生信技能路由 gsh150801/dsh-bioinf-routed

dsh-bioinf

面向 DeepSeek Harness 的生信技能路由插件。

它解决一个核心问题：一个整理好的 986 个生信技能的库，无法以扁平目录的形式发布到每个会话（否则每个会话会多出约 230 KB / 60–80k tokens 的提示词开销）。本插件用基于检索的路由取代全量目录：

| 组件 | 作用 |
| skill_search 工具 | BM25 式打分（idf 加权字段：名称 ×6、分类 ×2、whenToUse ×1.5、描述 ×1），支持 CJK 双字切分——中英文查询都能用。返回按精确名称 + 分类的 top-k 匹配。全库单次查询 <10 ms。 |
| skill_categories 工具 | 分类树（15 个顶级分类、计数、子分类），用于领域浏览。 |
| bioinf-library 技能提供者 | 把全部 986 个技能注册进 ctx.skills，让原生 skill 工具按需加载正文（名称已规范为 kebab-case；剥离 HTML 版权注释；保证字段有描述）。 |
| dsh-bioinf-anysearch（独立插件行） | 把 [anysearch] 的 WebSearchProvider 注册进 ctx.web，驱动原生 web_search 工具。单独成行是因为 headless 配置不挂载 web seam。 |
| remote_exec 工具（可选启用） | 在配置好的 GPU/训练服务器上执行 SSH 命令：nvidia-smi、nohup 训练、日志轮询、预测。仅在设置了 remote.host/remote.user 时注册。 |
| 指引提示词段 | 路由规则（"绝不猜测技能名"）+ 三个场景剧本：(A) 文献深度综述并产出可证伪假说、(B) 生信数据检索/分析、(C) 远程训练/预测。 |

用法

与 @deepseek-ai/dsh-tool-skill 的 catalog: off 配置搭配使用（参见 ~/.dsh/profiles/bioinf/cordis.patch.yml）。

- insert:
- id: bioinf
name: 'file:///D:/projs/bioinf_agent/deepseek-harness/packages/examples/dsh-bioinf/lib/index.js'
config:
skillsIndexFile: 'D:/projs/bioinf_agent/skills_meta/_dsh_index.json'
- id: bioinf-anysearch
name: 'file:///D:/projs/bioinf_agent/deepseek-harness/packages/examples/dsh-bioinf/lib/anysearch-plugin.js'
config:
apiKey: '...'
- id: tool-skill
name: '@deepseek-ai/dsh-tool-skill'
config:
catalog: off

索引格式

skillsIndexFile 指向一个 JSON 数组（构建脚本：D:/projs/bioinf_agent/tools_scan/build_index.py，清单生成：validate_skills.py）：

[{"name":"scanpy","dir":"scanpy","cat1":"细胞组学与组学整合场景","cat2":"单细胞与转录组分析",
"cat3":"scanpy","description":"...","whenToUse":"...","requirements":["pip install scanpy"],
"hasScripts":false,"nScripts":0,"bodyChars":1234,"path":"D:/.../scanpy/SKILL.md"}]

开发

pnpm run build:lib:host # 重建 lib/（tsc 项目图谱 + tsdown）
pnpm exec vitest run packages/examples/dsh-bioinf/tests/

单元测试套件（36 个用例，无需启动 harness 上下文）：bioinf.spec.ts（索引/分词/正文提取/anysearch）、 scenarios.spec.ts（场景 A 文献→假说路由 + skill 加载链路；场景 B 数据源路由 + 分类树 + ssh 参数构建）、 perf.spec.ts（基于测量的护栏：每步模型可见负载、冷/缓存索引加载）。

本包遵循仓库约定：tsconfig.json 位于 tsc -b 图谱中（被根目录 tsconfig.host.json 引用），并提供本地 tsdown.config.ts，入口为 index、anysearch-plugin、search、anysearch。

二期新增：一手数据 / 证据核验 / 假说锦标赛 / 报告站点

- 专用查询组（配置 queryTools:true）：pubmed_search · europepmc_search · arxiv_search · trial_search · patent_search · gds_geo_search · opentargets_query。
全部经 src/biohttp.ts 统一限速/重试/缓存（按 host 令牌桶，arXiv 自动保持 ≥3s 间隔， NCBI 读取 PUBMED_API_KEY/CONTACT_EMAIL 环境）。
- 证据核验组（evidenceTools:true，源码 src/evidence.ts）：doi_verify / pmid_verify（带撤稿与 Expression-of-Concern 过滤）/ clinical_trial_status / uniprot_verify / geo_accession_verify / sra_accession_verify / claim_audit 批量审计并输出 markdown 判定矩阵——终端交付前的强制闸门。
- 假说锦标赛（debateTools:true，src/debate.ts）：tournament_start → tournament_step×N → tournament_report；红方审查 + 配对辩论 + Elo 排名，状态持久化到 ~/.dsh/science-tournaments/。LLM 由 llmRouter 提供。
- 报告站点（独立插件行 report-plugin，需 webServer seam）：在 dsh 同端口挂载
/reports/；report_publish(title, markdown, notebookPath?) 将 GFM 渲染成
自包含 HTML（本地渲染，无 CDN），.ipynb 转为内嵌图片的浏览页并入画廊。

测试：vitest run packages/examples/dsh-bioinf-routed/tests/。