提示词编译器 Jav1es/dsh-prompt-compiler

dsh-prompt-compiler

可编程的 prompt 编译层 —— 既服务人（澄清 + 评分 + 教学），也服务其他插件与智能体（ctx.promptCompiler 服务 + prompt_compile 工具），跨 DSH / Claude Code。

它是什么

把用户粗糙的 draft 编译成精确完整的 prompt。三阶段：

1. 诊断分析 —— 识别 draft 缺什么（目标 / 上下文 / 约束 / 验证标准 / 歧义）
2. 交互式澄清 —— 用 ctx.userQuestions.ask() 在插件内提问（不走 agent loop），用户拒绝时输出「自动推断」
3. 结构化合成 —— 强制含验收标准字段，逐字保留路径 / 命令 / 版本号

为什么不是「首创交互式澄清」

yaoshuo530/dsh-prompt-enhancer（5★）已实现完整链路。本项目的落点是 「可编程层」：通过 ctx.promptCompiler 服务让其他插件 / 智能体也能调用编译能力（详见 docs/competitor-audit.md 的弱点清单）。

当前状态

- [x] A 组侦察（竞品审计 / 官方文档对齐 / 服务化先例）
- [x] B 组 P0 最小可验证插件（已装机，实调通过）
- [x] C 组服务化（定位核心，实调通过）
- [x] D 组 UI 完整链路（composer「✨ 编译」按钮 + overlay 诊断 / 澄清 / 预览 / 回填，实调通过）
- [x] E 组三阶段流程（analyze/compile 接 LLM，实调通过；elicit 保留规则）

实调回执（B6 验收）

在 DSH desktop profile 中实调 prompt_compile：

| 项 | 内容 |
| 调用 | prompt_compile 工具 |
| 输入 | { "draft": "帮我写个爬虫" } |
| 输出 | # Compiled Prompt / ## Task / ## Constraints / ## Output Format 结构化模板 |
| 状态 | ✅ 工具被模型识别、调用、返回符合预期 |

截图：B6 prompt_compile

实调回执（C3 服务化验收）—— 「可编程层」定位证据

在 DSH desktop profile 中实调 prompt_compiler_probe（内部调 ctx.promptCompiler.analyze/elicit/compile）：

| 项 | 内容 |
| 调用 | prompt_compiler_probe 工具 |
| 输入 | { "draft": "帮我写个爬虫" } |
| 输出 | 结构化 JSON：analysis（missing/ambiguities/score）+ elicitation（带 why 的问题）+ compile（compiled 模板 + assumptions） |
| 状态 | ✅ 服务被注册（ctx.provide('promptCompiler', instance)）、被工具消费、三段结果可解析 |

截图：C3 prompt_compiler_probe

关键踩坑（已解决）：服务化初版用 require('@deepseek-ai/cordis') 拿 Service 基类 extends，在 link 包下形成与宿主 asar 的 cordis 双实例，导致服务注册失效（runtime 查不到 key）。最终改为纯工厂函数 + 宿主 ctx.provide 注册，彻底消除双实例 —— 这实打实验证了项目红线「lib/ 内零 @deepseek-ai 运行时 import」的必要性。

实调回执（D 组 UI 完整链路验收）

在 DSH desktop profile 重启后实调浏览器 UI：

| 项 | 内容 |
| 入口 | composer 工具栏右侧「✨ 编译」按钮（conversation.input.right，order 200） |
| 交互 | 点按钮 → 读输入框草稿 → /api/analyze（LLM 诊断）→ 缺要素时 /api/elicit 显示澄清卡 → 收集答案调 /api/compile → overlay 预览四段 |
| 回写 | 「采用并回填」走 inputActions.setDraft（仅回填，不 submit）+ 「复制」+「关闭」 |
| 状态 | ✅ 按钮出现、overlay 渲染、回填生效，完整链路闭环 |

截图：D UI 完整链路

关键设计（已实调验证）：
1. client 半零构建：手写 window.__ModuleLoader__.load({id,factory}) + require('react') + React.createElement；package.json.dsh.client.inject 补 4 包（runtime/connection/ui-slots/locale）+ platform:'web'。
2. slots 注册必须 slots.inject(name, () => slots.register({name,id,order}, Component))（裸 register 会 throw）。
3. 读草稿走 props.useInput(s=>s.draft)（inputActions 无 getter）；overlay 无 inputActions，回填经 store 桥接回 input.right 按钮侧。
4. host↔client 走 ctx.webServer.register（原生 Node HTTP，前缀 /__dsh-prompt-compiler，手工读 body 1MB 限长 + 异常 400），闭包持 promptCompiler，零 @deepseek-ai 运行时 import。

实调回执（E 组 LLM 智能接入验收）

在 DSH desktop profile 中实调 prompt_compiler_probe：

| 项 | 内容 |
| 调用 | prompt_compiler_probe 工具 |
| 输入 | { "draft": "帮我写个爬虫" } |
| 输出 | analysis 含 LLM 生成的 reasoning + 更细致的 missing/ambiguities/score（非规则三件套）；compile 含 Task/Constraints/Output Format/Acceptance Criteria 四段的 LLM 合成 |
| 状态 | ✅ analyze/compile 成功调 ctx.llm.stream（标 source:{kind:'plugin'}），LLM 接入链路打通 |

截图：E LLM probe

关键踩坑（已解决）：
1. 插件 exports.inject 漏 'llm' ⇒ apply 时 ctx.llm 为 undefined、服务静默降级规则。补 inject:['tools','systemPrompt','llm'] 后 ctx.llm 可用（host 侧 llm 是 dsh-base 注册的可注入服务）。
2. LLM 返回常带 3. 全程保留规则降级：llm 缺失/抛错/返回非 JSON/缺字段时安全回落规则实现，不抛错。

elicit（澄清问题）按设计保留规则实现（更快更可预测，不接 LLM）。

安装

需要 DeepSeek Harness（DSH）0.2.0-rc.2 及以上。插件用 ctx.llm.stream 做智能诊断/合成，需宿主已配置可用的 LLM provider。

方式一：从 Git 仓库安装（推荐，无需 npm 账号） bash
dsh plugin --profile desktop add git+https://github.com/Jav1es/dsh-prompt-compiler.git

方式二：从 npm 安装 bash
dsh plugin --profile desktop add npm:dsh-prompt-compiler

方式三：本地路径 / link 安装（开发用） bash
dsh plugin --profile desktop add link:/绝对路径/dsh-prompt-compiler

安装后重启 DSH；打开任意会话，composer 工具栏右侧出现「✨ 编译」按钮即生效。
（DSH 的 link: / 本地安装不跑 build，因此 lib/ 必须随包提供——本仓库已将其入库。）

仓库结构

dsh-prompt-compiler/
├── lib/
│ ├── index.js # host 半（Node：工具 / 提示词 / 路由） │ ├── client.js # client 半（浏览器：UI） │ └── sdk.js # 自包含 defineTool（抄 dsh-tiddlywiki，MIT） ├── docs/ # 侦察产物 ├── package.json └── cordis.patch.yml

纪律（来自项目 AGENTS.md）

- lib/ 内零 @deepseek-ai 运行时 import（仅 import type 安全）
- 判"某包是否内置"只能用 asar-read.cjs 实读
- 不引用 SEO 站数字