前言¶

在 DSH 里尝试不同记忆与规划方案时，常见问题是试验不可比：提示词漂移、多次试验共享上下文、API 花费没有上限，最终很难判断是架构本身有效还是实验条件不干净。若你需要在同一编码任务上，用可控条件对比「原生对话」「长期记忆」「分步规划」等组合，并依赖外部测试而非智能体自述来打分，可以了解 Chih-Kai-Wang 维护的 DSH Architecture Lab（chih-kai-wang/dsh-architecture-lab）。项目在 SkillHub 社区目录中归类为「记忆」；当前 GitHub 星标为 0，版本为开发预览 0.1.0-dev.9，许可证 MIT。

这是什么¶

DSH Architecture Lab 是一个无图形界面的 DSH 插件与 CLI。它在相同的软件工程任务上运行不同的 AI 智能体架构配方，比较成功率、耗时与成本。每次试验在独立沙箱中执行，计费代理对每次 API 调用记账并执行预算上限（默认 NT$300），独立评判子进程运行外部测试，避免分数依赖智能体自己的报告。

维护者：Chih-Kai-Wang。源码与文档：GitHub；社区目录页：SkillHub。DeepSeek Harness 的生态思路是「一切皆插件」；SkillHub 为独立社区站点，与 DeepSeek / 幻方无官方从属关系。

核心功能¶

资料中已明确的能力如下。

沙箱隔离¶

试验在隔离环境中运行：Lima Linux 虚拟机容器，或 macOS Seatbelt 沙箱，各自拥有独立的内存、文件系统与进程。

预算计量¶

通过带 SQLite 事务锁的计费代理（Broker proxy）实时计量每次 API 派发，并强制执行预算上限。

外部评判¶

外部测试在独立子进程中运行，评分不依赖智能体自行汇报的结果。

四种对照配方¶

无头插件形态¶

没有 Web 前端，面向 CLI 批量运行与结构化报告。package.json 中通过 exports 暴露 ./src/plugin.mjs，并在 dsh.bundle.patch 指向 cordis.patch.yml，作为 DSH 插件 bundle 的一部分。

已公开的一次实况结果（仅供参考）¶

在冻结研究协议下，项目曾用 DeepSeek-V4.1-Flash 对任务 stale-fee（费用计算修复）各配方各跑一轮。四轮均通过 7 项外部测试；资料中记载 B（Engram 记忆）请求数、墙钟时间与 TWD 成本相对最低。README 明确说明这只是单一任务上的一次四轮运行，尚不能据此对所有架构做普遍排序；完整数字写在本地 state/comparison-v2.json，未提交到仓库，无法仅通过 GitHub 复现核对表中数值。

付费相关的 daily-mode 任务在资料中标注为暂缓，直至产品冒烟验收通过。

环境与准备¶

运行前请满足 README 列出的依赖：

• Node.js：v24 或更高
• Python：3.10 或更高
• 虚拟化：macOS 原生 Seatbelt，或 Lima Linux VM（Docker）

在已获得项目源码的前提下（例如从上述 GitHub 或 SkillHub 页面获取），可在不配置 API 密钥的情况下先做本地检查。

安装与启用¶

已抓取资料中未出现 dsh plugin add github:owner/repo 一类安装命令；请以仓库内 package.json 与 DSH bundle 配置为准，将插件集成到本地 DSH 工作流。下列命令来自 README 的 Quick start，用于验证环境与进入 lab CLI。

先做依赖与测试：

# 运行全部 85 个单元与集成测试（资料称约 1.7s）
npm test

再检查运行环境、虚拟机、Docker 镜像与定价状态：

npm run lab -- doctor

查看当前选中配方、剩余预算与试验历史：

npm run lab -- status

安装或启用前，请自行阅读源码与 MIT 许可证；插件以当前 dsh 进程权限运行，沙箱与代理会访问文件系统和网络，适合在可信环境中使用。

典型用法¶

研究试验管理¶

选定配方、离线合规检查、在协议保护下执行实况试验、生成对比报告：

npm run lab -- select B               # 选择当前配方 A/B/C/D
npm run lab -- check-one              # 离线合规检查
npm run lab -- run-one stale-fee 1 B  # 执行任务 stale-fee 的第 1 次实况试验，配方 B
npm run lab -- report                 # 生成对比报告 comparison-v2.json
npm run lab -- stop                   # 优雅终止进行中的试验

对比报告默认写入 state/comparison-v2.json。

日常工作区任务¶

资料中还提供与项目快照、任务起草、预览 diff、采纳变更、导出相关的 CLI（daily 模式；付费试验暂缓）：

npm run lab -- daily-import project.json
npm run lab -- daily-task task.json
npm run lab -- daily-preview <runId>
npm run lab -- daily-adopt <runId>
npm run lab -- daily-export <runId> <dir>

项目结构（便于定位代码）¶

├── src/                # 核心引擎（Broker 代理、Judge 沙箱、Manager 协调）
├── tasks/              # 受控任务规格
├── test/               # 85 套自动化测试
├── state/              # 持久化试验账本（SQLite、预算、协议）
├── docs/               # 架构说明与实证报告
├── containers/         # Linux VM Docker 与进程监督
└── package.json        # 元数据与脚本入口

完整研究计划在资料中描述为六项任务、每项每配方三次尝试（共 72 次），目前仅完成首轮四轮；其余协议见仓库 docs/acceptance-status.md。

适用场景与注意¶

适合谁：需要在 DSH 上系统比较记忆与规划架构、愿意维护 Node/Python 与 Lima/Seatbelt 环境、并接受开发预览阶段协议与报告尚不完整的开发者或研究人员。

不适合或需等待：若只需单个智能体日常编码、不希望搭建沙箱与计费代理，或依赖已稳定的付费 daily 流水线，当前 0.1.0-dev.9 预览版可能过重；v0.1 仍待独立终审与稳定产品验收，资料未宣称任一架构「胜出」或 continual learning 结论。

安全与合规：试验隔离是为减少试验间串扰；不等同于替你审查第三方模型与 API 合约。启用插件前检查 cordis.patch.yml 与 src/plugin.mjs 等行为是否符合你的策略。

结尾¶

DSH Architecture Lab 把「同一任务、四种配方、隔离沙箱、预算上限、外部测试评判」捆成一条可重复的 CLI 路径，用来观察记忆与规划组件在真实编码任务上的差异，而不是靠单次对话印象做判断。进一步细节与简体中文 README 见 GitHub 仓库，社区条目见 SkillHub 目录页。