前言¶

在 DeepSeek Harness（DSH）裏跑智能體時，模型最終交給用戶的往往是長段「總結式」回覆：套話、對稱結構、過度 hedging，信息密度不低，讀起來卻像模板。常見做法是調 system prompt，或把全文丟給第三方「AI 檢測」服務再改一版——前者不穩定，後者有網絡、隱私和「改事實換通過率」的風險。

下面介紹社區插件 dsh-plugin-optimize-ai-reply（維護者 XINGMENG2333），分類爲工作流。它在 DSH 裏提供本地密度掃描、由模型按任務書改寫、五層校驗與閉環復掃；設計底線是事實、論斷強度、安全信息零損失，驗收不過則回退原文，而不是交付更差的文本。

這是什麼¶

DeepSeek Harness 插件（npm 包名 dsh-plugin-optimize-ai-reply，當前資料中版本 2.4.1，MIT 許可證）：把大模型輸出改成更接近人類寫作習慣——本地密度掃描（對照人類基線）+ 五層校驗改寫 + 閉環復掃。README 中的定位是：不是讓 AI「裝人」，而是刪掉不攜帶信息的 AI 習慣；套話和空總結段去掉之後，保留的應是可覈對的內容本身。

改寫不經過第三方「AI 檢測器」 API；掃描全程本地、零網絡；也不讓模型給文本打「AI 味總分」，而用每條特徵的命中數、密度與人類/AI 基線倍率做四檔判斷：正常 / 觀察項 / 偏高 / 高。

社區目錄頁：skillhub.cn 插件頁。源碼與說明：GitHub 倉庫。DSH 生態是「一切皆插件」；目錄站點與 DeepSeek / 幻方無官方從屬關係，安裝前請自行查看源碼與許可證。

核心功能：7 個工具與 L0–L6 流水線¶

插件在 DSH 中註冊 7 個工具，對應掃描、任務書、校驗、復掃與維護：

標準工作流（工具描述中已引導模型按此執行）：

optimize_reply_scan(text)                    → 有偏高/高項？
  ├─ 無 → 保持原文，結束
  └─ 有 → optimize_reply_brief(text) → 模型按任務書改寫
           → optimize_reply_check(before, after)
                ├─ accept → 輸出終稿
                └─ revert → 原樣回退原文並說明原因

規則庫在資料中記爲 54 條（A/B/C 組及子規則），含證據等級、人類/AI 基線、適用文體與模型等；as_of 超 6 個月條目會自動降級爲觀察項。另有 PROMPT.md：一段主提示詞驅動「掃描 → 改寫 → 驗收 → 自動回退」閉環，並附一句話版、寫作前置版與英文版。

同一套核心（src/core）還有 Chrome MV3 擴展形態（側欄掃描、改寫、diff、回退等），與 DSH 插件並列，屬副產品；本文以 DSH 用法爲主。

安裝與啓用¶

環境要求（來自 package.json）：Node >= 18，dsh >= 0.2.0。安裝命令以 README 原文爲準：

# 從 npm（發佈後）
dsh plugin --profile demo add dsh-plugin-optimize-ai-reply

# 從 GitHub（無需 npm 發佈）
dsh plugin --profile demo add github:XINGMENG2333/dsh-plugin-optimize-ai-reply

# 本地目錄 / 預構建 tarball（Release 頁可下載 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 中打開 Plugins → Discover（需啓用實驗特性 Custom plugin markets），從市場索引一鍵安裝（見倉庫內 market/README.md）。

安裝後可用下面命令確認配置層已注入：

dsh --profile demo --dump-config

輸出中應出現 # == dsh-plugin-optimize-ai-reply 層。

配置項¶

在 profile 的 cordis.patch.yml 裏按行 id 覆蓋（無需改包）：

- id: optimize-ai-reply
  name: dsh-plugin-optimize-ai-reply
  config:
    enabled: true                 # 總開關
    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 ≥ 人類基線 × N 判「偏高」
    showWatchlist: true          # 是否輸出【觀察項】
    disabledRules: [A4]          # 單規則開關（rules.json 的 id）

配置實現 Standard Schema v1（src/dsh/schema.js），非法值在插件裝載期報錯。

改寫強度三檔：safe（只動命中句，結構儘量不動）、strong（同段同類套話可清理）、max（默認，在信息守恆前提下整段重寫語言邏輯）。三檔共用同一底線：事實、強度、安全信息不變；optimize_reply_check 不通過一律回退。

界面總開關¶

側欄 插件 → 選擇 優化 AI 回覆，配置區有 啓用優化：

• 開（默認）：7 個工具走掃描 → 改寫 → 驗收流水線；
• 關：工具暫停，只返回明確暫停說明，回覆不再過流水線。

開關與 config.enabled 等價，改動即時生效，無需重啓。該開關寫入當前 profile 配置層，運行中熱更新。

典型用法¶

在 DSH 會話裏可以直接說明意圖，例如：

用 optimize_reply_scan 看看這段回答有哪些 AI 味特徵；有偏高項就按 optimize_reply_brief 改寫，然後用 optimize_reply_check 驗收。

模型會按工具描述走完閉環；判斷只有四檔，不給「AI 味總分」。

寫新內容前，可先調用 optimize_reply_style_prompt 拿 L1 提示詞，再從源頭降低套話密度。

適用場景與注意¶

適合：希望在 DSH 工作流裏對已有模型回覆做可驗收的「去 AI 味」改寫；需要本地掃描、可配置規則與強度檔；願意讓模型按任務書改文並接受 revert 回退的場景（日常改寫、科普、社媒等 README 中列爲 max 檔適用方向）。

注意：

1. 插件以當前 dsh 進程權限運行，安裝前應閱讀倉庫源碼與 MIT 許可證；規則表中的統計數字歸各數據源所有。
2. README 明確：改寫法、不承諾過檢測，不用對抗手段；寧可留一點 AI 味，也不改數字、改強度、刪安全提示。
3. 已知侷限包括：部分規則數據有時代侷限（如 A12–A15 與 CCL 2023）；個別條目被實測推翻後降爲觀察項；A13/A14 等用近似指標；無某模型基線時會註明「該模型無基線數據」。
4. 資料中 GitHub 星標爲 0（以目錄頁/抓取時爲準），不代表功能完備度；可結合 CI badge 與 optimize_reply_rulecheck 自行評估規則誤報率（>5% 時 README 建議謹慎啓用該規則）。

結尾¶

dsh-plugin-optimize-ai-reply 把「去 AI 味」做成 DSH 內可編排的工作流：本地掃描對照人類基線，改寫由模型執行但受五層校驗與復掃約束，失敗則回退——與單純調 prompt 或外包檢測 API 的路徑不同，重心在信息守恆下的可讀性。

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