dsh-architecture-lab

在真实软件工程任务上对比不同 AI Agent 架构时，常见问题是提示漂移、上下文污染和成本失控，结果难以复现、也难以客观打分。DSH Architecture Lab 是面向 DeepSeek 生态的轻量无头 DSH 插件与 CLI 工具包，用隔离容器沙箱、微分预算护栏和外部判题子进程，把评测从「自报成绩」拉回到可重复、可计量的实验环境。

核心能力围绕「可控配方」展开：在匹配条件下系统对比原生对话、Engram 长期记忆、Plan-and-Execute 规划，以及记忆与规划并用的混合架构。每次试验在 Lima Linux VM 或 macOS Seatbelt 中运行，API 调用经嵌入式计费代理实时记账并执行预算上限；评分由解耦的外部测试用例完成，避免代理自述带来的偏差。插件侧重命令行批量执行与结构化报告，没有前端包袱。

适合需要严肃做架构消融或横向对比的团队与个人：做 Agent 研究的同学、在选型「要不要加记忆/规划」的工程师，以及希望用同一套协议冻结变量、积累可对比试验记录的人。若你关心的是在固定任务与预算下谁更快、更省、更稳，而不是单次聊天体感，这个实验室会很合拍。