前言¶

在 DeepSeek Harness（DSH）里接第三方 LLM，常见做法是在 profile 里手写 llm-pi-ai 的 route 和 model 列表，或 fork 主仓库改配置。前者容易和上游默认层打架，后者升级成本高。dsh-tlpro-models 走 DSH 为 profile 设计的 composition：把 TLPro 网关路由和与网关 /v1/models 一致的模型目录打成一层 bundle patch，挂进 profile 即可，不修改 DSH checkout，也不需要额外插件依赖。

这是什么¶

dsh-tlpro-models 由维护者 dungcsnd1133 发布，在 SkillHub 插件目录 中归类为模型推理。包内没有业务代码，只含 cordis.patch.yml 等配置；loader 按 dsh.profile.bundles 顺序叠层，再应用 profile 自身的 cordis.patch.yml，同一 row id 后加载的层覆盖先加载的层。从 profile 移除该 bundle 后，由它注入的路由与模型项会一并消失。

核心功能¶

TLPro 路由¶

插件声明名为 tlpro 的路由，字段如下：

密钥应放在容器环境（如 /proc/1/environ）或 DSH 凭证存储中，不要写进 patch 文件。

模型目录¶

当前 catalog 与 TLPro 网关 /v1/models 对齐，包含 3 个模型：

网关的 /v1/models 只返回 id，不返回 context 与 output 上限；上述 capability 来自维护者在文档中记录的核对方式（见仓库 README「Nguồn của các con số」）。目录里写了网关不存在的 model id，启动不会报错，实际调用时会失败。

与 DSH 其它层的交互¶

• dsh-base 负责挂载 row llm-pi-ai；本 bundle 须列在 @deepseek-ai/dsh-base 之后，才能覆盖该 row 的 config。
• Patch 整段替换 row 的 config，不做 merge。若另有 bundle 也改 llm-pi-ai，顺序靠后的层会完全胜出，不宜只 patch 一半字段。

推理档位方面：glm-5.3 / glm-5.3-flash 按 OpenAI 风格传 reasoning_effort；deepseek-v4.1-flash 在 router 侧会对档位做 remap。README 说明 glm-5.3-flash 在部分 capability 表里 thinkingEffortSupported 为 false，档位被接受但未必改变实际 reasoning token 行为。

安装与启用¶

把 bundle 写进 profile¶

从 GitHub 拉取（换机或不想本地路径时）：

{
  "dependencies": {
    "dsh-tlpro-models": "github:dungcsnd1133/dsh-tlpro-models"
  },
  "dsh": {
    "profile": {
      "bundles": [
        "@deepseek-ai/dsh-base",
        "@deepseek-ai/dsh-web-app",
        "dsh-tlpro-models"
      ]
    }
  }
}

本地 link（正在改 catalog 时）：

"dependencies": { "dsh-tlpro-models": "link:/data/dsh-plugins/dsh-tlpro-models" }

bundle 顺序须保持：dsh-tlpro-models 在 @deepseek-ai/dsh-base 之后。

安装依赖并确认 patch 已生效¶

执行 profile 级安装：

dsh plugin --profile <tên-profile> install

检查配置是否带有本包标记：

dsh <tên-profile> --dump-config | grep 'patched by dsh-tlpro-models'

安装前请自行查看 GitHub 仓库 源码与 MIT 许可证。插件以当前 dsh 进程权限运行，与目录站、DeepSeek / 幻方无官方从属关系。

典型用法¶

1. 在运行环境中设置 TLPRO_API_KEY。
2. 按上一节把 bundle 编入 profile 并 install。
3. 在 DSH Web 或 agent 配置里选用 tlpro 路由下的模型 id（如 deepseek-v4.1-flash）。

网关新增模型时，维护者建议直接编辑包内 cordis.patch.yml 的 models: 列表，然后 restart profile，无需 publish，也无需动 DSH 主仓库。

从网关拉取当前 model id 列表（便于对照 catalog）：

curl -s -H "Authorization: Bearer $TLPRO_API_KEY" \
  https://hoantienmuasam.net/llmtlpro/v1/models | jq -r '.data[].id'

适用场景与注意¶

适合：已在用或计划用 TLPro OpenAI 兼容端点，希望在 DSH profile 里以可拆卸的一层挂路由和模型表，而不是改 checkout。

不适合：需要与别的 bundle 共用同一条 llm-pi-ai 且各改一半 config 的场景——后层会整块覆盖，应把期望的最终 config 集中到胜出的一层。

TLPro 侧通用限制（与 token 无关，见 README）：纯文本 body 约 4,000,000 byte，含图约 20,000,000 byte；上游文本超时 600 秒（代理可能更早断开）。用超大 max_tokens 做探测不能证明网关上限——router 会在转发前把 max_tokens 裁到 capability 的 maxOutput。

包版本在 package.json 中为 1.0.1，type: module，通过 dsh.bundle.patch 指向 ./cordis.patch.yml。

结尾¶

dsh-tlpro-models 把 TLPro 的 gateway 路由和模型 catalog 收敛成 DSH 的 bundle patch layer：装 bundle、设 TLPRO_API_KEY、按需改 cordis.patch.yml 即可，卸载则路由一并撤销。

• 插件目录：https://www.skillhub.cn/plugins/dungcsnd1133/dsh-tlpro-models
• 源码与文档：https://github.com/dungcsnd1133/dsh-tlpro-models