长任务拆分器 Passenger-Qin/dsh-task-splitter

dsh-task-splitter

DSH 宿主插件：发现长任务，在它失败之前先拆分——为小上下文本地模型打造。

中文说明见下方

小体积本地模型（llama.cpp / Ollama，比如 Qwen3 27B 跑 IQ2、maxTokens: 8192）遇到长任务会以两种完全不同的方式失败。本插件在宿主侧把两种情况都识别出来，交给模型一套可执行的流程，而不是指望模型自己判断极限。

| | A 线——长输出 | B 线——长工作流 |
| 例子 | 「写一篇 3000 字行业报告，4 个章节」 | 「帮我挑一只明天会涨的股票」 |
| 提示词形态 | 通常写得很明确 | 往往很短（「帮我挑一个……」） |
| 真正的瓶颈 | 单次请求的输出预算（maxTokens） | 步数与上下文：工具输出淹没窗口，小模型跑偏，中间结果丢失 |
| 本插件做什么 | 搭出 tasks/<slug>/parts/NN-.md + MANIFEST.json；每次回复产出一部分，最后 assemble | 搭出 tasks/<slug>/PLAN.md + notes/；先规划，每次回复走一步，结果落盘 |

它怎么判断

打分在宿主里跑（不需要模型配合）：

- A 线信号——明确的字数/字符数、明确的部分数、编号章节列表（拿来当部分标题）、长文档关键词 + 写作动词、超长提示词、多交付物措辞。
- B 线信号——决策/研究类动词（pick / recommend / evaluate / compare / analyse / predict / research / screen）加上依赖数据的领域名词（股票、基金、房产、航班、保险、论文、竞品、笔记本……），或者明确的多步措辞，或者「需要当前外部数据」。
- 单次查询类请求（「明天天气怎么样」）会被刻意压到阈值以下。

例子：

| 提示词 | 结果 |
| what's the weather | 不拆分 |
| look up tomorrow's weather for me | 不拆分（单次查询） |
| recommend me a movie | 不拆分（得分 2 < 3） |
| pick me a stock likely to rise tomorrow | B 线 → PLAN.md + notes/，「先规划，每次回复走一步」 |
| compare these three laptops and pick one | B 线 |
| write a 3000-word industry report, 4 parts | A 线 → 4 部分骨架 |
| 带 1./2./3. 章节列表的提示词 | A 线（部分标题取自该列表） |

流程通过 agent/pre-step 注入，前置到同一个请求里（不额外多一轮往返），且只对从人类消息开始的步骤生效。

安装

dsh plugin --profile <your-profile> add dsh-task-splitter

装完重启 DSH。要从源码构建：先 npm pack，再 dsh plugin --profile <your-profile> add file:./dsh-task-splitter-0.1.0.tgz。

需要 DSH 宿主暴露 agent/pre-step、ctx.agents 和 ctx.sessions
（@deepseek-ai/dsh-agent / dsh-session ^0.1.1-rc.2 || ^0.2.0-rc.1）。

配置

in your profile cordis patch (or a home patch)
- id: task-splitter
config:
enabled: true
providers: [qwen-local] # empty array = every provider
lanes: [parts, plan] # drop one to disable that lane
minScore: 3 # Lane A threshold
workflowScore: 3 # Lane B threshold (raise to 4 to be more conservative)
maxParts: 8 # Lane A: at most this many parts
wordsPerPart: 900 # Lane A: target chars per part
tasksDir: tasks # relative to the session working directory
toolPath: '' # CLI used in the injected rules; defaults to the bundled one

内置命令行

dsh-task-parts（也以 dsh-task-splitter/task-parts 导出）在模型之外驱动车道 A：

node bin/task-parts.mjs init <taskDir> --title "T" --parts "one|two|three"
node bin/task-parts.mjs status <taskDir> # ✅/⬜ per part, exits 2 while incomplete
node bin/task-parts.mjs next <taskDir> # the next part to write
node bin/task-parts.mjs assemble <taskDir> # concatenates into final.md

局限（请务必阅读）

- 车道 B 保证的是过程与诚实性（计划、证据落盘、来源、不确定性、「禁止编造数据」）， 不保证答案正确。本地模型没有行情/财务数据源，就没法诚实预测明天的股价走势 ——这套规程的作用是让它如实说出来，而不是编造数字。
- 检测是启发式的。workflowScore / minScore 是调节旋钮；插件从不阻塞任何一轮 ——最坏情况也只是多注入一条很短的指令消息。
- 已在 Windows 上的 DSH 0.2.0-rc.2 宿主 + llama.cpp 服务的 Qwen3 上测试；27 个离线模拟用例随 test-sim.mjs 一起提供（不包含在 npm tarball 里）。

许可

MIT

中文说明

DSH 宿主插件：在长任务失败之前识别它并拆开 —— 为小上下文本地模型而做。

本地小模型（llama.cpp / Ollama，例如 maxTokens: 8192 的 Qwen3-27B IQ2）会在两类完全不同的长任务上翻车，本插件在宿主侧把两类都识别出来，并交给模型一套可执行的规程，而不是指望模型自己判断极限。

| | 车道 A：产出型 | 车道 B：流程型 |
| 例子 | "写一篇 3000 字的行业报告，分 4 部分" | "帮我选一只明天大概率会涨的股票" |
| 提示词 | 通常明确 | 可能极短 |
| 真正瓶颈 | 单次输出预算（maxTokens） | 步骤数与上下文：工具结果塞满窗口、小模型多步跑偏、中间结果丢失 |
| 插件动作 | 建 tasks/<slug>/parts/NN-.md + MANIFEST.json；每轮只写一段，最后 assemble | 建 tasks/<slug>/PLAN.md + notes/；先立计划、每轮一步、结果落盘 |

判定在宿主侧打分（不依赖模型自觉）：车道 A 看字数/分段/分节列表/长文关键词/超长提示词；车道 B 看决策研究类动词 + 依赖数据的领域名词、显式多步措辞、是否需要实时外部信息；单次查询类（"帮我查一下天气"）会被压到阈值以下。

规程通过 agent/pre-step 前置到同一次请求里（不额外耗一轮），且只处理以人类消息开始的那一步。

安装：

dsh plugin --profile <你的profile> add dsh-task-splitter

装完重启 DSH。配置项同上（lanes / minScore / workflowScore / maxParts / wordsPerPart / tasksDir / toolPath）。

局限：车道 B 保证的是过程与诚实性（计划、证据落盘、来源、不确定性、禁止编造数据），不保证答案正确；本地没有行情/财务数据源时，它就该说"给不出可靠结论"，而不是编数字。检测是启发式的， workflowScore / minScore 可调；最坏情况只是多注入一条很短的指令，不会阻塞任何一轮。

MIT 许可。