多模型编排 Alexander390370/dsh-multi-model-orchestration

DSH 多模型编排技能包（multi-model-orchestration）

让 AI 主控（Team Lead）把任务按模型长处拆给不同的大模型去干，再把结果收口验证。
面向 DeepSeek Harness 的 Agent Skill + 自检工具，纯本地运行，不依赖任何服务。

下载：multi-model-orchestration-2.0.0.zip（30 KB）解压后按包内 INSTALL.md 操作，或直接用仓库自带脚本安装。

为什么需要它

在 DSH 里让多个模型协作有两个坑，这个包把它们堵上：

1. spawn_teammate（常驻队友）不能指定模型 —— 它的入参只有 name/description/prompt/context，队友只能继承会话默认模型。所以「找两个不同模型交叉验证」用队友做不到。
→ 当前 DSH 版本下唯一可靠路径是 workflow 的 agent(prompt, { provider, model }) 逐次覆盖 （工具签名可能随版本变化，升级后请重新核验）。
2. 每家模型的「脾气」都不一样，配错了就静默失败（agent() 失败只返回 null，不给原因）：
- 非 OpenAI 端点普遍拒绝 developer 角色 → 需要 compat.supportsDeveloperRole: false
- 各家 reasoning_effort 词表不同（GLM-5.3 只认 low/high/max，但 GLM-5/5.1/5.2 认更多档；DeepSeek 认 low/medium/high/xhigh/max）
- 视觉模型必须显式声明 input: [text, image]，否则 DSH 会把图片丢掉，模型回答「我看不到图」
- 有些模型输入上限比你想的小（例：qwen-max = 30720），DSH 压缩时超限会整轮失败
- Moonshot 拒绝带自引用 $ref 的工具 JSON Schema（infinite recursion）

这些坑本仓库的工具都能自动探出来，不用一个个试。

安装

把 multi-model-orchestration/ 放进技能目录即可（DSH 会实时发现新技能）：

Windows
.\install.ps1
macOS / Linux
./install.sh

手动安装 = 把这个目录复制到 ~/.agents/skills/multi-model-orchestration/。

要求：Python 3.9+。modelops.py 还需 pip install pyyaml（缺了会提示）。
跑 dsh-errors.py 需要 zstd 解压能力：Python 3.14+ 自带 compression.zstd；3.9–3.13 请 pip install zstandard（脚本已做双路径回退，没有也能跑，只是 .zstd 会话文件会被跳过并提示）。

目录

multi-model-orchestration/
├─ SKILL.md 技能本体：路由表 / 编排模式 / 失败手册 / 派活契约 ├─ references/ │ └─ model-matrix.example.md 自动生成的模型能力矩阵（示例） └─ tools/ ├─ modelops.py check / matrix / add —— 自检与配置推导 ├─ ark_image.py 火山方舟图像生成（Seedream），非对话模型 └─ dsh-errors.py 从会话语料里捞子代理的真实报错

快速开始

解释器用你自己的 python（3.9+；dsh-errors.py 需 3.14 或 pip install zstandard） $py = "python" $t = "$HOME\.agents\skills\multi-model-orchestration\tools"

& $py $t\modelops.py check # 连通性：key 是否有效、端点是否可达 & $py $t\modelops.py matrix # 全量能力矩阵 → references\model-matrix.md & $py $t\modelops.py add --provider qwen --model qwen3.9-max --deep # 新模型：自动推导该怎么配 & $py $t\dsh-errors.py -m 30 -g qwen # 捞最近报错

--profile / --creds 必须写在子命令前面：modelops.py --profile phone check ✅

modelops.py add 会打印可直接粘贴的 YAML 片段，例如：

- id: qwen3.7-plus
name: qwen3.7-plus
reasoningEfforts:
"off": none # 注意引号：YAML 里裸写的 off 会变成布尔 False minimal: minimal low: low medium: medium high: high xhigh: xhigh

四种编排模式

// ① 并行扇出：独立子任务
await parallel(items.map(it => () => agent(brief(it), { provider: "qwen", model: "qwen3.5-flash" })));

// ② 对抗式复核（最值钱）：同一份结论给两家模型各写批评，分歧点 = 我亲自查的地方
const [a, b] = await parallel([
() => agent(critique, { provider: "bailian", model: "glm-5.3" }),
() => agent(critique, { provider: "qwen", model: "qwen3.8-max" }),
]);

// ③ 便宜模型筛 + 强模型定：flash 出 N 个候选，前 3 个交给旗舰深做 // ④ 多模态分工：截图判读交给视觉模型（让它自己 read_image），文本推理交给 K3/Qwen

失败回退链（摘要）

| 症状 | 处置 |
| agent() 返回 null | 跑 dsh-errors.py 看服务端原话，别盲目重试 |
| 400 developer is not one of [...] | provider 加 compat: { supportsDeveloperRole: false } |
| 400 ... infinite recursion | MCP 工具 schema 设 REA_MCP_INPUT_SCHEMA_PROFILE: compact |
| 400 ... Range of input length | 该模型声明真实 contextWindow |
| 400 'reasoning_effort' must be one of | 只声明该模型认的档位 |
| 模型说"看不到图像" | 模型条目补 input: [text, image] |
| 429 max organization concurrency | 换通道（直连 ↔ 聚合网关）或升级账号等级 |

设计原则

1. 证据优先：所有结论来自服务端真实响应；拿不到证据就写"未知"，不猜。
2. 密钥不出配置文件：配置里只写 apiKeyEnv: NAME，明文只进凭据库，永不打印、永不入日志。
3. 直连探测 ≠ DSH 可用：工具走直连 API 判断 key/端点/词表，最终仍要在 DSH 里发一个 1-token 任务确认路由。
4. 成本纪律：探针 1-token；矩阵只在加/换模型后跑；真任务先给便宜模型。

兼容性

- DSH profile 配置文件默认为 ~/.dsh/profiles/desktop/cordis.patch.yml，用 --profile 或环境变量 DSH_PROFILE / DSH_HOME 覆盖。
- 模型清单与词表会随厂商更新变化，矩阵是快照：加/换模型后重跑 modelops.py matrix。

License

MIT —— 见 LICENSE。