🤖

narrative-prompt-polish

模型推理更新于 2026.09.02

在终端中运行以下命令：

dsh plugin install shengyvself/narrative-prompt-polish

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 shengyvself/narrative-prompt-polish 即可安装，插件源码见 https://github.com/shengyvself/narrative-prompt-polish ，安装后重启 DSH Web 即生效。

插件介绍

每天和 AI Agent 协作的人都有一个共同痛点：脑子里有想法，草稿也写了，但直接丢给 Agent 执行往往不够清晰、缺少上下文、意图模糊。narrative-prompt-polish 就是为这段"从草稿到可执行提示词"的最后一公里而生——在主会话输入框右侧点一下 ✨，插件自动拉起侧栏对话，Agent 继承当前会话完整的 system 和历史上下文，把草稿改写成具体、可直接执行的提示词；不满意就追问、多轮打磨，满意后一键复制回填主输入框，全程不污染主会话历史。

核心能力围绕一条降级链展开：优先走 full 模式，完整复刻 [system]+[history] 前缀以命中 prompt cache，只增量计算草稿与润色指令；上下文不足时逐级降到 partial（近期对话）乃至 none（裸草稿），每次降级都在响应和 trace 中留痕。插件还会用本地正则对输入做 debug / implement / explain / chat 四类意图分类，据此调整提示词骨架。写回采用 CAS 指纹校验，若草稿在润色期间已被修改则拒绝覆盖，避免静默丢改。

适合谁用：在 DSH Web 中高频使用 AI Agent 执行任务的写作者、工程师；需要把模糊需求转化为精确指令的自动化场景（可走单次 polish 路径，无需侧栏）；以及希望每次打磨过程可追溯（JSONL trace 记录意图、上下文模式、缓存命中、token 用量）的团队。多轮打磨主流程依赖 better-sidebar，缺失时单次路径仍可工作，整体开箱即用。