前言¶
用 DSH 給編程題做助教時，常見的兩個失敗不是模型不夠聰明，而是流程上沒有約束：一是憑印象下結論，比如「你這裏下標寫錯了」，其實沒跑過學生代碼；二是忍不住給答案，學生說一句「就給我看一眼完整代碼」，模型就把正解貼出來了。這兩件事靠自覺擋不住，靠一條系統提示也擋不住。
buguoshixc/dsh-doctor 的思路是把回答鏈路拆成工具：歸因必須來自一次真實執行的裁決結果，面向學生的回覆發出前必須先過一道門控，門控判定「能跑出結果」或「與正解高度相似」就攔下來。它不是又一個提示詞模板，而是插進 DSH 工作流裏的插件。
這是什麼¶
插件維護者是 buguoshixc，分類爲工作流，採用 MIT 許可證（package.json 裏聲明 "license": "MIT"）。一句話定位：給 DSH 桌面端加一個「診斷模式」agent 預設，外加一個零第三方依賴的 Python 判定核，讓模型在回答之前先跑代碼拿證據，用蘇格拉底式提問帶學生自己修。
作者給出的自我界定很明確，是這幾樣；不是另外幾樣：
| 是 | 不是 |
|---|---|
| DSH 插件（bundle 加 agent preset） | LLM 應用；不調用任何模型 API |
| 離線判定核（Python 3.11+ 標準庫，零第三方依賴） | 判題雲服務；不接 judge0、不聯網 |
| 兩個原生工具加一份教學技能加一個預設 | Web 平臺；沒有前端、沒有數據庫、沒有 HTTP 服務 |
| 一個答案門控 | 安全沙箱；本地執行只有超時、內存上限、盡力禁網 |
架構叫「架構 C」：會話裏的模型負責出用例和正解，工具只負責裁決。判定核不生成任何東西，也不需要 API key，只做三件確定性的事——跑代碼、比輸出、擋答案。
安裝與啓用¶
官方安裝命令來自 README 和 docs/INSTALL.md，裝到桌面 profile：
dsh plugin --profile desktop add github:buguoshixc/dsh-doctor
裝完必須重啓 DSH，然後在新建會話的預設選擇器裏選「診斷模式」。有兩種等價做法：把 docs/INSTALL-PROMPT.md 裏的 prompt 粘給 agent，讓它自己體檢加安裝加驗收；dsh plugin 會把參數轉發給 profile 目錄裏的 pnpm，GitHub 短名解析、緩存、鎖文件都是 pnpm 的行爲。
前置條件按 docs/INSTALL.md 的檢查項：
| 依賴 | 要求 | 檢查命令 |
|---|---|---|
| DSH | 桌面版 0.2.1-rc.3 及以上（0.3.0 以下） |
dsh --version |
| Python | 3.11+，且能被 python 或 python3 找到 |
python --version |
| Git | 從 GitHub 安裝時需要 | git --version |
package.json 裏寫明的版本約束是：
"engines": { "node": ">=22.0.0", "dsh": ">=0.2.1-rc.3 <0.3.0" }
本包沒有構建步驟，純 ESM 加純 Python，不需要 prepare 腳本。Python 找不到時典型報錯是 E_NO_PYTHON，README 給的做法是用 DSH_DOCTOR_PYTHON 寫死解釋器絕對路徑，或確認它裝在 PATH 裏，Windows 下 py -3 是最後一個候選。
兩個工具¶
插件註冊兩個原生工具，JSON Schema 與執行體在 lib/tools.mjs。
doctor_judge：唯一裁決器¶
只要學生給了代碼加題目，就先調它。不跑就下結論等於編造證據。
參數（來自 README）：
problem 題面全文（Markdown，含示例）
code 學生代碼全文
cases 用例集 JSON，形如 {"func_name":"…","cases":[{"case_id","input","expected","kind"}]}
refs 1~4 份正解代碼，會交叉校驗
func_name / timeout_ms / memory_mb 可選
它先跑正解做自校驗：任何一份正解與 expected 不符，立刻返回 verdict=REF_REJECTED，不執行學生代碼、不進入歸因。這樣「模型自己寫錯正解」不會變成「學生被冤枉」。
成功路徑返回 verdict、compile、ref_status、failure_distribution、counterexample、category / category_label、confidence 和 reason。README 給了一個 lc-053-maximum-subarray 邊界錯誤樣本的節選：
{
"verdict": "WA",
"phenotype": "WA",
"compile": { "passed": true, "errors": "" },
"ref_status": "trusted",
"failure_distribution": { "total": 5, "failed": 1, "pattern": "boundary_only" },
"counterexample": {
"case_id": "b1",
"input": [[-3, -2, -5]],
"expected": -2,
"actual": 0,
"kind": "boundary"
},
"category": 3,
"category_label": "邊界處理錯",
"confidence": "high",
"reason": "1/5 條用例失敗，失敗模式 boundary_only，歸類爲第 3 類（邊界處理錯）"
}
counterexample 裏寫死的 case_id、input、expected、actual，是模型唯一可以寫進回覆的事實。字段全表見 docs/SCHEMA.md。
doctor_gate：回答門控¶
任何面向學生的回覆，發出之前必須調它。三層判定：
1、layer1 能跑即攔：抽出回覆裏的代碼片段真的執行，能跑出結果就判 block。只看語法不夠——while 左指針 < 右指針: 語法合法，但它跑不起來，是合格僞代碼。
2、layer2 相似度防漏：與正解做 AST 結構相似度（0.55 權重）加 token Jaccard（0.45 權重）加權；>=0.75 判 downgrade-to-level2，>=0.60 打 suspect=true 放行但標記。
3、fail-closed：內容像代碼卻分析不了，一律攔或降級，絕不當成「安全」。
返回裏的 action 只有 pass 和 block，downgrade-to-level2 落在 recommended_level 和 reasons 裏。README 給的樣本：
{
"action": "block",
"reason": "layer1 判定爲可運行代碼（定義了 twoSum）",
"layer1": { "runnable": true, "detail": "定義了 twoSum" },
"layer2": { "similarity": 1.0, "ast_sim": 1.0, "token_sim": 1.0, "suspect": true },
"leaked_fragments": ["def twoSum(nums, target):\n # 正解 B：哈希表一次遍歷，O(n)\n …"],
"recommended_level": 1,
"reasons": ["extract:found_fragment", "layer1:runnable"]
}
「診斷模式」預設與技能手冊¶
預設 id 是 diagnose，名稱是「診斷模式」。README 給了它的聲明方式與組合說明，另附一份舊格式的等價描述（presets/diagnose/，說明裏寫 DSH 0.2.1 起不讀該目錄，留作對照）：
| 項 | 內容 |
|---|---|
| persona | 中文助教人格；鐵律：過 gate、不給完整代碼、只用工具證據、REF_REJECTED 時先修不歸因 |
| 聲明的工具面 | bash（POSIX）/ pwsh（Windows）、read/write/edit、glob/grep、skill |
| 插件自帶工具 | doctor_judge、doctor_gate |
| 技能 | doctor，只在預設裏可見：includeDefaultRoots: false 加隨包目錄 |
| 繼承的 host 工具 | present、ask_user_question 等，由 profile 決定 |
真正的「度」在 presets/skills/doctor/SKILL.md 這份教學手冊裏。技能不是裝飾，它是提示工程的一部分，作用是讓模型每次會話都讀到「先跑代碼、再組織回覆、再過門控」這個順序。另外預設不到 {{cwd}} 這類提示變量——DSH 0.2.1 起在 preset persona 裏會整輪失敗，只用 {{model}}。
怎麼驗證裝對了¶
docs/INSTALL.md 給的驗收流程很具體：新建一個「診斷模式」會話，貼一段有明顯錯誤的代碼，例如：
def maxSubArray(nums):
best = 0
for x in nums:
best = max(best, best + x)
return best
期望的模型行爲按順序是：先寫一份自己的用例集和正解，調用 doctor_judge；回覆裏引用具體的反例，case_id、輸入、期望值、實際值都要有；組織回覆後調用 doctor_gate，action 不是 pass 就改寫重試；最終回覆裏沒有完整可運行代碼，而是一到兩個引導性問題。
只要「工具調用」面板裏出現了 doctor_judge 和 doctor_gate，說明插件裝對了。如果模型壓根沒調工具，說明技能沒被加載或它沒讀技能。
想覈對包本身的質量，README 給的命令是：
bash scripts/verify.sh
它跑環境自檢、零第三方依賴掃描、Python 單元測試（README 寫的是 93 個）、Node 單元測試（README 寫的是 22 個，含用本機真實 @deepseek-ai/dsh-tools 校驗 schema 的契約測試）、三題 fixture 演示（AC/WA/CE/TLE/REF_REJECTED 加門控三種動作）、包元數據契約、stdout 純淨性，全綠退出碼 0。
包的暴露面和依賴關係也值得看一眼。files 白名單包含 lib/、doctor_core/、presets/、locale/、icon.svg、cordis.patch.yml、scripts/verify.sh 和部分 docs/；三個 peer dependency 都標了 optional: true：
"peerDependencies": {
"@deepseek-ai/dsh-tools": ">=0.2.1-rc.3 <0.3.0",
"@deepseek-ai/dsh-agent-preset": ">=0.2.1-rc.3 <0.3.0",
"@deepseek-ai/cordis": ">=4.0.0 <5.0.0"
}
誠實的邊界¶
README 自己寫了幾條不保證，這些不是免責聲明式的套話，而是設計上的固有代價。
正解由模型生成，這是架構 C 的固有代價。 只能做到「正解與題面示例不符就終止」，做不到「保證正解正確」。所以 doctor_gate 是最後一道防線，不是唯一一道。
本地執行不是安全沙箱。 只有 5 秒牆鍾超時、256MB RLIMIT_AS，以及盡力而爲的網絡屏蔽（替換 socket.socket）。Windows 上 resource 模塊不存在，內存上限不生效，會帶 memory_limit_not_enforced 標記。真正的隔離要靠 OS 級沙箱。
只支持 Python。 C++ 與 Java 的 wrapper、原平臺的 tree-sitter 相似度都沒搬過來。
「必須先過 gate」是提示工程，不是機制。 工具能攔住被送進來的回覆，攔不住模型乾脆不調用它。降低風險的辦法是技能裏寫死步驟，加上 persona 裏的第一條鐵律。
適用場景與注意¶
適合的情況寫清楚：
- 編程題助教、在線判題輔導，需要「先跑再答」的流程約束；
- 想用確定性執行證據替代憑印象下的歸因；
- DSH 桌面版版本在
0.2.1-rc.3到0.3.0之間，且本機有 Python 3.11+。
限於當前的資料，下面這些需要讀者在裝之前自行確認，資料裏沒有給出結論：
- 多用戶併發場景下的行爲，資料沒有提；
- 非 Python 語言、以及需要更嚴格隔離的執行環境，README 明確說不支持；
- 正解正確性對應的模型能力上限，插件本身只能做到
REF_REJECTED終止，不能保證； - 這個插件以當前 DSH 進程的權限運行，判定核會真的執行回覆裏抽出來的代碼。安裝前應打開 GitHub 倉庫和
docs/SCHEMA.md、docs/PLUGIN_API.md、docs/EXTRACTION.md覈對一遍源碼與許可證。社區目錄頁是獨立站點，與 DeepSeek / 幻方無官方從屬關係。
結尾¶
dsh-doctor 的價值不在多一個工具，而在把「先跑代碼再回答」「答案由門控擋不由自律擋」寫進了插件。對做編程題助教的人來說，它比單純寫一條系統提示更硬的地方是：歸因必須帶 case_id 和實際輸出，完整可運行的代碼一定被 doctor_gate 攔下。代價是正解仍由模型給出，本地執行也不是安全邊界。
目錄頁：https://www.skillhub.cn/plugins/buguoshixc/dsh-doctor
GitHub：https://github.com/buguoshixc/dsh-doctor
