DLR

模型推理更新于 2026.10.16

在终端中运行以下命令：

dsh plugin install ljwzhaoxiaoniu/DLR

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 中打开设置 → 插件（Plugin Manager），执行 dsh plugin install ljwzhaoxiaoniu/DLR 安装本插件；也可在终端用同一命令从源码仓库 https://github.com/ljwzhaoxiaoniu/DLR 安装。

插件介绍

大模型要把自然语言问句稳定落到关系型数据库或复杂运维场景上，往往卡在「逻辑概念」和「物理表结构」缠在一起：表名、字段、业务口径各说各话，Agent 容易猜错映射或绕不开数据集本身的歧义。DLR（Decoupled Logic Representation）是一种数据源级语义建模范式，用逻辑实体（LE）与物理视图（PE）两层模型，配合 ARCS 投影锚定与 PAS 语义路由，把概念层与数据层拆开，让检索与工具调用有明确锚点。

项目把 DLR 放进三级语义建模（TSM）框架：L1 数据源级 dlr、L2 领域共识 consensus、L3 业务逻辑 sop，并以「知识准入」作为治理线。语义服务基于 TypeScript，集成 LanceDB 向量、图后端（内存或 Neo4j）与 ONNX 编码器，通过可流式 HTTP 暴露 MCP 工具（含 dlr 及场景相关状态工具）；DSH 侧提供语义网关、范式技能、TSM 状态叠层与 Agent 规则，并附带可按场景运行的评测与可回放报告。

仓库内置可插拔场景包（如 BIRD mini-dev 的 NL2SQL、Cloud-OpsBench 的 Kubernetes 根因分析），每个场景自带三级来源、试卷与分级结果账本，便于端到端审计。适合需要为数据库或垂直场景建立可维护语义层、用 Harness 插件一键接入 Web 对话与 headless 批跑、并希望在改 yaml/consensus/sop 后重建索引再验证的团队与研究者。