前言¶
做 DSH（DeepSeek Harness）二次开发的人，常遇到一种尴尬：云端算力平台有自己的命令行工具，但那个工具要么是十几 MB 的 Go 二进制、要登录才能下载，要么跟 Agent 的技能约定完全没关系。你想在 DSH 里让 Agent 提交一个蛋白质设计任务、查一下分子动力学跑完没有、把结果从云盘拉下来，就得自己再去包一层。
afgo-dsh 是 YueSunhao 维护的一个 DSH 插件，落地的正是这层麻烦。它底层是一份纯 Python 标准库客户端，直接对着星使智算平台（AsterFire Go，sidereus-ai.com）的 REST 契约说话，同时以「DSH 插件」和「通用 Agent 技能」两种形态发布。下面按它的定位、能力、安装、用法和注意事项介绍一遍。
这是什么¶
一句话：afgo-dsh 把 AsterFire Go 的科学计算能力（蛋白质设计、分子动力学、生物信息学、DFT/量子化学等）包装成 DSH 可调用的工具集合，底层不依赖官方 CLI，也不需要 pip install 任何依赖。
仓库地址 https://github.com/YueSunhao/afgo-dsh，主语言是 Python，许可证 MIT，GitHub 星标为 0。README 中对自己的定位写得很清楚：一个仓库，两种用法，底层是同一份客户端。
它和官方 asterfire CLI 的关系需要先讲清。官方 CLI 本身就是这套 REST API 的包装层，其发布说明称全部 71 个业务操作统一通过 /open/v1 和 Asterfire-Token 调用；而 CLI 二进制挂在飞书文档附件里，需要登录才能下载。afg 直接对同一套契约说话，因此安装方式从「下载 9–10 MB 二进制、配 PATH」变成「git clone 即可」，依赖只有 Python 3.8+ 标准库。两者可以共存：afg 不会碰 ~/.asterfire/ 下的官方配置。
核心功能¶
插件暴露的能力分模块，README 给出的能力表如下。
账号：info（当前账号 / 档位 / 团队）、models（可用模型）。
工具箱：agents（71 个 Agent）、kits list（393 个 Kit）、kits schema（输入要求）。
云盘：cloud list / upload / download。
Agent 任务：tasks create / send / list / get / status / files / stop / rename / delete。
Kit 计算：kits submit（新任务）、kits run（挂在已有任务里）。
工作流：wf 全套，覆盖创建、校验、执行、状态、执行记录、谱系、节点输出/日志/重试/停止/输入、导入导出 YAML、模板市场。
开发者：dev 镜像与工具包，需要账号具备开发者权限。
兜底：raw <METHOD> <PATH> 直接打任意端点。
完整的 74 个操作、参数和请求体字段见仓库 reference/api.md，原始契约见 reference/openapi.json。
安装为 DSH 插件后，工具列表会多出五个原生工具：
| 工具 | 作用 | 主要 action |
|---|---|---|
afg_platform |
账号、模型、Agent / Kit 目录与输入 schema、健康检查 | info models agents kits kit_schema health |
afg_files |
云盘上传 / 下载 / 列举 | upload download list |
afg_tasks |
Agent 任务与 Kit 提交、跟踪、取产物 | create send get status files kit_submit kit_run … |
afg_workflows |
多步工作流定义、校验、执行、节点输出 | create validate execute status node_outputs … |
afg_raw |
任意端点兜底 | 任意 METHOD + path |
调用路径固定为三跳，没有中间服务：Agent 读 SKILL.md 决定调用 → 执行 scripts/run.sh 或 scripts/run.ps1，落到 scripts/afg.py → 以 Asterfire-Token 请求头 HTTPS 请求 sidereus-ai.com/api/open/v1/<path>。Base URL 默认 https://sidereus-ai.com/api，可用 --base-url 或 AFG_BASE_URL 改。认证只需一个请求头，没有 OAuth、cookie 或浏览器登录。响应信封恒为 {success, data}，错误响应附带 status_code。
安装与启用¶
装成 DSH 插件有三条命令，按 README 原文照列：
# 从 GitHub 直装（现在就能用，已实测）
dsh plugin --profile desktop add github:YueSunhao/afgo-dsh
# 本地仓库（开发时）
dsh plugin --profile desktop add /path/to/afgo-dsh
# npm（发布后可用）
dsh plugin --profile desktop add afgo-dsh
装完必须重启 DSH，插件在进程内加载，不重启不会出现。
插件配置写在 cordis.patch.yml 的 insert 行里，~/.dsh/profiles/desktop/cordis.patch.yml 可覆盖：
- insert:
- id: afgo
name: afgo-dsh
config:
python: "" # 留空自动探测；也可写绝对路径
baseUrl: "https://sidereus-ai.com/api"
token: "" # 建议留空，用 ~/.afg/config.json
timeoutMs: 120000
需要留意一点：令牌不要写进 token 字段，那会随 profile 的 package.json 落盘。正确的做法是放在 ~/.afg/config.json，或者用 AFG_TOKEN 环境变量。
如果你走的是按 Agent Skills 约定加载技能这条路，还有另一种装法，把仓库整个 clone 到技能目录。以 DSH 为例：
git clone https://github.com/YueSunhao/afgo-dsh ~/.dsh/skills/afg
DSH 会话内热加载；WorkBuddy 则需重启后在技能列表里生效。目录名建议就叫 afg，与 frontmatter 的 name 一致。
装好后用下面三步验证。第一步拿 API 令牌：登录 https://sidereus-ai.com，点用户头像 → API令牌 → 创建 → 复制完整令牌。第二步写配置文件 ~/.afg/config.json，Windows 上是 C:\Users\<你>\.afg\config.json，内容为 base_url 与 token。第三步运行验证命令：
python3 scripts/afg.py info
能返回 username、tier、workspaces 就说明通了。
典型用法¶
下面这组命令来自 README 的「跑第一个任务」示例，以 DSSP 这个 Kit 为例。
先看有什么 Kit，再看它需要什么输入：
python3 scripts/afg.py kits list --query dssp
python3 scripts/afg.py kits schema DSSP
提交任务，输入写成文件（README 给出的是 examples/kit-input-dssp.json）：
python3 scripts/afg.py kits submit --kit DSSP --input @examples/kit-input-dssp.json
最后查产物、下载：
python3 scripts/afg.py tasks files <task_id>
python3 scripts/afg.py cloud download <文件id> -o report.md
工作流部分，afg_workflows 工具提供 create、validate、execute、status、node_outputs 等 action，把多步计算串成一条可校验、可重复执行的工作流，这正是插件分类落在「工作流」上的直接体现。
Windows 上有两个启动器会自动挑一个真能跑的 Python 3，因为 Windows 上 python3 常是应用商店的假壳子：
bash scripts/run.sh info # macOS / Linux / Git Bash
powershell -ExecutionPolicy Bypass -File scripts\run.ps1 info # Windows
适用场景与注意事项¶
适合这群人：要在 DSH 里驱动云端科学计算、希望技能可移植到 WorkBuddy / Claude Code 等 Agent 的开发者；以及不想装 Go 二进制、不想维护额外 Python 依赖的人。
有几个坑需要先看清楚。
分片上传暂不支持。 README 的对比表写明，官方 CLI 支持大文件分片上传，本项目暂不支持，归属到「已知限制」。如果你的输入结构文件很大，这条路走不通。
本地开发装目录会踩 peer 解析的坑。 dsh plugin add <目录> 会被 pnpm 装成 junction 或符号链接，而 Node 按真实路径解析 @deepseek-ai/dsh-tools，从 E:\... 往上找不到 profile 的 peer，会报 ERR_MODULE_NOT_FOUND。解决办法是用 tarball 装（npm pack 后 dsh plugin add ./afgo-dsh-1.2.0.tgz），或者走 github: / npm 这两条装实体目录的路。
插件以当前 DSH 进程的权限运行。 它能读写你的云盘、提交任务、管理文件，等同于你账号的权限范围。安装前应当通读仓库源码，尤其是 scripts/afg.py 与 cordis.patch.yml 注入的配置，并确认许可证（MIT）与你的分发方式兼容。这是社区插件，不是 DeepSeek / 幻方官方分发物。
插件仍在早期。 星标为 0，仓库创建于 2026-11-04，package.json 版本号是 1.2.0。能力表和端点数量（README 称 74 个端点全挂在 /openapi.json 上）仍在变化，使用前以仓库当前 reference/api.md 为准。
相关链接¶
插件目录页：https://www.skillhub.cn/plugins/YueSunhao/afgo-dsh
GitHub 仓库：https://github.com/YueSunhao/afgo-dsh
许可证：仓库根目录 LICENSE，MIT。
一句话收尾：afgo-dsh 的价值不在于它实现了什么新算法，而在于它把云端的科学计算调用收成了 DSH 里的五个工具和一个可移植技能，代价是限制明确、生态尚早。要不要用，取决于你能不能接受这两条前提。
