智能体画布 CC19990113/dsh-plugin-agentflow

AgentFlow · DSH 插件

在 DeepSeek Harness 里用画布编排智能体工作流，一键生成 /命令 —— 每一步由你定义，而不是塞进一个黑盒循环。

画布

是什么

DSH 自带的智能体是「一个模型 + 一堆工具」的循环，中间怎么想、调什么，你看不见也改不了。

AgentFlow 把它掰开：画布上的每张卡片就是一个智能体步骤。你决定有几步、谁先谁后、谁并行、每步用哪个模型、能不能调 MCP 工具、做完怎么验收。编排好之后把整张画布生成成一个 DSH 命令，在对话里输入 /命令名 就能用。

- 节点：LLM（调模型）/ MCP（直接调工具，不经过模型）/ 调度（根，对话入口）
- 执行：纯 DAG，无上游先跑、同层并行、失败不阻塞其它分支
- 模型：全部走 DSH 自己的模型通道（ctx.llm），推理强度和兜底模型可逐节点配
- 命令：整张画布生成成 /命令名，插件热注册、即时生效，不写 DSH 配置档

安装

从 npm

DSH → 设置 → 插件 → 添加插件 → 输入：

dsh-plugin-agentflow

从 GitHub

CC19990113/dsh-plugin-agentflow

装完重启 DSH。左侧栏出现 AgentFlow 入口，后端由插件自动拉起（默认 127.0.0.1:8791），不需要手动跑命令。

要求：DSH 桌面版 0.2.x、Node 22+。

怎么用

1. 画布列表

画布列表

每张画布可以生成一个 DSH 命令。卡片上会标出「对话入口」（哪张卡是和用户对话的根节点）。

2. 编排

- 拖卡片改位置，从卡片边缘拖线连上下游
- 点卡片改模型、推理强度、兜底模型、技能、MCP 工具
- 「加下游 / 加上游」快速派生新卡
- 编辑自动保存，点「保存」把编排落库；点「生成命令」把画布变成 /命令

3. 验证

顶栏「验证 AgentFlow」会真实跑一遍整张图（会消耗 token），用来看流程通不通。卡片上只显示配置摘要，不堆运行产出。

4. 生成命令

点画布上的「生成命令」（或插件页 → 添加插件 →「从 AgentFlow 画布生成命令」，或设置页 AgentFlow 分区），得到 /agentflow-<slug>：

- 生成即生效：命令由插件热注册，无需重启 DSH，也不写 ~/.dsh/profiles/<profile>/cordis.patch.yml
- 命令名：默认 agentflow-<画布 slug>；同名会覆盖
- 落盘：<数据目录>/commands/<name>.json，只存画布 id
- 跟当前画布：画布内联打开哪张，设置页/菜单就生成哪张（画布会通过 agentflow-board-active 事件回传当前 id）；没有回传时才退回索引第一张

在对话输入框里：

| 输入 | 行为 |
| /agentflow-<slug> | 只看画布：返回画布名、节点列表（label / 任务 / 上游）与用法，不消耗 token |
| /agentflow-<slug> 要做的事 | 进入该画布的工作流：你的话作为入口节点（调度卡）的输入，之后对话被画布 DAG 推着走 |
| /agentflow-<slug> off | 退出该画布的工作流 |

5. 输入命令之后，对话怎么走

不是「把画布说明塞给模型让它自觉」，而是插件按 DAG 推进：

1. 你的话进根节点（调度卡；优先认引擎的 type: 'orchestrator'），模型只做这个节点，做完必须调 agentflow_node_done(node_id, output)
2. 插件校验（非空、≥10 字、前置已完成、只有发起这次工作流的智能体能标记），通过后算下一层
3. 这一层有几个节点，就强制为每个节点建一个 teammate：
- teammate 名由插件分配：<节点id清洗>-<本次 run 的随机后缀>。Agent Teams 的 roster 名字永不复用（实测连 DSH 重启后都还记着），所以每次 run 都换后缀；同一 run 内清洗撞名再加 -2
- tools/pre-execute 只放行这一套名字（报错里列出当前能派谁）
- 派发指令里带每个节点的任务、验收标准、上游产出摘要
4. 非根节点必须先真的 spawn 过才能标完成（tools/post-execute 观察到成功的 spawn_teammate 才算），所以模型没法自己把下游做完
5. 每个 teammate 回报后，用它的实际产出去调 agentflow_node_done；一层全部完成才进下一层
6. 全部完成 → 收束并给产出清单；连线成环 → 判定卡住并提示

画布上给节点配的模型 / 推理档 / 技能 / 工具会写进派发指令（spawn_teammate 没法指定模型，所以是「按这套配置干活」的提示，不是强制）；type: mcp 的节点在命令模式暂不执行，指令末尾会明确列出「本次不执行：…」，不会静默吞掉。

每一步都会注入一行进行态（已完成 / 已派发待回报 / 待派发）。模型想收工但还没派发时，turn-stopping 会在同一回合先催一次（同一个 turn 不重复刷），超过 120s 再补提醒。

同一张画布已有进行中的工作流时，再输入 /命令 文本 会被拒绝（提示先 off 或等结束），不会静默覆盖。
工作流状态会落到 <数据目录>/runs/<会话>.json：DSH 重启后能接着跑（恢复时会换新的 teammate 名重新派发，因为旧 teammate 已经不在）。/命令 off 除了退出，还会中断已经派出去的 teammate（需要装 Agent Teams；服务不在时只退出不中断）。

teammate 名撞车（概率极低）会自动换名重试一次，并提示模型用新名字重新 spawn。

指令有预算：规则永远先占位，用户输入/节点详情按剩余额度截断并提示「已截断」。没有任务（或只有空白）的占位节点自动跳过；整张画布没有可执行节点时直接判结束，不会留一个永远不动的 run。

前提：Agent Teams（spawn_teammate 等工具）要在 profile 里；没装时命令仍可用，只是派发那一层会停在对话里，由你手动推进。

6. 想跑多层 / 多节点：先调 teammate 名额

画布上每个节点都会建一个 teammate，所以节点多、层数深的画布会很快撞上限。默认上限不是代码里的 16，而是被 profile bundle 压到 8：

| 层 | 值 | 位置 |
| 主包默认 | DEFAULT_MAX_MEMBERS = 16 | @deepseek-ai/dsh-experimental-agent-team/lib/index.js |
| bundle 覆写 | maxMembers: 8 | @deepseek-ai/dsh-experimental-agent-team-profile/cordis.patch.yml |
| desktop profile | bundles 里挂了这个 bundle | ~/.dsh/profiles/desktop/package.json |

要开大，在自己的 profile cordis.patch.yml 末尾追加同 id 覆写（<profile> 换成你的，桌面版是 desktop）：

- id: agent-team
config:
maxMembers: 32
maxTasks: 256
maxMessageBytes: 65536
disposalTimeoutMs: 5000

三个坑：

1. config 是整体替换、不深合并（dsh-app-boot 原文 "config is replaced wholesale, not deep-merged"）。只写 maxMembers 会把其余键打回 schema 默认，所以四个键必须写全（后三个与 bundle 原值一致）。
2. 必须重启 DSH：TeamService 在构造时读 config，热改不生效。
3. 注意内存：每个 teammate 都是独立 agent（自己的会话与上下文），十几个同时活着时内存和 token 都明显上涨；32 已接近 24 GB 机器的实际承受力。另外名额用完不回收——Agent Teams 的成员名永不复用，所以一次 App 会话里能建的 teammate 总数是有上限的，宽画布建议拆小或分层跑。

画布删掉时对应命令文件会被一起清掉（不再注册也不会留死文件）；配置 commands: false 可关掉注册（只生成不挂命令）。历史遗留的预设不再生成，插件设置页只留「旧预设清理」用于删除 profile 里的旧行。

深色模式

深色

主题跟随 DSH：内联（native）模式下画布直接读宿主主题（body[data-ds-dark-theme] / html.dark / 系统偏好），切换时实时推送；iframe 回滚模式仍把主题拼进地址，画布启动时按它初始化。手动切换只在本次会话内生效，DSH 重开时重新读配置。

架构

DSH 桌面 ├── 插件（index.js） │ ├── 工具：agentflow_list / agentflow_run │ ├── 客户端：侧边栏入口、设置页分区、主视图画布 │ │ ├── src/canvas 画布源码（构建时编进客户端 bundle） │ │ └── src/host 宿主桥：API 基地址 / 主题 / 样式注入 │ └── 子进程：node runtime/server.mjs → 127.0.0.1:8791（只提供 API） │ ├── engine.mjs 纯 DAG 执行器 │ ├── llm.mjs 调模型（只走 bridge） │ └── web/dist 独立画布页面（iframe 回滚模式用） └── llm bridge（lib/bridge.js） └── 把 ctx.llm 暴露给引擎，模型调用始终在 DSH 进程内

runtime/ 是打包时从引擎仓库同步过来的副本（npm run sync），所以插件自带完整引擎，装完即用。画布源码（src/canvas/）由同一次同步带来、构建时一起编进客户端 bundle：默认 native 模式下画布直接长在 DSH 主视图里，8791 只负责 API；配成 iframe 则回滚到嵌入 web/dist 独立页面的旧行为。

配置

| 项 | 默认 | 说明 |
| 数据目录 | ~/.dsh/agent-flow-data | 首次启动会自动从 ~/.dsh/agent-flow/data 迁移 |
| 后端端口 | 8791 | 可用 agentflowPort 插件配置改 |
| 旧预设 profile | desktop | 读/删历史预设（/api/presets）用；可用环境变量 AGENTFLOW_PROFILE 指定别的 profile |
| commands | true | 是否把 <数据目录>/commands/*.json 注册成对话命令；关闭则只生成不注册 |
| agentflowRenderMode | native | 画布渲染方式：native 把画布编进客户端 bundle 直接渲染；iframe 回滚到嵌入独立画布页面 |
| agentflowUrl | http://127.0.0.1:8791 | native 下作为 API 基地址；iframe 下作为画布页面地址 |
| observe | true | 观察器：只记每一步的消息形状与每次工具调用，不拦不改 |
| observeDir | <数据目录>/observe | 观察日志落盘目录 |

观察器

打开 observe 后，插件会挂到 agent/pre-step、tools/post-execute、agent/turn-stopping 三个钩子上，把每个智能体的一次对话记成 <observeDir>/<session>.jsonl，一行一个事件（工具耗时取自 tools/execute 的真实执行时间）：

| t | 字段 | 说明 |
| step | turn step msgs[] decision{} | 这一步进了哪些消息（只记 source.kind / form / 字符数，不存正文）、最终决策是 enter 还是 reject |
| tool | turn step name args ms isError text | 每一次工具调用；被 pre-execute deny 的也会出现，isError 为真 |
| stop | turn | 模型认为自己干完了（turn-stopping）的地方 |

用途：做「强制工作流」之前，先看清模型实际怎么调工具、在哪收工、被拒之后怎么反应。
纪律：写盘 fire-and-forget，任何异常只 warn——观察器坏了不能连累对话。

限制

- 只在 macOS 上验证过，Windows 的路径与命令未测
- teammate 名额默认 8（bundle 覆写），宽画布先按 §6 调大；名额用完不回收，重启 DSH 才重置
- 运行态是全局的：跑图时切换画布，事件会被丢弃；「停止」不分画布
- 验证跑图会真实调用模型，注意 token 消耗
- 命令只注册已存在的画布：画布删了，对应命令下次扫描时自动消失
- 宿主客户端运行时是 React 18；画布源码来自 React 19，但只使用两者共有的 API（不用 19-only API）
- 画布样式靠 .af-canvas 作用域隔离（Tailwind 的 :root 变量收进容器内），不污染宿主页面
- npm run sync 会清空重建 src/canvas/：为内联渲染做的适配改动会被引擎源码覆盖，改完需要重做

开发

npm run build # 构建客户端 bundle（lib/client.js，含画布）
npm run sync # 从 ~/.dsh/agent-flow 同步引擎到 runtime/，并把画布源码同步到 src/canvas/
npm run check # 语法检查 + tsc --noEmit
npm test # 插件自测（479 项：bridge 91 + client 86 + observe 28 + commands 150 + flow 124）
npm run observe # 把观察日志读成时间线（默认 ~/.dsh/agent-flow-data/observe）

引擎侧测试在 ~/.dsh/agent-flow/test（72 项）。

发布

发布由 GitHub Release 触发，不在本地手动 npm publish：

1. 升 package.json（和 package-lock.json）的版本号
2. 打 tag 并创建 Release：gh release create v0.3.0 --title "v0.3.0" --notes-file notes.md
3. Release 发布后 .github/workflows/publish.yml 自动执行： npm ci → 语法检查 → 构建客户端 → 自测（含客户端 bundle 自测）→ 校验提交的 lib/client.js 与源码构建一致 → 校验 tag 与 package.json 版本一致 → npm publish --provenance

需要仓库 secret NPM_TOKEN：npm granular token，权限选 Read and write (publish and stage)，并勾选 Bypass two-factor authentication。

License

MIT