前言¶

在 DeepSeek Harness（DSH）里做技能管理时，会碰到一个反复出现的问题：技能进化页每次攒下一批待处理建议，逐条点开看本身就是负担；而由模型自动提出的建议，往往是「某次任务的流水」，如果直接采纳，技能库会很快膨胀成几百个互不相干的窄技能。

dsh-skill-autopilot 就是把「审」和「发」这两步交给你配置的大模型，但把「什么样的技能才配进库」写成确定性的准入规则。模型只能在这个框里做判断，代码再判一遍，最后通过的技能打包成 SKILL.md 走技能数据源落盘，带版本记录、可回滚。

这是什么¶

• 插件名：dsh-skill-autopilot
• 维护者：BrainZombie
• 分类：工作流
• 来源：SkillHub 目录页、GitHub
• 版本与许可证：0.1.0，MIT

它解决的问题很明确：把进化链路里积累的 pending 建议，经模型审查和反碎片化闸门后，变成真正进入技能库的技能，而不是把每次建议都变成新文件。

它做什么（一次运行）¶

一次运行的流程如下：

pending 建议 ──► 审查模型(你选的) ──► 确定性闸门 ──► 打包 SKILL.md ──► 落盘 + 版本记录
   (mnemon)        (语义判断)          (不可绕过)        (蒸馏/清洗)        (adopt)

1. 读：从 mnemon 的 Skills Source 取 pending 建议、证据轨迹、评测用例，以及全量技能目录。
2. 审：一次批量调用审查模型，对每条建议给出 create / merge / dismiss / defer，并附理由和归并目标。
3. 闸：模型说完不算数，代码再判一遍。这一层是插件的核心，后面专门讲。
4. 打包：为通过的条目单独再调一次模型产出正文，同时剔除会随时间腐化的内容，如日期、会话 id、uuid、机器绝对路径、「N 小时前」。
5. 落盘：recordDraft → adoptDraft，走技能数据源自己的写入口。建议置为 adopted，生成版本记录，必要时可从「技能管理 → 版本/回收站」回滚。插件不直接写 SKILL.md。

默认情况下 autoApply: false，review 只输出决策和将要落盘的正文，一个字节都不写；确认后 apply 才真正落盘。

反碎片策略¶

这是插件的核心。它把「库是类级知识，不是流水」这条原则拆成了可执行的规则。

闸门里几个硬条件值得单独列出来：

• 建议置信度低于 minConfidence → 不建（这一条不进模型审）。
• 模型对「新建」的把握低于 minModelConfidence → 留待下轮，不硬发。
• 没有强信号（procedure / correction / directive / skill-gap / skill-misleading / approach-change）→ 不建。
• 插件已提供该能力 → 不建。
• 与已有技能相似度 ≥ mergeSimilarity，或同属 xxx-* 前缀簇且内容相关 → 强制归并，不许新增兄弟技能。
• 本轮 create 超过 maxNewPerRun → 留到下一轮。
• 打包后的 SKILL.md 必须过 lint。

consolidate 是配套的存量体检，对已有技能按前缀/同域聚簇，让模型判断哪些该收敛成一个 umbrella。应用时把合并后的正文写到 keeper，把被吸收的移入回收站。

打包校验¶

打包校验在 lib/policy.js: lintSkillDoc 实现。硬拦项包括：名字非 kebab-case 或重名；缺 description 或超长；正文为空、过短、超长；正文里又带 frontmatter；缺「何时使用」或「步骤」；是 router 技能。软提示包括缺验收小节、正文没有可执行命令、description 开头是套话。

安装与启用¶

安装命令来自仓库自带的 install.ps1，共有两种模式。标准模式写 profile 的 package.json（link: 依赖 + dsh.profile.bundles）并执行 pnpm install：

# 先看计划
powershell -ExecutionPolicy Bypass -File .\install.ps1 -DryRun

# 执行标准安装
powershell -ExecutionPolicy Bypass -File .\install.ps1

免 pnpm 模式只建软链，并往 profile 的 cordis.patch.yml 追加 insert 条目：

powershell -ExecutionPolicy Bypass -File .\install.ps1 -Link

回滚两种模式都认，会还原 package.json / cordis.patch.yml 的备份：

powershell -ExecutionPolicy Bypass -File .\install.ps1 -Rollback

装完不启动、不重启的情况下可以先做预检：

dsh --profile web --dump-config | Select-String skill-autopilot

生效需要重启 DSH，这一步由使用者自己执行。

典型用法¶

装好并重启后，在任意会话里可以直接用斜杠命令：

/skill-autopilot status       # 看队列、计数、审查模型、策略、日志目录
/skill-autopilot review       # 只审不写（默认 dry-run）
/skill-autopilot apply        # 审完直接落盘
/skill-autopilot consolidate  # 存量归并审查（只出方案）
/skill-autopilot history      # 最近决策

也可以直接让 agent 调工具：

{"action": "review", "maxItems": 3}
{"action": "apply", "ids": ["<suggestionId>"]}
{"action": "apply", "provider": "deepseek-official", "model": "deepseek-reasoner"}
{"action": "consolidate", "confirm": true}

决策日志是 append-only 的 JSONL，另有最近一次完整结果，位于 $DSH_HOME/storages/skill-autopilot/：decisions.jsonl 每条建议一行，含最终动作、理由、是否落盘和错误；last-run.json 是最近一次运行的完整内容，含将要落盘或已落盘的 SKILL.md 正文。review 默认 dry-run 的意义就在这里，可以先读再发。

相关配置¶

插件 patch 里的 config 都可省略。常用键如下，默认值取自 README：

想让判断更严格，可以把 reviewer.model 指向更强的模型、把 mergeSimilarity 调到 0.55、maxNewPerRun 调到 1。需要注意，deepseek-flash 对「新建」的自评通常在 0.65–0.8 之间，这是校准值不是裁决值，所以 minModelConfidence 默认只设 0.5。真正决定「配不配进库」的是建议置信度、强信号、去重和文档 lint。

验证¶

node test/selftest.mjs          # 单元闸门/去重/打包/落盘（临时 ledger + 临时技能根，不动真实数据）
node test/selftest.mjs --live   # 追加：只读真实 ledger，确认能读到 pending 与目录
node test/host-contract.mjs     # 用真实 dsh-tools/dsh-llm 走一遍注册与一次 llm 组装调用
dsh-plugin verify .             # 真打包、真安装、挂载检查

selftest 从不碰 ~/.mnemon/skills 与 ~/.dsh/skills：它在 %TEMP% 下复制一份 ledger、建一个空的临时技能根，跑完即删。需要「本机已装 DSH / 已装 mnemon 数据源」的两段测试在没有安装的机器上会自动 skip 而不是失败，所以 CI 只跑 npm test；host-contract 与 verify 需要真实宿主，请在装好 DSH 的机器上跑。

适用场景与注意¶

适合这个插件的人，是已经在 DSH 里用 mnemon 管理技能、并且被进化建议的人工审查和技能库碎片化困扰的开发者。

需要注意几点：

• 插件以当前 DSH 进程的权限运行，安装前应先检查源码与许可证（MIT）。本插件通过 dsh-mnemon-source-skills 的 manage() 读写同一份 ledger，属于信赖 mnemon 内部契约的实现。
• apply 会真的新增或修改 ~/.dsh/skills 下的技能，但只经数据源写入口，因此有版本记录和回收站两条退路。模型判断不会 100% 合意，所以默认 dry-run。
• 不要把 autoApply 和短 intervalMinutes 一起开，那等于让模型无限自增长技能库。建议 apply 手动触发，或 autoApply 只配合 maxNewPerRun: 1。
• 项目级技能（project-dsh / project-agents）默认只读不建，consolidate 只处理 user-dsh / user-agents。
• 运行时要求：DeepSeek Harness >= 0.2.0，Node.js >= 20；dsh-mnemon-source-skills >= 0.4.0 为可选 peer，缺失时插件仍可加载，但读不到 pending 建议。

结尾¶

dsh-skill-autopilot 的价值不在于让模型说了算，而在于把「什么样的技能才配进库」固化成确定性的规则，让审查和归并可以自动跑，同时保住版本记录和回滚能力。如果恰好在 DSH 技能进化这条链路上，可以从 dry-run 的 review 开始试。

• 目录页：https://www.skillhub.cn/plugins/BrainZombie/dsh-skill-autopilot
• GitHub：https://github.com/BrainZombie/dsh-skill-autopilot