dsh-research-nudge

在使用AI代理处理复杂研究或编码任务时，我们常常遇到一个陷阱：代理会陷入一种“本地试错循环”。它们可能长时间阅读本地代码、反复编辑同一个文件、执行命令并遭遇相同的失败，却没有去查阅官方文档、搜索具体错误信息或寻找已有的解决方案。这不仅浪费算力和时间，还可能导致问题始终无法解决。dsh-research-nudge 插件正是为此而生，它像一个冷静的观察者，默默计算着这种“研究债务”。

这个插件的核心能力在于一套确定性的“研究债务”评估机制。它通过监听工具调用的类型和结果——比如常规工具使用、文件修改、执行失败以及重复失败——来累加一个虚拟的债务分数。当分数超过阈值（默认为20），或者代理长时间未进行外部研究时，插件会在下一轮模型交互前，自动插入一条简洁的、建议性的提醒消息。这条提醒明确告诉代理：“你可能需要查查资料了”，但它完全不干涉当前的工作流程，不会阻止任何工具的使用，也不调用额外的模型。

它非常适合那些使用DeepSeek Harness构建自动化工作流、尤其是从事代码调试、数据分析或长期研究任务的开发者与研究人员。如果你发现自己的AI代理效率低下，总是在同一个问题上打转，这个插件可以帮助它“破局”。对于希望提升代理任务完成质量、减少无效计算的团队来说，dsh-research-nudge 是一个轻量、无侵入式的增强工具，让代理在埋头苦干与抬头看路之间取得更好的平衡。