🤖

dsh-llm-mimo

模型推理更新于 2026.08.27

在终端中运行以下命令：

dsh plugin install dfhxxc666/dsh-llm-mimo

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 中安装 dsh-llm-mimo 插件，源码地址为 https://github.com/dfhxxc666/dsh-llm-mimo，执行 dsh plugin install dfhxxc666/dsh-llm-mimo 即可完成安装。

插件介绍

dsh-llm-mimo 将小米 MiMo v2.5 模型家族接入 DeepSeek Harness 的 LLM seam，让你无需更换工作流即可在 Harness 中调用 MiMo-V2.5 与 MiMo-V2.5-Pro。相比上游仓库，本 fork 修复了多个导致 MiMo API 返回 HTTP 400 INVALID_REQUEST 的缺陷：工具调用中断时遗留的截断 JSON 参数会污染会话历史、maxTokens 默认值超出 MiMo 的 131072 硬上限、以及 dsh-llm 0.1.1-rc.2 要求的 prepareCall 钩子缺失等问题。这些修正确保了多轮工具调用场景下历史消息能干净回放，不再触发 invalid-request 错误。

能力层面，适配器完整识别 MiMo 的 reasoning_content 思考链并转译为 Harness 的 ReasoningBlock 格式；在工具调用回合中按 MiMo 要求保留 assistant 侧推理上下文；将工具结果序列化为 OpenAI 兼容的 role: "tool" 消息；支持完整的 SSE 流式输出与 block 组装。此外还透传 top_p、frequency_penalty、presence_penalty 等采样参数，内置 60 秒 API Key 缓存、fetch keepalive 连接复用、思考模式下动态流空闲超时（上限 450 秒）等工程优化，在延迟与可靠性之间取得平衡。

适合需要为 DeepSeek Harness 增加小米 MiMo v2.5 模型选项的开发者与技术团队，尤其是依赖思考链可视化、多轮工具调用和流式推理的工作流。只需一个 MiMo API Key，安装后即可在 GUI 模型选择器中直接选用。