dsh-replay-lab

用 DeepSeek Harness 跑 Agent 时，同一个模型换个 preset、换个插件，行为轨迹就能差出一截——token 消耗、工具调用次数、甚至推理路径都可能变。但想搞清楚到底是谁改了我的请求，靠两次独立会话的前后对比很难服人：prompt 可能微调了，workspace 状态漂移了，token budget 也不一致了。dsh-replay-lab 把这件事变成一次可控实验。它从一个已完成的 DSH 回合出发，冻结该回合的 prompt 哈希、provider、model、preset 标签、system 与 tool-schema 指纹以及 workspace 快照，随后在一份校验过的隔离工作区副本中执行一次候选会话。跑完后，你会拿到一份 baseline / candidate / delta 的执行记分卡（新鲜输入 token、输出 token、缓存读取 token、耗时、步数、工具调用次数），以及独立的 request-surface 对比（路由、阶段、schema 哈希、可见工具列表）。所有证据以持久化事件保留，候选文件在运行结束后自动恢复到检查点，源工作区不被回写或回滚。插件还内置了一个沙箱证据仪表盘：你可以直接点预设（Overlay、Metric Deltas、Request Surface Diff、Execution Delta、一句话摘要），也可以随手输入任意 prompt 让它重新绘制——图表、表格、雷达、自定义迷宫都走同一个不透明 iframe，数字由宿主从回放载荷注入，无效 HTML 自动回退到内置图表。适合正在调 DSH preset 或插件行为、需要排查 tool-call 循环和无进展回合、或者想严肃对比不同请求面配置对模型轨迹影响的开发者和研究者。它不给你能力分，只给你可复核的执行度量与请求面证据，让你把我觉得标准配置更差变成一条带引用 ID 的观察记录。