⚙️

dsh-plugin-recursive-harness

工作流更新于 2026.10.22

在终端中运行以下命令：

dsh plugin install Bear0117/dsh-plugin-recursive-harness

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 中执行 dsh plugin install Bear0117/dsh-plugin-recursive-harness，或从 https://github.com/Bear0117/dsh-plugin-recursive-harness 按 README 用 profile 添加插件后重启 dsh。

插件介绍

在固定模型权重的前提下，agent 的表现往往更受 harness——系统提示、护栏、工具指引、长期记忆与技能——所左右，而不是再训一轮模型。dsh-plugin-recursive-harness 面向 DeepSeek Harness，借鉴 Google Research Harness² 的两级递归思路：在权重冻结时，让 harness 随任务与经验逐步演进。

单任务层面走 Propose → Probe → Compose：提案会给出通用型与领域型两套候选 harness，各自在隔离的无头 dsh 与任务工作区副本中探测；先以客观校验定胜负，再看工具错误、步数、token 等行为指标，必要时才用模型评判。互补的优胜者会合并并再次验证，合并变差则回退到最佳单候选。跨任务则由 Reflector 把成败写成按时间排序的 Markdown 经验条目，供后续提案引用。

进化范围限于四段 system prompt（systemprompt、guardrails、tool_guidance、longTermMemory）及候选技能（SKILL.md 与小脚本）；AGENTS.md、.dsh/、.git/ 及 lockedSurfaces 所列内容不会被改动。通过 /harness 或 CLI 可启动演化、查看状态、回滚与浏览经验库；新 Session 挂载当前 harness 版本，进行中的 Session 不会中途切换。

适合已在 dsh 0.2.x 上跑 agent、愿意用额外探测预算做客观评测、并配置 OpenAI 兼容 proposer 端点的团队或个人。插件标为实验性，真实模型评测见文档报告及其局限；单次演化通常包含多轮完整 agent 运行，需按预算规划。