dsh-intent-recognition
在终端中运行以下命令:
dsh plugin install lilixinsniper/dsh-intent-recognition
将以下提示词粘贴到 DeepSeek Harness 对话框中:
在 DeepSeek Harness 终端执行 dsh plugin install lilixinsniper/dsh-intent-recognition,或从插件市场安装后重载页面;源码见 https://github.com/lilixinsniper/dsh-intent-recognition。
插件介绍
在 DeepSeek Harness 里,主 Agent 需要把用户一句话落到正确的场景与后续动作上,单靠手写规则或临时 prompt 很难兼顾规模、可观测与可运维。本插件把「识别 + 配置 + 对外服务」收进同一套面板:五层流水线可按服务逐层开关,未启用的层在运行时直接跳过,便于从纯规则试跑逐步叠加 Jev、微调模型与 LLM 兜底。
控制面是侧栏「Intent Recognition」与设置页中的同一套管理界面,只负责建模与运维,不参与对话。数据面则是可运行的 per-scenario API 服务:推荐通过 Agent 工具 intent_recognize_ 做高置信命中与路由执行,也可供其他插件经 Cordis 的 predict 接口集成。意图目录支持场景化维护、Excel 导入导出与路由配置(工作流、子代理、Cordis 服务等),服务侧自带测试台、调用日志与按服务的 API Key。
存储分基础版与高级版:默认本地 JSON 零依赖即可上手;需要 L2 向量召回与 Vector Lab 时再页内升级到 PostgreSQL + pgvector,本地数据可迁移且 id 与密钥保持不变。适合先用规则与小规模意图库验证路由的团队,也适合意图表述多样、依赖语义召回的大型目录——在高级版重建 embedding 后即可启用第二层检索与调试能力。
截图预览
使用场景
- 主 Agent 用 intent_recognize_ 工具把用户话术路由到工作流、子代理或 Cordis 服务
- 按场景维护意图库并用 Excel 批量导入,规则层先试跑再叠加模型层
- 意图表述多样时在高级版启用 L2 向量召回并用 Vector Lab 调试阈值与 TopK
适合人员
- 在 DSH 里需要可配置、可观测的意图流水线而非硬编码 prompt 的开发者
- 希望零配置本地试跑、必要时再升级 PostgreSQL 向量存储的团队
- 运营意图目录、模型与服务并对外提供 API 或 Agent 工具集成的人



