DSH Plugins
返回列表
⚙️

deepseek-harness-orchestrate

工作流 更新于 2026.08.25

在终端中运行以下命令:

dsh plugin install apheli0os/deepseek-harness-orchestrate

将以下提示词粘贴到 DeepSeek Harness 对话框中:

在 DeepSeek Harness 中运行 dsh plugin install apheli0os/deepseek-harness-orchestrate 即可安装,插件源码见 https://github.com/apheli0os/deepseek-harness-orchestrate ,需宿主已提供 ctx.workflowEngine 与子代理 provider。

插件介绍

当模型面对复杂目标时,它天然希望将工作拆解为若干带有先后依赖的子任务再逐步执行。过去 DeepSeek Harness 缺少一个结构化入口,让模型在一次调用中声明完整的任务图并进行安全验证后执行。orchestrate 插件弥补了这一空白:它向模型暴露 orchestrate_tasks 工具,允许模型一次性提交任务数组、依赖边以及每个任务可选的 provider、model 和 outputSchema,在执行前对整张图进行无环性和规模上限校验。

校验通过后,任务图交给已有的 ctx.workflowEngine 以确定性拓扑分层方式执行。每个子任务完成时返回纯文本或结构化值;失败的子任务会将其直接下游标记为 skipped 并附带 deterministic blockedBy 列表,不受影响的分支继续推进。最终结果保持原始任务数组顺序,并附带 completed、partial 或 failed 的聚合状态。所有模型生成的标识符、提示词、依赖 ID 和上游结果均以纯 JSON 数据传递,不会被拼入 JavaScript 源码,从根本上闭合了注入面。

该插件适合在 DeepSeek Harness 上构建多步智能体流水线的开发者,尤其是希望由模型自身决定任务拆分和依赖结构、而非在编排代码中硬编码每一步的场景。宿主部署需已提供 ctx.workflowEngine 和子代理 provider;凭据继承自现有 LLM 路由,插件本身不存储任何 API 密钥。

使用场景

  • 模型将复杂研究任务拆解为带依赖关系的子任务并一次性提交执行
  • 一个任务的输出需要喂给多个下游任务时,用 DAG 边声明数据流向
  • 某个子任务失败后自动跳过其直接下游,其余分支不受影响继续推进

适合人员

  • 在 DeepSeek Harness 上构建多步智能体流水线的开发者
  • 希望由模型自行决定任务拆分与依赖结构、而非硬编码每一步的团队
  • 需要以安全、经验证的方式执行任务图且不希望密钥写入源码的部署方