前言¶
智能體在回答裏常會給出帶有不確定性的論斷。若要在本地做「主張校驗」、留存收據（receipt），並複用 OpenAI 兼容的 chat-completions 端點作評判，通常需要自行拼裝 MCP 服務、配置與提示詞。DeepSeek Harness（DSH）採用「一切皆插件」的擴展方式；社區目錄站點獨立於 DeepSeek / 幻方，用於發現和分發插件，並非官方應用商店。
下面介紹維護者 phillui-37 發佈的 dsh-ldf：將上游 Local Decision Framework（LDF）以 DSH 宿主插件形式接入，在啓用後註冊指引與宿主工具，並通過 DSH 原生 MCP 客戶端維持 Python 服務端可用。
這是什麼¶
dsh-ldf（GitHub：phillui-37/dsh-ldf）是 Local Decision Framework (LDF) 的 DSH 宿主插件。上游實現以 Git submodule 固定在倉庫 upstream/；所有 DSH 適配代碼在 src/，不復制或改寫上游源文件。
運行要求（見倉庫 README 與 package.json）：
- DSH：
>=0.2 <0.3（MVP 在本地 DSH SDK0.2.2-alpha.2上驗證） - Node.js：
>=22 - Python：
>=3.10，且已安裝上游mcp依賴
插件版本當前爲 0.1.0，許可證 MIT。
核心功能¶
工作方式概覽¶
插件啓用後：
- 註冊 guidance（模型指引）與 宿主工具。
- DSH 原生 MCP 客戶端保持 Python MCP 服務（stdio）可用。
- 主張校驗、模型發現、本地模型配置 僅在對應工具被調用時執行；模型配置須在用戶明確批准 provider、model、format 之後纔會繼續。
- 插件 不會 在後臺自動輪詢校驗主張。
評判流量路徑簡述：DSH 宿主 → dsh-ldf（提示與宿主工具）→ 原生 MCP 客戶端 → 固定的 Python MCP 服務 → 配置的 chat-completions 端點；本地收據寫入本機存儲。另有 Node 側的本地模型工具可對接本機 Ollama 或 LM Studio，經批准後可更新 DSH 設置並替換 MCP 子進程連接。
MCP 工具（上游）¶
默認 MCP 命名空間爲 ldf（可由 serverName 修改），工具對外前綴一般爲 mcp__ldf__，包括：
| 工具 | 作用（摘要） |
|---|---|
ldf_check_claim |
校驗單個主張 |
ldf_check_claims |
批量校驗 |
ldf_summarize_output |
歸納輸出 |
ldf_fetch_evidence |
獲取證據 |
證據語義、裁決類型等細節以上游 upstream/README.md 爲準。
宿主側擴展工具¶
除上游 MCP 工具外，插件在啓用時還提供：
ldf_discover_models：按需盤點本機運行時/模型與相關 CLI（含對127.0.0.1:11434的 Ollama、127.0.0.1:1234的 LM Studio 等檢查，README 中另有截斷說明）。ldf_setup_local_model：在用戶確認（confirmed: true）後配置本機運行時、下載或加載模型；通過/v1/models可見性驗證後更新baseUrl與model，並重啓 MCP 連接。
設置與持久化¶
各字段可在 DSH Settings 中編輯，保存後會序列化子 fiber 更新、釋放舊 MCP 連接與 prompt 區段並啓動替換；禁用插件會移除工具與指引。正在進行的調用可能被設置變更打斷。
常用字段（默認值見 README 表格）：
python：解釋器路徑，建議使用虛擬環境的絕對路徑。baseUrl/model：評判 API；默認指向本機 Ollamahttp://127.0.0.1:11434/v1與qwen3:8b（需自行準備模型或使用下方 setup 工具）。apiKeyFile：託管服務商可選，指向 UTF-8 密鑰文件路徑，密鑰不寫入設置表單。outputMode：json_schema、json_object或plain。prefix/suffix：可編輯的多行模型指引，默認 prefix 建議代理對重大不確定主張使用穩定 evidence ID 做校驗（不強制自動調工具）。followUpstreamSkill：爲true時嘗試在~/.agents/skills等路徑加載匹配的ldf-check-claimskill 以替換插件內全部 LDF 提示文本。
LDF 上游行爲仍會寫入收據；capture / captureResponse 可保留證據或原始響應，需結合 dataDir 與保留策略使用。
設置界面¶
src/client.js 在 DSH 插件設置槽位提供 Local Decision Framework (ldf) 配置表單，不依賴可選的宿主 UI primitives 包。
安裝與啓用¶
官方 README 給出的準備步驟（含 submodule 與 Python 虛擬環境）如下。安裝方式爲 通過 DSH 插件管理器將該本地目錄作爲 bundle 安裝，而非本文臆造的一條式遠程 add 命令。
git clone --recurse-submodules https://github.com/phillui-37/dsh-ldf.git dsh-ldf
cd dsh-ldf
# For an existing checkout:
git submodule update --init --recursive
python3 -m venv .venv
.venv/bin/python -m pip install ./upstream
npm install
隨後：
- 在 DSH 中用插件管理器安裝該目錄 bundle；宿主須滿足
package.json中的 peer 依賴（如@deepseek-ai/dsh-mcp-client、@deepseek-ai/dsh-tools等）。 - 打開 DSH Settings 中生成的 Local Decision Framework 表單，將
python設爲.venv/bin/python的絕對路徑。插件以PYTHONPATH指向上游 submodule 的src，始終運行固定 checkout，而非任意全局 LDF 版本。 - 配置
baseUrl與model。LDF 會在 base URL 後追加/chat/completions；配置路徑建議使用絕對路徑。
典型用法¶
主張校驗流程（概念）¶
當代理或用戶觸發 claim 相關 MCP 工具時：
- 若未提供證據，上游邏輯 本地棄權（abstain），不調用提供商。
- 若提供證據，則請求已配置的
/chat/completions，校驗裁決與引用後 寫入本地 receipt，再返回工具結果。
這與「後臺持續自動校驗」不同：無工具請求時服務處於等待，不做 claim 檢查。
本地評判端點¶
默認以本機 Ollama 爲評判端點。若尚未部署 qwen3:8b，可先調用 ldf_discover_models 瞭解本機現狀，再在用戶明確批准後使用 ldf_setup_local_model 完成拉取與驗證。
可選上游 Skill 指引¶
若已在常用 skills 目錄安裝與 ldf-check-claim 匹配的 SKILL.md，可將 followUpstreamSkill 設爲 true，由 skill 替換插件內置的 prefix/suffix 等指引文本；找不到可用文件時保留當前指引並記錄警告。
適用場景與注意¶
適合：
- 已在或計劃使用 DSH 0.2.x，並希望在同一宿主內集成 LDF 的 MCP 工具與收據能力。
- 需要用 OpenAI 兼容 API（本機 Ollama/LM Studio 或帶
apiKeyFile的託管端點）作爲「評判模型」的團隊或個人開發者。
務必注意：
- 插件以 當前 DSH 進程權限 運行；安裝前請閱讀源碼與 MIT 許可證，並理解 MCP 子進程、本機 loopback 與密鑰文件路徑的權限含義。
- README 明確：不要 將缺少解釋器或啓動失敗僞裝爲成功的 judge 調用；啓動失敗由 DSH 記錄並可重連。
- 社區目錄頁（SkillHub）與 GitHub 倉庫由維護者 phillui-37 發佈；星標與簡介以各站點當時展示爲準，本文不羅列未在抓取資料中出現的運營數據。
結尾¶
dsh-ldf 把 Local Decision Framework 的 Python MCP 服務與 DSH 的設置、工具、指引槽位綁在一起，並補充本機模型發現與配置工具，便於在可控環境下對主張做證據驅動的校驗與留痕。
