NLeRWantFly/dsh-HoldThatBigBlueFatFish

dsh-HoldThatBigBlueFatFish

v0.3：Project2 从 92.5 提升到 99 分

正式版 v0.3.0 使用 OpenCode Go 套餐的 deepseek-v4-pro、reasoningEffort: max，在冻结的 Modeltest Project2 v4.1b 上得到 Ability 99、Ship 99、Release A，无 blocker，并完成真实 ESP-IDF 构建。评测使用的 RC5 与正式版 contract-anchor.mjs 逐字节一致，因此按原样晋升，不通过评测后改 prompt 来“补分”。

原始 runner 曾把同一候选记为 93/72/B；复核证明原因是 Windows 深层 evaluator build root 触发 WinError 3。候选代码未变，也没有追加模型请求或 Token；换用短的隔离构建根后，官方 evaluator 得到 99/99/A。runner 已同步修正，避免把评测基础设施故障误判为模型失败。

| 指标 | v0.3 完整样本 |
|---|---:|
| Ability / Ship | 99 / 99 |
| Release | A |
| Provider requests / tool calls | 237 / 270 |
| Output tokens | 126,279 |
| Prefix cache hit rate | 99.5305% |
| ESP-IDF | real pass；stdpro.bin 984,800 bytes |

92.5 → 99 是怎么来的

这里的 92.5 和 99 都是百分制 Project2 分数，不是“成功率”。它们使用相同冻结题面和评分器，但 provider 不同：92.5 基线来自 DeepSeek 官方 API，后续 96–99 来自 OpenCode Go 套餐。因此这是一条有证据的工程版本演进，不是严格的同 provider 随机对照，也不宣称统计显著。

| 阶段 | Provider / effort | Ability / Ship | Release | 关键变化与结论 |
|---|---|---:|---|---|
| Router Standard 基线 | DeepSeek 官方 API / max | 92.5 / 92.5 | B+ | 6,273 字符 system；遗留 M-fidelity、E-contract、E-build blocker |
| v0.2 Minimal Anchored | OpenCode Go / max | 96、97 | B+ | 46 字符 Minimal；首轮 shell + read，随后恢复 Standard；Docker 提供真实 ESP-IDF 构建 |
| v0.3 rc1 | OpenCode Go / max | 98 / 98 | B+ | 在晋级后加入短工程契约，约束安全、迁移、API/协议和发布不变量 |
| v0.3 rc2 | OpenCode Go / max | 95 / 95 | B+ | 回归样本：依赖失败后擅自替换官方 MQTT，证明“能构建”不能凌驾于集成保真 |
| v0.3 rc3 | OpenCode Go / max | 97 / 97 | B+ | 明确工具链失败不应替换正式集成，恢复官方 MQTT；仍丢 topic/readiness 与语义项 |
| v0.3 rc5 → 正式版 | OpenCode Go / max | 99 / 99 | A | 保留 exact-name wrapper 和协议字面量；迁移先 backfill 再建索引；先完成必需报告；真实构建通过 |

净提升来自五个可迁移的控制点：

1. 把 6,273 字符的路由/人格入口压成固定 46 字符 Minimal，降低 Pro 的首步注意力稀释。
2. 首请求仅显示原生 shell 与 read，首次持久化 tool/call 后才恢复完整 Standard 工具，避免一开始被大工具目录牵引，又不牺牲后续工程能力。
3. 晋级后只增加 491 字符固定契约，要求保留旧标识符、协议字面量和正式依赖；这直接修复了 rc2 的 MQTT 替换回归。
4. 把迁移顺序固定为“保留旧数据 → backfill → 建索引”，同时让必需 PR/构建报告先于可选文档，减少完整度失分。
5. 将 ESP-IDF evaluator 放到短、隔离的构建根。原始 93/72/B 是 Windows WinError 3 基础设施误判；同一候选零模型调用重评后为 99/99/A，这一步修正的是测量，不冒充模型提升。

缓存已经不是瓶颈；99 分样本仍用了 237 次请求和 270 次工具调用。Prompt 提高了正确性，却不能独自成为可靠的 stop controller。下一步应单独消融“按源码 hash 记录测试、probe、真实构建和 PR 完成证据”的轻量 stop gate，避免污染本次 99 分变量。

- 完整 99 分报告
- 机器可读结果
- v0.3 插件源码、测试与安装器

让 DeepSeek Harness 的蓝色大肥鱼一次只咬下一口，验证够了就停。

#dsh-plugin · v0.3.0 · DeepSeek Harness community preset · MIT

本工作区汇总了 DeepSeek V4 Pro 的上下文、工具披露、缓存和停止行为实验。v0.3 提供一个新的 Pro 高性能默认项，并保留 v0.2 的基线与防御项：

dsv4-pro-contract-anchor   v0.3 Pro 默认项：Minimal → shell/read → Standard + 固定工程契约
dsv4-pro-anchored-96       v0.2 实验基线：Minimal → 首次 shell/read → 完整 Standard
dsv4-progressive-guarded   防御项：固定核心工具 + mutation/diagnostic/stop budgets
这是社区实验，不是 DeepSeek 官方 preset，也不代表 DeepSeek 的认可或背书。当前 composition 基于当前机器安装的 DeepSeek Harness @deepseek-ai/dsh@0.1.0-rc.6 的 Standard preset 生成；Harness 升级后应重新运行验证。

v0.2：改了什么，为什么

v0.1 的 Progressive Guard 能约束实际工具风险，却暴露了四个结构问题：Bootstrap 在空项目里容易误判证据；Guard 无法回收已经生成的巨型工具参数 Token；晋级后缺少实现粒度；重复命令检测不等于成功后的停止。继续堆 Guard 会增加拒绝循环，却不一定改善 Pro 的推理入口。

v0.2 因此把“高性能默认项”和“强 containment 防御项”拆开，并用完整 Project2 结果验证，而不是只看短探针：

| 控制面 | v0.1 / 中间方案 | v0.2 Pro 默认项 | 改动依据 |
|---|---|---|---|
| System/context | Standard 或 311 字符定制 persona；可能附带 runtime 信息 | 固定 46 字符 Minimal，complete: true，关闭 runtime context | Pro 对长 system 和额外运行时信息敏感；带真实构建样本达到 96、97 |
| 首次工具目录 | 固定 6 个核心工具，或依靠命令形式判断晋级 | 只投影原生 shell + read | 收窄初始注意力入口，同时允许空项目用 shell 建立最小证据 |
| 晋级条件 | 可能依赖“命令看起来成功”或易失状态 | 仅依据持久化 tool/call；下一请求恢复完整 Standard 目录 | 不把乱码、环境变量或 tool/result 误当有效项目证据；session reload 后结果一致 |
| 后续能力 | Guard 持续裁剪/拒绝 | 完整 Standard 工具恢复，system 仍保持 Minimal | Project2 需要编辑、搜索、测试和构建；过度裁剪会把风险从探索转成能力焦虑或绕行 |
| 构建环境 | Windows 没有原生 EIM 时误记 E-build | 官方 espressif/idf:v6.0.1 Docker activation | 同一候选可真实编译；必须把宿主缺工具与模型代码失败分开 |
| 缓存 | 担心动态 schema 降低命中 | 全程 1 个 system hash、仅 2 个稳定 schema 状态 | 两次正式样本缓存命中率 99.4507% / 99.3384%，缓存不是当前瓶颈 |
| Guard | 作为所有 Pro 任务默认入口 | 高性能默认项不启用；强约束需求仍选择 Progressive | Guard 只能拦执行，拦不住调用参数生成；它也可能阻止必要的编译失败修复 |

这不是“删除约束”，而是把约束前移到模型请求组装：先稳定注意力入口，再恢复完整工程能力。运行时硬预算仍保留在 dsv4-progressive-guarded，供不可信仓库、严格成本上限或高风险自动执行场景选择。

v0.2 完整评测

模型为 OpenCode Go 套餐的 deepseek-v4-pro，reasoningEffort: max；题面和评分器冻结在 Modeltest Project2 v4.1b。它们不是 DeepSeek 官方 API 样本。

| Run | Ability | Ship | Release | 请求 | 工具调用 | 输出 Token | 缓存命中率 | ESP-IDF |
|---|---:|---:|---|---:|---:|---:|---:|---|
| 04-05-25-418 | 96 | 96 | B+ | 184 | 220 | 101,252 | 99.4507% | real pass |
| 04-54-08-394 | 97 | 97 | B+ | 148 | 231 | 126,369 | 99.3384% | real pass |

97 分样本严格突破 96，并由官方 evaluator 归档 985,344 字节的 stdpro.bin；构建产物 SHA-256 为 5551687f35305c3b8a0eca65702d3675e17137db35478d26429d6771d0782f75。两次样本不足以宣称统计意义上的“稳定 97 下限”，但已证明该约束能完成真实构建并达到 97。

仍未解决的问题也必须明确：97 分样本首响应发出 4 个调用、广度 3；真实构建成功后仍消耗约 9.5k 输出 Token。v0.2 解决了初始注意力和构建证据，不声称已经解决 Pro 的全程扇出与停止判断。下一消融应只增加“首步执行预算”和“成功证据后的短 stop hint”，不能把隐藏测试答案写进 prompt。

- v0.2 Pro 插件、安装器与测试
- 完整 97 分报告
- 精简机器可读证据

三者区别

仓库现在包含三个可组合、但安装层级不同的组件。它们不是三个互相替代的版本：

| 组件 | 安装层级 | 解决的问题 | 不负责什么 | 是否可单独使用 |
|---|---|---|---|---|
| dsh-HoldThatBigBlueFatFish 主 preset | /.agent-presets/ | 调整 DeepSeek V4 Pro 的 system、首轮工具披露与工程契约 | 不提供视觉模型；不改变 Windows shell 执行器 | 是 |
| dsh-multimodel | 某个 preset 的 plugins/ | 出现图片时按需暴露 perceive_media，调用 Codex/Claude 视觉后端，并拦截不兼容的 image_url | 不把 pwsh 变成 Bash；不替换 DSH 主模型 | 是，可接入其他 DSH preset |
| dsh-pwsh2wslbash | /profiles/web 或 headless | 在 Windows DSH 中关闭 pwsh 工具，让 bash 命令进入 WSL 原生 Linux | 不处理图片；不改变模型 prompt/preset；不会把整个 DSH 进程搬进 Linux | 是，Windows + WSL 专用 |

按需求选择：

| 目标 | 安装组合 |
|---|---|
| 只使用 99 分 Pro 行为 | 主 preset |
| Pro + 图片理解 | 主 preset + dsh-multimodel |
| Pro + WSL Bash | dsh-pwsh2wslbash + 主 preset |
| Pro + 图片理解 + WSL Bash | 三者全部安装 |

三者全部安装时，推荐顺序是：先把 dsh-pwsh2wslbash 加入宿主 profile，再复制主
preset，最后把 dsh-multimodel 放入该 preset 并替换工具投影行。完成所有文件修改后
只重启一次 DSH，并新建 session；不要在已有轨迹中途切换 preset。

安装步骤

1. 安装主 preset

克隆仓库后，将 v0.3 Pro 默认 preset 目录完整复制到 DSH 用户 preset 根目录。PowerShell：

if (-not $env:DSH_HOME) { throw '请先设置 DSH_HOME' }
$source = '.\.dsh-data\.agent-presets\dsv4-pro-contract-anchor'
$target = Join-Path $env:DSH_HOME '.agent-presets\dsv4-pro-contract-anchor'
if (Test-Path -LiteralPath $target) { throw "目标已存在：$target" }
New-Item -ItemType Directory -Force -Path (Split-Path -Parent $target) | Out-Null
Copy-Item -Recurse -LiteralPath $source -Destination $target

Linux/macOS：

test -n "$DSH_HOME"
test ! -e "$DSH_HOME/.agent-presets/dsv4-pro-contract-anchor"
mkdir -p "$DSH_HOME/.agent-presets"
cp -R .dsh-data/.agent-presets/dsv4-pro-contract-anchor \
"$DSH_HOME/.agent-presets/dsv4-pro-contract-anchor"

需要持续硬预算时，改装同仓库的 dsv4-progressive-guarded，不要同时把两个 preset
目录合并成一个目录。

2. 可选：加入图片理解

dsh-multimodel 是 preset 内插件，不是 DSH profile bundle。PowerShell：

if (-not $env:DSH_HOME) { throw '请先设置 DSH_HOME' }
$preset = Join-Path $env:DSH_HOME '.agent-presets\dsv4-pro-contract-anchor'
$source = Resolve-Path '.\dsh-multimodel'
$target = Join-Path $preset 'plugins\dsh-multimodel'
if (-not (Test-Path -LiteralPath $preset)) { throw "请先安装主 preset：$preset" }
if (Test-Path -LiteralPath $target) { throw "目标已存在：$target" }
New-Item -ItemType Directory -Force -Path (Split-Path -Parent $target) | Out-Null
Copy-Item -Recurse -LiteralPath $source -Destination $target

然后在该 preset 的 agent.cordis.yml 中删除原来的
dsv4-pro-contract-anchor-tools 服务行，按
agent.cordis.snippet.yml
加入 dsh-multimodel 行。两者都负责首轮工具投影，不能同时加载。必须保留 v0.3
原有的 minimalSystem 与 contractSystem；完整值来自
contract-anchor.mjs。

视觉后端还需要至少一个可执行的原生 CLI：Codex 或 Claude。Windows 下如果 Node
启动 Microsoft Store 的 codex.exe 返回 spawn EPERM，请把 codex.command
显式设置为 npm Codex 包内的原生 .exe；详见
dsh-multimodel/README.md。

3. 可选：把 pwsh 工具切换为 WSL Bash

dsh-pwsh2wslbash 是 宿主 profile bundle，不要复制进 preset 的 plugins/。
先确认 WSL 发行版可用：

wsl.exe --list --quiet
wsl.exe -d Ubuntu-20.04 --exec /bin/bash -lc 'uname -s; printf "%s\n" "$BASH_VERSION"'

在实际使用的 profile 中安装：桌面/Web 使用
$env:DSH_HOME\profiles\web\package.json，命令行 headless 使用
$env:DSH_HOME\profiles\headless\package.json；两种入口都使用就修改两个文件。
为对应 package.json 增加：

{json
"dependencies": {
"dsh-pwsh2wslbash": "file:C:/absolute/path/dsh-pwsh2wslbash"
},
"dsh": {
"profile": {
"bundles": [
"@deepseek-ai/dsh-base",
"@deepseek-ai/dsh-web-app",
"dsh-pwsh2wslbash"
]
}
}
}

这是 Web profile 示例。Headless 应保留 @deepseek-ai/dsh-base 和
@deepseek-ai/dsh-headless，再追加 dsh-pwsh2wslbash。不要覆盖其他原有
bundles。随后在每个修改过的 profile 目录执行 pnpm install。完整示例见
dsh-pwsh2wslbash/README.md。

4. 重启与验证

所有组件安装完成后完整重启 DeepSeek Harness，新建空白 session，选择
DeepSeek V4 Pro Contract Anchor v0.3.0。
text
主 preset：首请求只有当前原生 shell + read，首次持久化 tool/call 后恢复完整工具。
视觉插件：上传图片后可见 perceive_media，纯文本请求不增加视觉工具。
WSL 插件：bash 输出 Linux，node -p process.platform 输出 linux，且不再出现 pwsh 工具。

验证发布包：
powershell
npm.cmd test
npm.cmd test --prefix .\dsh-multimodel
npm.cmd test --prefix .\dsh-pwsh2wslbash

总结

短探针里，工具 schema 与 Guard 更直接控制“实际做什么”；完整任务里，Pro 的能力上限更依赖极短固定 system、稳定的首次工具锚点、及时恢复完整能力，以及少量明确的工程不变量。v0.3 已达到 99 分，但后续停止仍需独立控制。

- Persona/context：Standard 换成 46 字符 Minimal 后，首步 reasoning 从 81 增至 166，动作广度仍为 2。
- 首轮 schema：Minimal Fixed/Anchored 在短探针把广度降至 1，但 reasoning 增至 294/227；通用 shell 仍能绕回递归盘点。
- 显式 prompt：动作更合规，但模型会在 reasoning 中复述规则，V2/V3 为 248/370 字符。
- 能力过窄：只开放 read 导致 1778 字符的能力焦虑；告知后续会开放工具后降至 442。
- 上下文预取：V6 reasoning 降至 328，但工具调用增至 3、广度回到 2。
- 长任务：Minimal 两组 Ability 为 91.0，对比 Standard 90.5；但 Ship 从 90.5 降到 72，未证明总体质量提升。
- 灰度/正式轨迹：灰度版更接近模块化产品循环；正式 DSH 版在第一次检查通过后仍继续 16 个 assistant step 和 18 次调用，说明路由或首步收窄不能独自控制整轮进度。
- Pro/Flash 分流：Flash 继续适合弱 persona + 渐进披露；Pro 使用显式选择的 Minimal Anchored preset，只发生一次由持久化事件决定的 schema 恢复。实际缓存命中高于 99.3%，没有出现此前担心的 cache 崩塌。
- v0.2 完整复验：Minimal Anchored 两个带真实构建样本为 96、97；缓存命中均高于 99.3%，因此当前瓶颈是后续扇出/停止，而不是 prefix cache。
- v0.3 完整复验：Contract Anchor 达到 99/99/A、零 blocker、真实 ESP-IDF 构建；缓存命中 99.5305%，但 237 次请求仍说明停止控制尚未完成。

完成数据均来自 Windows native；Linux Docker 没有形成完整可评分 run，因此不作跨 OS 结论。

v0.2 防御轨道：bash-debug 工程修订

真实长任务轨迹进一步暴露了“空项目 bootstrap 误晋级、巨型单步生成、缺少纵向切片、通过测试后不收敛、PowerShell 契约过重”五个问题。bash-debug 分支已逐点修正；历史 14 条模型评分不重写，新验证使用本地假 API，不消耗官方 Token。

| 控制点 | 旧版 | bash-debug |
|---|---|---|
| 空项目 | 根目录浅层查看也拒绝，可能读取 Harness 内部并误晋级 | Pro 首请求就有固定核心工具；另允许 Windows/Linux 最多 50 项的浅层探针，并拒绝内部/压缩数据 |
| 模型策略 | Pro/Flash 共用同一种渐进式入口 | Pro 显式固定策略；Flash 留给 Router 的弱 persona + 渐进披露，避免首请求生命周期误判 |
| 生成前控制 | 无 | 311 字符 complete system、maxTokens /.agent-presets/dsv4-pro-anchored-96
/.agent-presets/dsv4-progressive-guarded

Anchored 的三文件发布目录与 97 分版本哈希一致：composition d6957d9c…、插件 ea9526f…。其单元测试、真实 DSH fake-API 冒烟、正式 Project2 和离线 replay 均通过。Progressive 的六个安装文件也逐字节哈希一致；Windows fake-API smoke 证明固定 6 工具 schema、portable bash 的 ACL 代理、12,001 字符写入拒绝与第三次重复检查停止均生效。验证产物：

- 插件源码
- Windows portable bash
- 安装说明
- 结构校验
- 端到端冒烟结果
- 2026-08-16 收敛跟进报告