宿主拦截还是模型拒绝:dsh-purge 把两层拆开了
很多人在 DeepSeek Harness 里测一个安全边界问题时,判断依据是「模型答了没有」。这个判断在纯 API 调用里勉强成立,但在 Harness 里会失效——因为 Harness 不只是把问题转发给模型。它还会在运行时改写提示词、执行审批门、挂沙箱、约束会话格式。任何一层拦下来,你在界面上看到的结果都是「没答」。
很多人在 DeepSeek Harness 里测一个安全边界问题时,判断依据是「模型答了没有」。这个判断在纯 API 调用里勉强成立,但在 Harness 里会失效——因为 Harness 不只是把问题转发给模型。它还会在运行时改写提示词、执行审批门、挂沙箱、约束会话格式。任何一层拦下来,你在界面上看到的结果都是「没答」。
HunYiSage/dsh-purge 这个插件做的事,就是把这四层在你的本机安装里拆开,让「宿主拦截」和「模型拒绝」变成两个可以分别观察的量。它当前版本 1.1.90,站内记录 18,619 星,Apache-2.0 许可,验证档位是「已验证 · L4 真实安装」。
一、为什么「答不答」这个指标不可用
把一次请求拆开看,至少经过四个可能改写它的环节:
| 环节 | 它会改什么 | 结果表现 |
|---|---|---|
| 提示词组装 | 系统提示、工具描述、上下文顺序 | 模型看到的问题和你想的不一样 |
| 审批门 | 是否放行某个工具调用 | 工具没被调用,看起来像模型不会用 |
| 沙箱 | 文件与网络的可达范围 | 命令执行失败,看起来像模型写错了 |
| 会话格式 | 消息结构是否符合宿主预期 | 整轮被拒,看起来像模型崩了 |
这四层任何一处生效,输出都会是「没有结果」。如果你把「没有结果」直接归因为模型能力,评测结论就是错的;反过来,如果模型其实挡不住但宿主挡住了,你会误以为防线在模型侧。
插件的 README 对这件事有一句判断很直接:只看「模型答不答」,会把宿主拦截误当成模型拒绝。
二、它的做法:在「清洗」里应用补丁
安装完成后,会话标题旁会出现 dsh-purge 按钮,点开是右侧栏,里面两页:
- 清洗:分组查看补丁,可以应用、还原、卸载;提示词和多套规则在这里编辑。
- 演练台:正式版内置,授权后查看资产与本机环境。开源版不下发技能库和知识库。
关键在于「应用」这个动作。装完不等于生效——插件把改动写成补丁,只有你在「清洗」里点「应用」,才会真正写入本机已安装的 @deepseek-ai 包与配置;应用成功后宿主会自动重启一次,没走完不会重启。
它也不写死盘符,查找顺序是 $DSH_HOME → dsh 启动器旁边的 .dsh → 退回 ~/.dsh。这一点在多份 .dsh 并存的机器上很实际:机器上常有两份,要用你实际启动的那个宿主对应的那一份。
三、版本边界是硬约束,不是建议
这一条需要单独说,因为它决定「装了到底有没有用」。
| DSH 版本 | 插件版本 | 说明 |
|---|---|---|
| 0.2.1-rc.2 | 1.1.81 或更高 | 官方桌面 / 官方 dsh web 都走这条 |
| 0.2.0-rc.2 | 1.1.40 及以上 | 这一档也能装 |
| 0.1.7(含 rc.1 / rc.2) | 1.1.39 及更早 | 要到 Releases 里选对应标签 |
| 0.2.1-rc.3 / rc.4 及更新 | 不支持 | 补丁会显示待应用或跳过 |
README 写得很清楚:不支持 0.2.1-rc.3 及更新的 rc。宿主对不上时补丁会显示待应用或跳过,不会乱改文件——这个设计是稳妥的,但也意味着你在新宿主上装完会看到一个「什么都没发生」的界面,很容易误判成装失败。
四、安装形态:不能用插件市场
这一点和多数插件不一样,值得单独提示。走 dsh-plugin.org 或设置里的「插件市场」一键安装,会报 already queued: dsh-purge,命令也走不成;npm 仓库里没有 dsh-purge 这个名字,所以 pnpm add dsh-purge 同样无效。
可用的是 tarball 直装:
dsh plugin --profile web add https://codeload.github.com/HunYiSage/dsh-purge/tar.gz/refs/heads/master
桌面端把 web 换成 desktop。压缩包地址只用 codeload.github.com 这个写法,github.com/.../archive 会 302 跳转,pnpm 侧会 fetch failed。
装完的完成标志有三个,可以逐条核:node_modules/dsh-purge/package.json 存在;该 profile 的 dsh.profile.bundles 里有 dsh-purge;cordis.patch.yml 里有 id: dsh-purge 的 insert。第三项缺失时界面不会有按钮——这时跑一次 node node_modules/dsh-purge/scripts/ensure-profile-bundle.mjs 补齐,再完全退出重开宿主。
五、边界:只作用于本机
README 里最值得注意的不是功能列表,而是边界声明:攻击任务只允许本机回环与 RFC1918 私网目标;域名先按系统解析(含 hosts),解析结果必须全部是私网或回环;指向公网的 hosts 记录、解析失败、或混有公网地址的结果一律拒绝。密钥、密码、网段、通配符以及对话里的口头说明,都不能增加例外。
这个约束不是我替它总结的,是它自己对「开源版」的定位:本地靶场工具,不是公网扫描器。如果你要的是对外部目标做授权测试,这个工具不覆盖那个场景。
另一个容易误会的点:开源版不含技能库与知识库,演练台只有正式版有。README 的表述是「开源版不下发技能库和知识库」。
六、还原与更新
「清洗」页除了应用,也有还原和卸载。npm 升级会盖掉 node_modules,插件在启动时会自动再检查并应用一次,所以升级宿主或插件之后不需要手改文件。
如果你的目的是长期观察默认策略该不该收紧,这个「应用 — 观察 — 还原」的循环是可用的:每次改动都有对应的还原路径,不需要重装。
总结
把「宿主拦截」和「模型拒绝」分开看,是这类评测能不能得出有效结论的前提;dsh-purge 提供的正是这个分离动作,代价是它绑定在特定 DSH 版本区间内,且只能作用于本机回环与私网目标。想对照同类插件的安装形态与验证档位,见 DeepSeek Harness Hub 插件清单。
适合与不适合
适合:需要在自有机器上做受控红队评测的安全研究者;想观察宿主策略层与模型层各自拦下什么的人;已经确认本机 DSH 版本在 0.2.1-rc.2 或 0.2.0-rc.2 区间、且愿意按 tarball 方式安装的人;需要「应用—还原」可回退路径做对照实验的人。
不适合:DSH 已经升到 0.2.1-rc.3 及更新的用户,装了只会看到补丁待应用;需要对外部授权目标做渗透测试的人,开源版只放行回环与私网;不想手动点「应用」、期待装完即生效的人;需要技能库与知识库的正式版能力的人,开源版不提供。
标签:dsh-purge、DeepSeek Harness、红队评测、宿主策略、插件安装
本文由 DeepSeek Harness Hub 自动整理,数据来源于插件详情页。