逐轮还原助手如何理解并完成你的需求
27.4/100
综合分
1
GitHub 星标
—
npm 周下载
—/5
用户评分
数据截至 2026/9/18 · 周下载取自 npm 全网(含 CI / 镜像),非本站安装数;综合分由星标、活跃度与兼容性检查合成。
安装命令 · 需先装 dsh CLI 引擎
dsh plugin --profile web add flyingtimes/dsh-trajectory-reader该包不可直接 npm 安装,改从 GitHub 源安装(明细见下方安装检查)
状态速览
判定依据:实装验证 · 静态安装检查 · 自动扫描 · 仓库维护状态信任档位:已验证
是什么
dsh 原生插件 · chat
安全吗
本站尚未对该插件做风险分级
暂未覆盖,不等同于无风险
还在维护吗
更新放缓:最近一次提交在 80 天前
档位由哪些信号合成
本站实装验证(真实安装 L4 覆盖全站;L5 为运行时冒烟或实机截图,覆盖范围小于 L4) · 验证所用 dsh 版本 · 静态安装检查 · 风险分级 · 仓库维护状态。 下方各区块是它的证据明细。
社区实装还没有人打卡 · 装过的第一个就是你
安全扫描自动 · 静态分析源码v2.7.0🟢 扫描:未发现敏感能力尚无人工评估展开查看扫描说明与证据 ↓
安全扫描自动 · 静态分析源码
v2.7.0静态扫描未发现敏感能力:最多只发网络请求、读取自身元数据或只读文件,未发现执行命令、文件写入或敏感信息读取。
发起外部网络请求
查看扫描证据(共 2 处,展示前 2 条)
- 发起网络请求client.js:580
fetch(SUMMARIZE_URL, { method: "GET" }) - 发起网络请求client.js:646
fetch(SUMMARIZE_URL, {
扫描于 2026/11/3(0 天前) · 范围 入口闭包 + 发布文件清单 · 来源 GitHub 仓库
静态扫描只反映源码中出现的调用,不构成安全背书;人工评估与自动扫描相互独立、互不覆盖。
给这个插件打分还没有人投票↓
用户评分
还没有人投票,来当第一个
功能亮点
- 逐轮解读助手行为
- 规则与模型双模式
- 不改动用户消息
轨迹解读 · Trajectory Reader — DeepSeek Harness(DSH)网页客户端插件:新增「轨迹解读」标签页,按每轮用户消息解读助手做了什么(基于规则 + 可选 LLM 叙述),用户消息保持不变。
README
由 DeepSeek 最新模型翻译生成📖 轨迹解读 · TRAJECTORY READER(DSH Web 客户端插件)
npm
License
GitHub
Awesome DSH
在 DSH Web GUI 的会话视图环(对话 / 轨迹旁)新增一个 「轨迹解读」 标签页:按用户的原始轮次逐轮总结,突出每一轮「用户的需求是什么」与「助手是如何完成需求的」,并支持 ✨ AI 过程解读 —— 由 LLM 生成该轮完整的思考与执行过程叙述。
界面预览
上图为 DSH Web GUI 中打开「轨迹解读」标签页的效果:会话头部出现第三个视图标签(对话 / 轨迹 / 轨迹解读),正文按用户轮次逐轮呈现卡片。每张轮次卡片包含规则引擎提炼的 🎯 用户需求摘要、🛠 助手如何完成(规划/调研/实现/验证/委派 分类动作总结)、⚠ 错误与备注、💬 助手回复摘要;用户原始消息原样保留并可展开,完整工具调用明细折叠收纳。每轮的 ✨ 按钮可请求 LLM 生成该轮的过程叙述(需求 / 思路 / 执行 / 结果)。
展开完整文档(README 剩余 1 节)
📖 轨迹解读 · TRAJECTORY READER(DSH Web 客户端插件)
npm
License
GitHub
Awesome DSH
在 DSH Web GUI 的会话视图环(对话 / 轨迹旁)新增一个 「轨迹解读」 标签页:按用户的原始轮次逐轮总结,突出每一轮「用户的需求是什么」与「助手是如何完成需求的」,并支持 ✨ AI 过程解读 —— 由 LLM 生成该轮完整的思考与执行过程叙述。
界面预览
上图为 DSH Web GUI 中打开「轨迹解读」标签页的效果:会话头部出现第三个视图标签(对话 / 轨迹 / 轨迹解读),正文按用户轮次逐轮呈现卡片。每张轮次卡片包含规则引擎提炼的 🎯 用户需求摘要、🛠 助手如何完成(规划/调研/实现/验证/委派 分类动作总结)、⚠ 错误与备注、💬 助手回复摘要;用户原始消息原样保留并可展开,完整工具调用明细折叠收纳。每轮的 ✨ 按钮可请求 LLM 生成该轮的过程叙述(需求 / 思路 / 执行 / 结果)。
安装(一条命令,自动激活)
方式一:从 npm 安装(推荐)
dsh plugin --profile web add @clarkchan/trajectory-reader
方式二:直接从 GitHub 安装
dsh plugin --profile web add "github:flyingtimes/dsh-trajectory-reader#v0.2.3"
本包声明了 dsh.bundle.patch,dsh plugin add 安装后会自动加入 dsh.profile.bundles 激活,无需手动改 cordis.patch.yml。之后重启 dsh web 即可在会话标签栏看到「对话 / 轨迹 / 轨迹解读」。
相关链接
- npm 包:https://www.npmjs.com/package/@clarkchan/trajectory-reader
- GitHub 仓库:https://github.com/flyingtimes/dsh-trajectory-reader
- 社区收录:https://github.com/0xsline/awesome-deepseek-harness
每一轮的呈现结构
第 N 轮 · 工具 X 次 · 文件 Y 个 · 错误 Z 处 [✨ AI 解读本轮] ├── 🧠 AI 过程解读(可选,LLM 生成) │ ### 用户需求 / ### 助手思路 / ### 执行过程 / ### 结果 ├── 🎯 用户需求 规则引擎提炼的一两句摘要(可展开原文) ├── 🛠 助手如何完成 规划/调研/实现/验证/委派 分类的动作总结 ├── ⚠ 错误 / 备注 失败的工具调用、历史压缩、输出截断、重试 ├── 💬 助手回复(摘要) 回复开头摘要(可展开全文) └── ▸ 操作明细 折叠的逐条工具调用清单
- 轮次划分:每条用户消息开启一轮,其后的全部助手活动归入该轮;执行中途的补充消息(steering)单独成轮并标注;会话开头的孤儿活动归入「会话初始」。
- 规则总结即时生成、零依赖;AI 解读按需生成并缓存(材料不变不重复请求)。
✨ AI 过程解读(LLM 摘要)
架构
浏览器 client.js ──POST /plugin-api/trajectory-reader/summarize──▶ 服务端 index.js │ │
│ { rounds: [{ key, material }] } │ ctx.llm.stream()
│ system = SYSTEM_PROMPT
◀── { ok, route, results: [{ key, ok, text }] } ─────────────────────┘
- 服务端半边(index.js):由 web profile 的 Loader 行激活为 cordis 插件(inject: ["llm", "webServer"]),注册独占路由:
- GET 同路径 → 可用性探针(客户端据此显示/隐藏 AI 按钮);
- POST → 逐轮调用宿主 llm 服务(模型路由默认取当前 Agent 默认模型 agentDefaultModel.currentSelection(),可被请求体 provider/model 覆盖),每轮 120s 超时、maxTokens 1200、单请求最多 12 轮。
- 每轮材料以 JSON 框架化(沿用 session-title 的防注入手法:用户文本无法破坏结构定界符),所有字符串递归限长。
- 客户端半边(client.js):每轮按钮「✨ AI 解读本轮」+ 顶部「✨ AI 解读全部轮次」;结果按材料哈希缓存;AI 卡片渲染 ### 小节标题;不可用时提示需重启 GUI。
摘要提示词(index.js 中的 SYSTEM_PROMPT)
你是 DeepSeek Harness(编程助手框架)的「会话轨迹解读员」。用户会给你一轮会话的原始材料,包括:该轮的用户消息原文、助手的回复与思考节选、按发生顺序排列的工具调用记录(工具名与参数摘要)、出现的错误与系统备注。
你的任务:用中文把这一轮「用户要什么,助手是怎么思考、怎么一步步执行的,最终结果如何」写成一段连贯的解读,让没有看过原始会话的人也能明白助手做了什么、为什么这么做。
必须遵守:
1. 只依据材料中给出的信息解读,禁止编造材料里没有的文件、命令、结论或原因;材料若有截断(出现「…」),不要猜测被截断的内容。
2. 输出使用以下 Markdown 结构(保留三个#的标题行,顺序不变):### 用户需求(一两句话概括…)/### 助手思路(…为什么先做某事再做某事…)/### 执行过程(按实际顺序用编号列表叙述…)/### 结果(…完成什么、还有什么未完成或失败的)。
3. 重点讲清「过程」与动作之间的因果关系(例如:先读 A 是为了确认 B,随后修改 C 来完成 D),不要只罗列工具名。
4. 全文不超过 400 字;文件名、命令、错误信息一律用反引号包裹。
5. 直接输出解读内容,不要输出任何开场白、结束语,也不要整段复述材料原文。
设计要点:四段固定结构对应用户要求的「需求—思考—执行—结果」;禁止编造 + 截断不猜保证解读忠于轨迹;强调因果承接避免退化成工具清单;长度上限与直出格式保证卡片可读。
启用后(需重启一次 GUI)
重启 dsh web 后:「轨迹解读」标签页出现;GET /plugin-api/trajectory-reader/summarize 探针通过后 AI 按钮可用。客户端 bundle 的修改刷新页面即生效;服务端 index.js 的修改需要重启 GUI。
开发与测试
node --check client.js && node --check index.js
node test/smoke.mjs # 61 项断言:轮次切分/规则分类/材料框架化/提示词要点/路由与流式组装
卸载
cd "$DSH_HOME/profiles/web" && pnpm remove @clarkchan/trajectory-reader
卸载后 dsh plugin 会自动把该包从 dsh.profile.bundles 移除,无需手动清理。预览分享卡片长什么样 ↓
分享 · DeepSeek Harness Hub
flyingtimes/dsh-trajectory-reader
逐轮还原助手如何理解并完成你的需求
相关插件 · 对话 / 记忆
上下文中枢oceanbase/powercontext
上下文跟着工作走 —— 跨会话、跨智能体、跨人。
★ 1,489已汉化DSH
73.1
智能体记忆库plastic-labs/honcho
Honcho 是记忆基础设施,用来构建有状态的智能体。这些智能体能理解不断变化的人、智能体、群组、项目和想法。
★ 7,918已汉化DSH
71.7
长程智能体控制面loopx-project/loopx
给 Agent 一个目标,让工作持续向前。
★ 6,358已汉化DSH
71.3
智能体上下文数据库volcengine/OpenViking
给 AI 智能体用的上下文数据库
★ 41,453已汉化DSH
71.3
长效机器人团队Fei2411/DS-Bot
Download DS Bot for Windows 10/11 64-bit / 下载 Windows…
★ 5,293已汉化DSH
71.2
可携带记忆层EverMind-AI/EverOS
为什么选择 EverOS
★ 13,797已汉化DSH
71.1
这是你的仓库?认领条目