CZ-ZL/duo

DUO

English · 简体中文

快速开始 · Agent Guide · 文档目录

Product verification

DUO 是一个 DSH 插件：让 Agent 尝试修改，按提供的测试比较原版和候选，
最后交付结果、选择依据和费用。

调用方提供受支持的修改对象、评估器、必要的模型接入和预算。DUO 负责反复生成、
执行、比较和记录。原版保留，是否采用候选由用户决定。

可以交给它什么任务

比如，一个根据部署手册回答问题的 Agent，需要给出文档中的正确命令，
附上来源，文档没有答案时就明确说没有。

文档问答 starter
提供可编辑的提示词、手册、四道题、评估器和 provider 配置。调用方只需填写 DSH
路径、受支持的模型配置、工作目录和授权预算。DUO 先测原版，让模型提出一次
提示词修改，再执行候选、检查答案。

交付物包括候选 Delta、逐题检查、选择依据、实际用量和报告。没有改善也是
有效结果。这个 starter 使用 basic 模式，只有开发测量，没有独立 Slow 或
final。独立 Caller 已仅凭公开指南与用户配置跑通这条路径，步骤保留在
验收记录。

一份实际结果

下面来自 0.6.3 的真实 starter 运行。原版已经答对四道题。模型生成的新提示词
要求逐字提取来源、禁止使用外部知识，并在文档缺少答案时明确拒答。DUO 执行并
测量了这个候选；它没有比原版更好，所以最终保留原版。

| 报告内容 | 实际记录 |
|---|---|
| 候选 | dl-0001，从原版生成，保存在独立的提示词 overlay 中 |
| 改了什么 | 要求精确提取来源、不使用外部知识，缺少答案时返回 NOT_IN_RUNBOOK |
| 开发测量 | 原版 4/4；候选 4/4，使用 starter-runbook-fast 评估器 v2 |
| 选择依据 | 两者平分，保留原版；Target 文件未变 |
| 本次内层模型费用 | 3 次请求，¥0.00735072；本地评分未增加模型请求 |
| 独立确认 | 没有：本次 basic 运行未配置 Slow 或 final |

实际候选、逐题检查、用量与来源哈希
从运行产物中提取。评估器检查事实与引用；正确命令外的一层行内代码反引号不算
事实错误。上面的费用不包含 Calling Agent 自身推理和本地计算。

这次没有测到提升，但交付了一个实际测过的候选，以及保留原版的具体依据。
历史配置实验与
研究结果、失败和限制仍单独保留。

从这里开始

打开 Quickstart，选择一条路径：

| 路径 | 做什么 |
|---|---|
| 免费安装检查 | 安装包、检查能力、查看计划、运行本地文本检查并保存报告。不调用模型，验证产品流程。 |
| 真实任务 starter | 接入已授权的模型，运行上述文档问答任务。正常最多 3 次内层模型请求，关闭重试；已由独立 Caller 按公开指南运行。 |

当前为开发者预览版，需要 Linux、Node24+ 和已有 DSH 安装，
已验证 DSH0.1.2-rc.1 / Cordis4.0.2。安装不会配置模型账号或授予消费权限。
DUO 账本覆盖内层工作，不包含 Calling Agent 的全部请求。

可以怎么用

- 接入现有测试。 提供评估器，或包装已有测试函数，按设定的规则判断结果是否值得保留。
- 试改并比较。 生成候选、执行评估；有额外证据时，再对候选补测。
- 复用历史。 保留失败、决策和费用；后续实验可通过 warm start 使用兼容的开发历史。
- 控制执行边界。 先看计划，再按内层预算运行；费用未知时停止，在支持的已结算检查点恢复。

当前支持 prompt/persona overlay。配置适配器只覆盖一个 fetch 字段，还需
匹配的执行 provider，不是任意配置优化。其他 Target 要提供适配器和兼容组件。
详细范围见当前支持和
安全说明。Provider 是宿主进程中的可信代码，
DUO 不为任意插件提供沙箱。

两条回路如何协作

flowchart TD
P[已检查的计划与预算] --> G
subgraph FAST[Fast Loop：候选搜索]
G[生成 Delta] --> X[执行候选]
X --> F[Fast 证据与比较]
F --> H[允许复用的开发历史]
H --> G
end
F -->|通过准入的候选| Q
subgraph SLOW[Slow Loop：新增证据与决策]
Q[证据缺口与策略] -->|预算内的下一证据来源| E[获取新增证据]
E --> A[聚合观测]
A --> Q
Q -->|搁置、淘汰或晋级| D[记录决策与当前优胜者]
end
D --> B[结构化 Slow 反馈]
B --> G
D -->|搜索结束| R[可选 final 与报告]
Q -->|停止| R

Fast 生成改法、跑测试，再用开发集上的结果指导下一次尝试。Slow 看还有哪些情况没测过，在计划允许的范围内补测，并把反馈交给后续几代。两个回路由同一个 Controller 调度。最终测试的结果不会进入搜索。

多跑一些任务或边界测试，记为 expanded_evidence。要称为 high_fidelity，还需要说明它为什么更接近实际目标；模型更贵本身不算依据。没有新增证据时，仍可用基础优化模式，报告里会说明这个限制。详见架构和证据策略。

接入与扩展

要换优化对象，需要提供 Target 适配器和匹配的执行组件。候选怎么生成、怎么评估和选择、如何使用历史，也有对应的替换接口，见 Provider 指南。模型接入、工具、权限和插件生命周期由 DSH/Cordis 管理。

做下一次实验时，可以通过 warm start 复用兼容的开发历史。最终测试的结果不会混进搜索。在支持的已结算检查点恢复运行，也会沿用原有额度。

Provider 是受信任的进程内代码；恢复仅覆盖支持的已结算检查点。使用前查阅能力边界与安全说明。

开发、证据与来源

- 开发：贡献说明、测试、目录说明。
- 版本与验收：发布索引、变更记录。
- 研究：实验结果。方法研究已暂停，目前先把安装、使用和扩展这几件事做好。产品测试通过，只说明这套流程能按预期运行。

双环思路受 Wang 等人的 Self-Evolving Recommendation System 启发。DUO 是独立的 Agent 组件适配，不继承论文的实验结论。运行基础为 DeepSeek Harness 和 Cordis。代码采用 MIT 许可，详细归属见来源与第三方说明。