前言¶

在 DSH 裏嘗試不同記憶與規劃方案時，常見問題是試驗不可比：提示詞漂移、多次試驗共享上下文、API 花費沒有上限，最終很難判斷是架構本身有效還是實驗條件不乾淨。若你需要在同一編碼任務上，用可控條件對比「原生對話」「長期記憶」「分步規劃」等組合，並依賴外部測試而非智能體自述來打分，可以瞭解 Chih-Kai-Wang 維護的 DSH Architecture Lab（chih-kai-wang/dsh-architecture-lab）。項目在 SkillHub 社區目錄中歸類爲「記憶」；當前 GitHub 星標爲 0，版本爲開發預覽 0.1.0-dev.9，許可證 MIT。

這是什麼¶

DSH Architecture Lab 是一個無圖形界面的 DSH 插件與 CLI。它在相同的軟件工程任務上運行不同的 AI 智能體架構配方，比較成功率、耗時與成本。每次試驗在獨立沙箱中執行，計費代理對每次 API 調用記賬並執行預算上限（默認 NT$300），獨立評判子進程運行外部測試，避免分數依賴智能體自己的報告。

維護者：Chih-Kai-Wang。源碼與文檔：GitHub；社區目錄頁：SkillHub。DeepSeek Harness 的生態思路是「一切皆插件」；SkillHub 爲獨立社區站點，與 DeepSeek / 幻方無官方從屬關係。

核心功能¶

資料中已明確的能力如下。

沙箱隔離¶

試驗在隔離環境中運行：Lima Linux 虛擬機容器，或 macOS Seatbelt 沙箱，各自擁有獨立的內存、文件系統與進程。

預算計量¶

通過帶 SQLite 事務鎖的計費代理（Broker proxy）實時計量每次 API 派發，並強制執行預算上限。

外部評判¶

外部測試在獨立子進程中運行，評分不依賴智能體自行彙報的結果。

四種對照配方¶

無頭插件形態¶

沒有 Web 前端，面向 CLI 批量運行與結構化報告。package.json 中通過 exports 暴露 ./src/plugin.mjs，並在 dsh.bundle.patch 指向 cordis.patch.yml，作爲 DSH 插件 bundle 的一部分。

已公開的一次實況結果（僅供參考）¶

在凍結研究協議下，項目曾用 DeepSeek-V4.1-Flash 對任務 stale-fee（費用計算修復）各配方各跑一輪。四輪均通過 7 項外部測試；資料中記載 B（Engram 記憶）請求數、牆鍾時間與 TWD 成本相對最低。README 明確說明這只是單一任務上的一次四輪運行，尚不能據此對所有架構做普遍排序；完整數字寫在本地 state/comparison-v2.json，未提交到倉庫，無法僅通過 GitHub 復現覈對表中數值。

付費相關的 daily-mode 任務在資料中標註爲暫緩，直至產品冒煙驗收通過。

環境與準備¶

運行前請滿足 README 列出的依賴：

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

在已獲得項目源碼的前提下（例如從上述 GitHub 或 SkillHub 頁面獲取），可在不配置 API 密鑰的情況下先做本地檢查。

安裝與啓用¶

已抓取資料中未出現 dsh plugin add github:owner/repo 一類安裝命令；請以倉庫內 package.json 與 DSH bundle 配置爲準，將插件集成到本地 DSH 工作流。下列命令來自 README 的 Quick start，用於驗證環境與進入 lab CLI。

先做依賴與測試：

# 運行全部 85 個單元與集成測試（資料稱約 1.7s）
npm test

再檢查運行環境、虛擬機、Docker 鏡像與定價狀態：

npm run lab -- doctor

查看當前選中配方、剩餘預算與試驗歷史：

npm run lab -- status

安裝或啓用前，請自行閱讀源碼與 MIT 許可證；插件以當前 dsh 進程權限運行，沙箱與代理會訪問文件系統和網絡，適合在可信環境中使用。

典型用法¶

研究試驗管理¶

選定配方、離線合規檢查、在協議保護下執行實況試驗、生成對比報告：

npm run lab -- select B               # 選擇當前配方 A/B/C/D
npm run lab -- check-one              # 離線合規檢查
npm run lab -- run-one stale-fee 1 B  # 執行任務 stale-fee 的第 1 次實況試驗，配方 B
npm run lab -- report                 # 生成對比報告 comparison-v2.json
npm run lab -- stop                   # 優雅終止進行中的試驗

對比報告默認寫入 state/comparison-v2.json。

日常工作區任務¶

資料中還提供與項目快照、任務起草、預覽 diff、採納變更、導出相關的 CLI（daily 模式；付費試驗暫緩）：

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>

項目結構（便於定位代碼）¶

├── src/                # 核心引擎（Broker 代理、Judge 沙箱、Manager 協調）
├── tasks/              # 受控任務規格
├── test/               # 85 套自動化測試
├── state/              # 持久化試驗賬本（SQLite、預算、協議）
├── docs/               # 架構說明與實證報告
├── containers/         # Linux VM Docker 與進程監督
└── package.json        # 元數據與腳本入口

完整研究計劃在資料中描述爲六項任務、每項每配方三次嘗試（共 72 次），目前僅完成首輪四輪；其餘協議見倉庫 docs/acceptance-status.md。

適用場景與注意¶

適合誰：需要在 DSH 上系統比較記憶與規劃架構、願意維護 Node/Python 與 Lima/Seatbelt 環境、並接受開發預覽階段協議與報告尚不完整的開發者或研究人員。

不適合或需等待：若只需單個智能體日常編碼、不希望搭建沙箱與計費代理，或依賴已穩定的付費 daily 流水線，當前 0.1.0-dev.9 預覽版可能過重；v0.1 仍待獨立終審與穩定產品驗收，資料未宣稱任一架構「勝出」或 continual learning 結論。

安全與合規：試驗隔離是爲減少試驗間串擾；不等同於替你審查第三方模型與 API 合約。啓用插件前檢查 cordis.patch.yml 與 src/plugin.mjs 等行爲是否符合你的策略。

結尾¶

DSH Architecture Lab 把「同一任務、四種配方、隔離沙箱、預算上限、外部測試評判」捆成一條可重複的 CLI 路徑，用來觀察記憶與規劃組件在真實編碼任務上的差異，而不是靠單次對話印象做判斷。進一步細節與簡體中文 README 見 GitHub 倉庫，社區條目見 SkillHub 目錄頁。