dsh-evidence-arena

当你想比较两到三个 AI 模型在同一编码任务上的真实差距时，最缺的不是再跑一遍对话，而是一套隔离、可复现、可审计的评测流程。dsh-evidence-arena 正是为此而生：它让两到三个 Builder 在彼此隔离的 Git worktree 和独立 DSH 子运行时中并行解题，互相不可见，确保结果来自模型自身能力而非上下文串扰；每个 Builder 可分别指定不同的 Provider、模型、凭据引用和 System Prompt，实现真正意义上的跨配置对比。

对比结束后，独立 Reviewer 以零工具、密封证据模式逐条验证门禁结果；你可以通过带行号的逐文件统一 diff 审查每一处改动，展开前端候选结果在一次性回环预览中独立运行、查看日志并给出人工通过或否决判定。全部证据最终可导出为一份版本化 JSON 报告，涵盖指标、哈希、文件元数据、门禁与 Reviewer 裁定，同时自动剔除本地路径、凭据引用、子 Session 标识等敏感字段，方便团队内流转与外部审查。

如果你正在评估不同模型、不同 Provider 或不同提示词策略在编码任务上的差异，或者需要一条可复现、可审计的评测链路来支撑技术选型，这个插件提供了一条无需改动官方 DSH 源码、零额外环境变量的轻量路径。它适合使用 DeepSeek Harness 生态的开发者与研究团队，也适合任何希望在多模型编码场景中建立客观证据链的工程人员。