🤖

dsh-llama-responses

模型推理更新于 2026.08.25

在终端中运行以下命令：

dsh plugin install SnowRikka/dsh-llama-responses

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 中执行 dsh plugin install SnowRikka/dsh-llama-responses 即可安装，源码仓库为 https://github.com/SnowRikka/dsh-llama-responses，安装后按 patch 将子代理路由到 provider: llama-responses 即可启用本地模型。

插件介绍

每次 DeepSeek Harness 派生子代理，都会走官方 API 消耗 token，主代理和子代理叠在一起成本翻倍。dsh-llama-responses 把子代理的推理路由到本地 llama.cpp llama-server，主代理继续用 DeepSeek 官方模型保证质量，子代理走本地模型把重复性任务的 API 开销压到接近零。

插件通过 OpenAI Responses 协议（/v1/responses）对接 llama-server，支持多轮记忆、工具调用流式输出、用量统计和中断恢复。最关键的设计是上下文隔离：subagent_fork 被重定向到 spawn 提供方，子代理只能看到父代理显式写入指令文本的背景，父会话历史、已完成轮次一律不进入子代理上下文，既避免上下文膨胀，也堵住信息泄漏通道。

适合重度使用 dsh 子代理、本地有 GPU 能跑 llama.cpp 模型、希望在保持主代理质量的同时显著降低推理成本的开发者。插件自带委派规范 SKILL，约束同一时刻最多一个子代理并发，指令必须自包含，降低多代理协作的复杂度。