dsh-webstack

本地推理模型被框在 32k 到 90k 的上下文窗口里，却需要真实的联网能力，但常见方案同时撞上三堵墙：工具参数把上下文撑爆、静态抓取扛不住反爬机制、SSRF 与跨域跳转风险无人拦截。dsh-webstack 把这三件事收进同一层透明管道——模型只看到原生的 web_search 和 web_fetch 接口，所有隐身标志、抓取参数、DNS 校验全部封装在 provider 内部，对推理循环零可见。

检索侧由 SearXNG 驱动元搜索发现，Scrapling 三级管道按目标复杂度自动升级：第一层用 curl_cffi 携带 Chrome TLS 指纹，约 531 ms 拿下文档、GitHub、Wikipedia 与 REST 端点；第二层切到 Playwright 无头 Chrome，应对 React、Vue、Next.js 等客户端渲染 SPA；第三层交给 StealthyFetcher 反爬引擎，自动识别并模拟点击 Cloudflare Turnstile 坐标，同时注入 Canvas 噪声、抑制 WebRTC IP 泄露、生成真实 WebGL 上下文并拦截约 3500 个追踪器域名。安全层在连接发出前完成 DNS 预检，立即拒绝环回、RFC 1918、链路本地与云元数据地址，拦截混合解析的主机名，跨源或跨协议跳转直接以 WEB_REDIRECT_BLOCKED 终止，全程零额外 DNS 延迟。

这套方案适合在 DeepSeek Harness 中运行 Qwen 2.5/3.8 27B、DeepSeek R1/V3 等本地模型的开发者。部署好 SearXNG 与 Scrapling、挂载 cordis.patch.yml 层之后，模型就能像调用本地工具一样自然地发起搜索与阅读，而引擎选择、反爬对抗和安全过滤都在底层静默执行，上下文干净、工具列表不膨胀。