dsh-eval-guard

在 DSH 里做 agent 评测或比赛时，常见风险是对话越界：访问工作区外路径、联网拉资源、启用子代理或读取其它会话数据。dsh-eval-guard 在开启「评测守护」后，把这些约束施加于所有用户主对话，让评测在明确、可隔离的边界内运行。

插件的能力可以概括为沙箱、限时与任务评测三条线。沙箱侧只允许读写当前会话工作区，工作区外（包括 /tmp）不可达，并禁止联网、子代理、Agent Team/跨 agent 通信及读取其它工作区；工具黑名单可配置，未知工具默认放行，DSH 内置与 dsh-ops 工具会对参数路径做审计。限时按会话独立：用户发送消息时依据当时的开关与分钟数创建或清除 deadline，到点仅终止该会话及其子代理/后台任务。设置页可安装十一种任务（原 meow-ai-arena 五类、Commit0/SWE-Bench Pro/FeatureBench 长任务、Neural-CPP/FP32/CIFAR 纯 C++ 项目），选择任务时会带入默认最长时长与限时开关，用户仍可手动调整。

安装与「评测当前工作区」走同一套任务与工作区选择，以后台任务执行，进度与日志持久化；Neural 等任务在临时目录独立构建，隐藏测试不在工作区内，单工作区评测只产出当前候选结果、不生成排行榜。Neural-CIFAR 的验证集通过独立评测目录获取，CIFAR 下载缓存与镜像/代理可在设置页配置。

适合在 Linux 上维护 benchmark、教学实验或内部评测的团队：需要统一沙箱、统一限时，并在同一 DSH 环境中并行多种任务与时长。日常开发若不需要封闭评测环境，可以不装；若你要可复现、可对比的单工作区评测，它能显著减少手工搭隔离环境与对齐任务素材的成本。