前言¶

在 DeepSeek Harness（DSH）裏做技能管理時，會碰到一個反覆出現的問題：技能進化頁每次攢下一批待處理建議，逐條點開看本身就是負擔；而由模型自動提出的建議，往往是「某次任務的流水」，如果直接採納，技能庫會很快膨脹成幾百個互不相干的窄技能。

dsh-skill-autopilot 就是把「審」和「發」這兩步交給你配置的大模型，但把「什麼樣的技能才配進庫」寫成確定性的准入規則。模型只能在這個框裏做判斷，代碼再判一遍，最後通過的技能打包成 SKILL.md 走技能數據源落盤，帶版本記錄、可回滾。

這是什麼¶

• 插件名：dsh-skill-autopilot
• 維護者：BrainZombie
• 分類：工作流
• 來源：SkillHub 目錄頁、GitHub
• 版本與許可證：0.1.0，MIT

它解決的問題很明確：把進化鏈路裏積累的 pending 建議，經模型審查和反碎片化閘門後，變成真正進入技能庫的技能，而不是把每次建議都變成新文件。

它做什麼（一次運行）¶

一次運行的流程如下：

pending 建議 ──► 審查模型(你選的) ──► 確定性閘門 ──► 打包 SKILL.md ──► 落盤 + 版本記錄
   (mnemon)        (語義判斷)          (不可繞過)        (蒸餾/清洗)        (adopt)

1. 讀：從 mnemon 的 Skills Source 取 pending 建議、證據軌跡、評測用例，以及全量技能目錄。
2. 審：一次批量調用審查模型，對每條建議給出 create / merge / dismiss / defer，並附理由和歸併目標。
3. 閘：模型說完不算數，代碼再判一遍。這一層是插件的核心，後面專門講。
4. 打包：爲通過的條目單獨再調一次模型產出正文，同時剔除會隨時間腐化的內容，如日期、會話 id、uuid、機器絕對路徑、「N 小時前」。
5. 落盤：recordDraft → adoptDraft，走技能數據源自己的寫入口。建議置爲 adopted，生成版本記錄，必要時可從「技能管理 → 版本/回收站」回滾。插件不直接寫 SKILL.md。

默認情況下 autoApply: false，review 只輸出決策和將要落盤的正文，一個字節都不寫；確認後 apply 才真正落盤。

反碎片策略¶

這是插件的核心。它把「庫是類級知識，不是流水」這條原則拆成了可執行的規則。

閘門裏幾個硬條件值得單獨列出來：

• 建議置信度低於 minConfidence → 不建（這一條不進模型審）。
• 模型對「新建」的把握低於 minModelConfidence → 留待下輪，不硬發。
• 沒有強信號（procedure / correction / directive / skill-gap / skill-misleading / approach-change）→ 不建。
• 插件已提供該能力 → 不建。
• 與已有技能相似度 ≥ mergeSimilarity，或同屬 xxx-* 前綴簇且內容相關 → 強制歸併，不許新增兄弟技能。
• 本輪 create 超過 maxNewPerRun → 留到下一輪。
• 打包後的 SKILL.md 必須過 lint。

consolidate 是配套的存量體檢，對已有技能按前綴/同域聚簇，讓模型判斷哪些該收斂成一個 umbrella。應用時把合併後的正文寫到 keeper，把被吸收的移入回收站。

打包校驗¶

打包校驗在 lib/policy.js: lintSkillDoc 實現。硬攔項包括：名字非 kebab-case 或重名；缺 description 或超長；正文爲空、過短、超長；正文裏又帶 frontmatter；缺「何時使用」或「步驟」；是 router 技能。軟提示包括缺驗收小節、正文沒有可執行命令、description 開頭是套話。

安裝與啓用¶

安裝命令來自倉庫自帶的 install.ps1，共有兩種模式。標準模式寫 profile 的 package.json（link: 依賴 + dsh.profile.bundles）並執行 pnpm install：

# 先看計劃
powershell -ExecutionPolicy Bypass -File .\install.ps1 -DryRun

# 執行標準安裝
powershell -ExecutionPolicy Bypass -File .\install.ps1

免 pnpm 模式只建軟鏈，並往 profile 的 cordis.patch.yml 追加 insert 條目：

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

回滾兩種模式都認，會還原 package.json / cordis.patch.yml 的備份：

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

裝完不啓動、不重啓的情況下可以先做預檢：

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

生效需要重啓 DSH，這一步由使用者自己執行。

典型用法¶

裝好並重啓後，在任意會話裏可以直接用斜槓命令：

/skill-autopilot status       # 看隊列、計數、審查模型、策略、日誌目錄
/skill-autopilot review       # 只審不寫（默認 dry-run）
/skill-autopilot apply        # 審完直接落盤
/skill-autopilot consolidate  # 存量歸併審查（只出方案）
/skill-autopilot history      # 最近決策

也可以直接讓 agent 調工具：

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

決策日誌是 append-only 的 JSONL，另有最近一次完整結果，位於 $DSH_HOME/storages/skill-autopilot/：decisions.jsonl 每條建議一行，含最終動作、理由、是否落盤和錯誤；last-run.json 是最近一次運行的完整內容，含將要落盤或已落盤的 SKILL.md 正文。review 默認 dry-run 的意義就在這裏，可以先讀再發。

相關配置¶

插件 patch 裏的 config 都可省略。常用鍵如下，默認值取自 README：

想讓判斷更嚴格，可以把 reviewer.model 指向更強的模型、把 mergeSimilarity 調到 0.55、maxNewPerRun 調到 1。需要注意，deepseek-flash 對「新建」的自評通常在 0.65–0.8 之間，這是校準值不是裁決值，所以 minModelConfidence 默認只設 0.5。真正決定「配不配進庫」的是建議置信度、強信號、去重和文檔 lint。

驗證¶

node test/selftest.mjs          # 單元閘門/去重/打包/落盤（臨時 ledger + 臨時技能根，不動真實數據）
node test/selftest.mjs --live   # 追加：只讀真實 ledger，確認能讀到 pending 與目錄
node test/host-contract.mjs     # 用真實 dsh-tools/dsh-llm 走一遍註冊與一次 llm 組裝調用
dsh-plugin verify .             # 真打包、真安裝、掛載檢查

selftest 從不碰 ~/.mnemon/skills 與 ~/.dsh/skills：它在 %TEMP% 下複製一份 ledger、建一個空的臨時技能根，跑完即刪。需要「本機已裝 DSH / 已裝 mnemon 數據源」的兩段測試在沒有安裝的機器上會自動 skip 而不是失敗，所以 CI 只跑 npm test；host-contract 與 verify 需要真實宿主，請在裝好 DSH 的機器上跑。

適用場景與注意¶

適合這個插件的人，是已經在 DSH 裏用 mnemon 管理技能、並且被進化建議的人工審查和技能庫碎片化困擾的開發者。

需要注意幾點：

• 插件以當前 DSH 進程的權限運行，安裝前應先檢查源碼與許可證（MIT）。本插件通過 dsh-mnemon-source-skills 的 manage() 讀寫同一份 ledger，屬於信賴 mnemon 內部契約的實現。
• apply 會真的新增或修改 ~/.dsh/skills 下的技能，但只經數據源寫入口，因此有版本記錄和回收站兩條退路。模型判斷不會 100% 合意，所以默認 dry-run。
• 不要把 autoApply 和短 intervalMinutes 一起開，那等於讓模型無限自增長技能庫。建議 apply 手動觸發，或 autoApply 只配合 maxNewPerRun: 1。
• 項目級技能（project-dsh / project-agents）默認只讀不建，consolidate 只處理 user-dsh / user-agents。
• 運行時要求：DeepSeek Harness >= 0.2.0，Node.js >= 20；dsh-mnemon-source-skills >= 0.4.0 爲可選 peer，缺失時插件仍可加載，但讀不到 pending 建議。

結尾¶

dsh-skill-autopilot 的價值不在於讓模型說了算，而在於把「什麼樣的技能才配進庫」固化成確定性的規則，讓審查和歸併可以自動跑，同時保住版本記錄和回滾能力。如果恰好在 DSH 技能進化這條鏈路上，可以從 dry-run 的 review 開始試。

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