Adaptive deep-research orchestrator plugin for DeepSeek Harness (official workflow engine, cybernetics/information-theory design)
Pending human review — the facts below come from the source repository.
Adaptive deep-research orchestrator plugin for DeepSeek Harness (official workflow engine, cybernetics/information-theory design)
Users who want this capability in DSH; check the source and docs before installing.
dsh plugin --profile web add github:omdsh-dev/dsh-deep-research Type note: plugin signals in name, description or topics · rule-based · Aug 19, 2026
No supported platforms were declared.
ctx.workflows / @deepseek-ai/dsh-workflow-workerthread） 实现，按 控制论 + 信息论 设计——不是固定提示词流水线，而是活的、自适应的研究闭环。 ## 理论 → 机制 | 理论 | 插件里的落地 | | --------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------- | | 控制论：参考信号校准（闭环控制错误目标 = 白费） | 规划代理先定义答案空间（scope：研究支撑什么判断/决策）与每个子问题的验收标准（acceptance），再开始研究 | | Ashby 必要多样性定律（控制器多样性 < 系统多样性 ⇒ 必有盲区） | 规划代理枚举主题的信息维度，每个子问题映射一个维度，并输出覆盖度自检 coverage_gaps | | 信息论：信息 = 不确定性的减少 | 研究子代理维护三态证据 confirmed / uncertain / gaps——条件熵的工程表达；报告保留置信度与矛盾，不掩盖不确定性 | | 信息论：边际信息增益（EIG）递减 ⇒ 无限搜索是错的 | 每个研究子代理：预测（针对哪个高熵点、预期新增什么）→ 行动（web_search/web_fetch）→ 更新证据 → 边际增益验证；连续一轮零增益即停 + 轮次硬上限 | | 控制论：自适应控制（流程是活的，不是固定脚本） | 研究阶段是闭环再规划：第 1 轮并行研究全部子问题；每轮结束收集 high-priority 缺口 → 自动派发下一轮补充研究；规划声明的"盲区"会被定向侦察验证（假设被实验检验而非静态接受）；简单主题一轮收敛，复杂主题自动扩展，直到边际增益 ≈ 0 | | 信息论：率失真（给定"率"最小化失真） | 综合子代理把证据有损压缩为最终报告：只保留对结论有区分度的信息，决策有用性最大化 | | 信息论：信道冗余/纠错（对抗幻觉=噪声） | 可选对抗性审查子代理 = 奇偶校验：引用抽查（URL 可达性/支撑性）、覆盖度审计、矛盾与过度自信标注 | ## 结构 dsh-deep-research/ ├── package.json # @dsh-external/dsh-deep-research（声明 dsh.bundle.patch） ├── cordis.patch.yml # bundle 补丁：按包名插入插件行 ├── src/index.ts # cordis 插件：注册 deep_research 工具，提交官方 workflow 脚本（原生 TS，零构建） ├── tsconfig.json # typecheck 配置（project references 解析到 sibling deepseek-harness 源码） └── README.md ## 开发与检查 bash pnpm install # 仅 typescript/@types/node（typecheck 用） pnpm run typecheck # tsc -b，类型从 sibling deepseek-harness checkout 解析 源码即运行时：包入口直接指向 src/index.ts，无构建步骤。profile 安装的副本位于 node_modules 下，由 dsh 源码启动器的 tsx hook 加载（Node 原生类型剥离拒绝 node_modules 内的文件）；源码 checkout 在 node_modules 外直跑时也可用 Node ≥22.18 原生剥离。要求 erasable-only TS 语法（无 enum/命名空间等）， node --test/pnpm typecheck 会挡住不可移植写法。 ## 安装与使用方式 包声明了 dsh.bundle.patch（cordis.patch.yml），通过 dsh plugin 装进任意 profile （把 <profile> 换成 tui / headless / web 或自建 profile）： bash dsh plugin --profile <profile> add git+https://github.com/dsh-external/dsh-deep-research.git dsh --profile <profile> # 重启生效：工具 deep_research 随 profile 注入 > 若 pnpm 把 https URL 重写成 git+ssh（本机全局 git insteadof 配置所致），用上面的 > git+https:// 形式；dsh plugin 会提示需要 allowBuilds 时按提示在 > $DSH_HOME/profiles/<name>/pnpm-workspace.yaml 加一行即可。 工具由模型按工具描述自动触发（深度研究/调研/多源信息综合分析/研究报告/文献搜集）， 对话中直接说人话即可： - 「深度调研一下 MCP 生态现状，重点对比几家主流实现，出一份带引用的报告」 - 「按这份问题清单做研究：1. ... 2. ...」（已有清单 → 跳过自动拆解，直接并行研究） - 「调研一下 A/B 方案，purpose 是决定我们选哪个」（用途越明确，答案空间越准） - 复杂主题会自动扩展轮次（自适应闭环），简单主题一轮收敛；想要更严谨传 depth: 3， 要引用纠错和覆盖度审计传 review: true。 成本建议：模型分层——规划/综合用强模型、研究用便宜模型（配置 plannerModel/researcherModel/synthesizerModel/reviewerModel），可显著降本。 依赖要求：profile 的组合必须包含官方 workflow 引擎与内置 web 工具——dsh 官方 base 组合自带，无需额外安装；peer 依赖（@deepseek-ai/dsh-tools 等）由组合提供， profile 的 autoInstallPeers: false 可避免向 registry 查找未发布的 @deepseek-ai/*。 更新 / 卸载： bash dsh plugin --profile <profile> update dsh plugin --profile <profile> remove @dsh-external/dsh-deep-research # 或：从 profile 的 package.json 移除依赖后 dsh plugin --profile <profile> update ## 工具参数 | 参数 | 必填 | 说明 | | ------------ | --- | -------------------------------------------- | | topic | 是 | 研究主题 | | purpose | 否 | 研究用途（要支撑的判断/决策）——用于定义答案空间；缺省时规划代理声明假设用途 | | questions | 否 | 已有问题清单（每行一个）；提供则跳过自动拆解 | | depth | 否 | 精度/容差：1=初步 2=深入（默认）3=穷尽——决定研究闭环轮次上限（depth+1） | | synthesize | 否 | 综合子代理出最终报告（默认 true）；false 只返回三态证据 | | review | 否 | 对抗性审查（默认 false）：引用纠错 + 覆盖度审计 + 矛盾/过度自信标注 | ## 配置（可选） | Key | 默认 | 说明 | | ------------------------------------------------------------------------- | ------------ | --------------------------------- | | subagentProvider | 引擎默认 spawn | 子代理 provider | | maxParallel | 4 | 每轮研究并发上限 | | maxTotalAgents | 引擎上限 | 整次运行子代理总数上限 | | plannerModel / researcherModel / synthesizerModel / reviewerModel | 继承父配置 | 模型分级（OpenAI 指南：规划/综合用强模型，执行用便宜模型） | ## 设计说明 - plugin ≠ skill：不注册进 ctx.skills；触发靠工具描述（深度研究/调研/多源信息综合分析等）。 - 复用官方能力：编排走官方 workflow 引擎（worker 隔离、并发/总数 caps、取消、进度事件、wf-runs 记录）；搜索/抓取走内置 web_search/web_fetch——插件零网络逻辑、零自研编排。 - 不碰 TUI：无 tuiPrompt / overlay / system-prompt 注入，规避 prompt 槽位 disposed 类崩溃。 - 取消传播：exec.signal 传入 workflow run，取消时子代理随之中止。 - 失败隔离：单个子问题研究失败只在该节标注；规划失败则工具报错，主代理可调参重试。 - 技能模板（.claude/skills/deep-research）保留不动，两者独立。 ## Profile 兼容性 本插件运行时依赖 DSH 官方 workflow 引擎（ctx.workflows，peer：@deepseek-ai/dsh-workflow）。 请把它安装进提供 workflows provider 的 Profile（如 tui/headless 组合）；若 Profile 未声明 该 provider（如部分 Web Profile 组合），Loader 会保持 pending——此时请先在 DSH Hub 登记 workflows provider 关系或改用提供该服务的组合。编译产物（lib/types/index.js）为官方 0810 生产入口，Node 原生可加载。Not by stars — picked by hand, one at a time.
A visual settings dashboard for DeepSeek Harness: every registered settings namespace — including third-party plugin ones the official UI never covers — rendered as editable, schema-driven forms. Early, but the right direction: stop hand-editing YAML.
A DIY trajectory visualizer for DeepSeek Harness: watch the agent’s plan and execution unfold as a graph instead of scrolling raw logs. Early, but it fills a real gap — understanding at a glance what the agent is doing.
Dispatch DSH work from Claude Code / Codex: spin up in-host DSH agent sessions with per-tier presets, watch native subagent progress, and borrow a multimodal bridge that lends the text-only harness vision and image generation. An orchestration plugin that turns DSH into a backend for other coding agents.