/AI 基线倍率做四档判断：正常 / 观察项 / 偏高 / 高。

社区目录页：skillhub.cn 插件页。源码与说明：GitHub 仓库。DSH 生态是「一切皆插件」；目录站点与 DeepSeek / 幻方无官方从属关系，安装前请自行查看源码与许可证。

核心功能：7 个工具与 L0–L6 流水线¶

插件在 DSH 中注册 7 个工具，对应扫描、任务书、校验、复扫与维护：

标准工作流（工具描述中已引导模型按此执行）：

optimize_reply_scan(text)                    → 有偏高/高项？
  ├─ 无 → 保持原文，结束
  └─ 有 → optimize_reply_brief(text) → 模型按任务书改写
           → optimize_reply_check(before, after)
                ├─ accept → 输出终稿
                └─ revert → 原样回退原文并说明原因

规则库在资料中记为 54 条（A/B/C 组及子规则），含证据等级、人类/AI 基线、适用文体与模型等；as_of 超 6 个月条目会自动降级为观察项。另有 PROMPT.md：一段主提示词驱动「扫描 → 改写 → 验收 → 自动回退」闭环，并附一句话版、写作前置版与英文版。

同一套核心（src/core）还有 Chrome MV3 扩展形态（侧栏扫描、改写、diff、回退等），与 DSH 插件并列，属副产品；本文以 DSH 用法为主。

安装与启用¶

环境要求（来自 package.json）：Node >= 18，dsh >= 0.2.0。安装命令以 README 原文为准：

# 从 npm（发布后）
dsh plugin --profile demo add dsh-plugin-optimize-ai-reply

# 从 GitHub（无需 npm 发布）
dsh plugin --profile demo add github:XINGMENG2333/dsh-plugin-optimize-ai-reply

# 本地目录 / 预构建 tarball（Release 页可下载 dsh-plugin-optimize-ai-reply.tgz）
dsh plugin --profile demo add ./optimize-ai-reply
dsh plugin --profile demo add ./dsh-plugin-optimize-ai-reply.tgz

也可在 DSH 中打开 Plugins → Discover（需启用实验特性 Custom plugin markets），从市场索引一键安装（见仓库内 market/README.md）。

安装后可用下面命令确认配置层已注入：

dsh --profile demo --dump-config

输出中应出现 # == dsh-plugin-optimize-ai-reply 层。

配置项¶

在 profile 的 cordis.patch.yml 里按行 id 覆盖（无需改包）：

- id: optimize-ai-reply
  name: dsh-plugin-optimize-ai-reply
  config:
    enabled: true                 # 总开关
    defaultRegister: qa          # qa|social|script|popular|formal|academic
    rewriteStrength: max         # safe|strong|max
    defaultModel: unknown        # gpt|claude|deepseek|gemini|kimi|qwen|doubao|…
    thresholdMultiplier: 2       # 密度 ≥ 人类基线 × N 判「偏高」
    showWatchlist: true          # 是否输出【观察项】
    disabledRules: [A4]          # 单规则开关（rules.json 的 id）

配置实现 Standard Schema v1（src/dsh/schema.js），非法值在插件装载期报错。

改写强度三档：safe（只动命中句，结构尽量不动）、strong（同段同类套话可清理）、max（默认，在信息守恒前提下整段重写语言逻辑）。三档共用同一底线：事实、强度、安全信息不变；optimize_reply_check 不通过一律回退。

界面总开关¶

侧栏 插件 → 选择 优化 AI 回复，配置区有 启用优化：

• 开（默认）：7 个工具走扫描 → 改写 → 验收流水线；
• 关：工具暂停，只返回明确暂停说明，回复不再过流水线。

开关与 config.enabled 等价，改动即时生效，无需重启。该开关写入当前 profile 配置层，运行中热更新。

典型用法¶

在 DSH 会话里可以直接说明意图，例如：

用 optimize_reply_scan 看看这段回答有哪些 AI 味特征；有偏高项就按 optimize_reply_brief 改写，然后用 optimize_reply_check 验收。

模型会按工具描述走完闭环；判断只有四档，不给「AI 味总分」。

写新内容前，可先调用 optimize_reply_style_prompt 拿 L1 提示词，再从源头降低套话密度。

适用场景与注意¶

适合：希望在 DSH 工作流里对已有模型回复做可验收的「去 AI 味」改写；需要本地扫描、可配置规则与强度档；愿意让模型按任务书改文并接受 revert 回退的场景（日常改写、科普、社媒等 README 中列为 max 档适用方向）。

注意：

1. 插件以当前 dsh 进程权限运行，安装前应阅读仓库源码与 MIT 许可证；规则表中的统计数字归各数据源所有。
2. README 明确：改写法、不承诺过检测，不用对抗手段；宁可留一点 AI 味，也不改数字、改强度、删安全提示。
3. 已知局限包括：部分规则数据有时代局限（如 A12–A15 与 CCL 2023）；个别条目被实测推翻后降为观察项；A13/A14 等用近似指标；无某模型基线时会注明「该模型无基线数据」。
4. 资料中 GitHub 星标为 0（以目录页/抓取时为准），不代表功能完备度；可结合 CI badge 与 optimize_reply_rulecheck 自行评估规则误报率（>5% 时 README 建议谨慎启用该规则）。

结尾¶

dsh-plugin-optimize-ai-reply 把「去 AI 味」做成 DSH 内可编排的工作流：本地扫描对照人类基线，改写由模型执行但受五层校验与复扫约束，失败则回退——与单纯调 prompt 或外包检测 API 的路径不同，重心在信息守恒下的可读性。

• 目录页：https://www.skillhub.cn/plugins/XINGMENG2333/dsh-plugin-optimize-ai-reply
• GitHub：https://github.com/XINGMENG2333/dsh-plugin-optimize-ai-reply