网页任务研究 janpauldahlke/dsh-web-missions

dsh-web-missions

为本地编码智能体提供网页研究的持久化与检索能力，跑在 DeepSeek Harness 网页 UI 里。

npm 包和 GitHub 仓库同名，都叫 dsh-web-missions
（janpauldahlke/dsh-web-missions）。

任务（mission）是一个带预算的小型网页抓取单元：智能体通过本地 browser39 无头浏览器拉取少量页面，每个抓到的页面都会变成持久化产物，存进按项目划分的存储里，之后智能体可以按词法把它找回来——跨会话也能找。预算、出站白名单和深度围栏共同约束工作量；cookie 横幅的同意处理由宿主确定性地完成，不交给模型。没有云端搜索，没有 embedding，没有向量库，插件内部也不调用 LLM。

相关插件（同样采用双面 dsh.bundle 形态，用于网页右侧栏）：

| 插件 | 仓库 |
| 有界文件的智能体记忆 | dsh-memento |
| 长周期任务状态 | dsh-local-long-horizon |
| 进程与端口生命周期 | dsh-agent-processes |
| NVIDIA GPU 利用率 / 显存 / 功耗 | dsh-gpu-monitor-nvml |
| 本地 LLM 端点 / 槽位健康 | dsh-slot-health |
| 本地网页发现（SearXNG / browser39 search） | dsh-web-discovery |

本包：dsh-web-missions
· 源码 janpauldahlke/dsh-web-missions。

已在 DeepSeek Harness 0.2.1-alpha.2（dsh web）上验证。

环境要求

- DeepSeek Harness 网页配置档（dsh web）。
- 构建需要 Node.js ≥ 20。
- @aquintanar/browser39 2.0.0（唯一的运行时依赖）——本地无头浏览器，平台二进制以可选依赖形式分发，所以不需要系统装 Chrome。
- 顺利路径上的搭档 dsh-web-discovery（同一配置档，版本经过筛选——见该包的 HANDOVER.md）。它提供 discovery_search（SearXNG 和/或 browser39 search），作为开场仪式步骤。没有它，种子 URL + mission_fetch 依然可用（支持 no_engine）；别指望工具列表里会出现 discovery_search。它没有并入本包。

截图

浅色主题，与 DSH 默认一致。全宽截图（纵向堆叠——右侧栏太窄，放进双列表格会被裁得很难看）。

右侧栏中（聊天 + Missions 面板）：

Missions pane open

看板（最近记录）：

Web Missions board

详情（结论已交付）：

Mission detail

页面账本（完整 / 被拦截的配色语法）：

Visited pages

你会看到什么

- Web Missions 右侧栏 — 看板（进行中 XOR 最近）和单个任务详情，都做成可折叠卡片（目标 → 结论 → 简报 → 页面 → 预算 → 提示）。
- 颜色语法 — 绿色 = 结论已交付 / 页面完整；琥珀色 = 内容单薄或提示需关注；红色 = 受阻 / 预算耗尽。状态胶囊保持灰色（表示生命周期，不表示质量）。
- 预算 — 卡片预览里显示剩余/最大 fetch_calls，以及深度/主机围栏；拒绝闸门（allowlist、深度、主机广度）不消耗预算。
- 同意说明 — 如果 cookie 横幅被自动接受，回执里会写明。

安装

从 npm 安装（推荐）

dsh plugin --profile web add dsh-web-missions
restart dsh web (or rely on live patch reload), then hard-refresh the browser

从 GitHub 安装

dsh plugin --profile web add github:janpauldahlke/dsh-web-missions

从 git checkout 安装（开发者）

git clone https://github.com/janpauldahlke/dsh-web-missions.git
cd dsh-web-missions
npm install && npm run build
dsh plugin --profile web add "$(pwd)"

重启（或启动）dsh web，让宿主端和客户端两面加载：

env -u DSH_WEB_URL -u DSH_SHELL -u DSH_SESSION_ID dsh web --no-open

卸载：

dsh plugin --profile web remove dsh-web-missions
restart the web instance that had the plugin

智能体工具

| 工具 | 用途 |
| mission_start | 启动任务 — 存储目录 + mission.md + 最近记录行。可选种子 URL（深度 0）。 |
| mission_list | 看板 — 进行中 + 最近。 |
| mission_status | 清单 + 已访问台账（如果伴随程序记录了候选，还可选 discovery）。 |
| mission_fetch | 通过本地 browser39 抓取（缓存命中免费；force 强制重新抓取）。 |
| mission_find | 只在已存储页面上做词法搜索 — 从不抓取。 |
| mission_read | 读取一个已存储分块（原文 + 质量）。零预算；文本不可信。 |
| mission_verify | 声明核查：引用能解析到 full 产物；数字出现在被引页面里。 |
| mission_stop | 停止任务，并运行同样的声明核查。 |

流程：fetch → find → read → note → verify → stop。每次抓取都是一个带回执的产物（p-…），包含 page_quality、chunk_count、next_step_hint、同意标志和预算。被拦截的页面也会存储。

出口、预算 + 深度

- Allowlist — 默认关闭。当 <cwd>/.dsh/web-missions/config.json 里设置 "allowlist": "on" 时，<cwd>/.dsh/allowlist.txt 会管控出口（每行一个模式，# 注释；* = 全部允许）。文件缺失时会用模板初始化；模式为空 → allowlist_empty；未命中 → allowlist_denied（消息里会点名关闭开关）。缓存命中不会重新过闸。
- 预算 — 每个任务都有 used/total 抓取预算。缓存命中和拒绝闸门不消耗预算。
- 深度围栏 — maxDepth（默认 2）+ maxDiscoveredHosts（默认 3）限制爬取的广度和深度。

配置项：<cwd>/.dsh/web-missions/config.json（覆盖项可选 ~/.dsh/web-missions/config.json）— allowlist、snippetWindow、 previewChars、readChars、sampleLinks、findLimit、maxDepth、 maxDiscoveredHosts、defaultFetchBudget、numberFormatCheck、……

隐私

- 只在本地 — 抓取走本地 browser39 无头浏览器，并在本地渲染成 markdown。不碰搜索引擎，不碰云 API。
- 会话有作用域 — browser39 会话放在 ~/.dsh/browser39/sessions/<host>/（会持久化，所以已接受的同意在重新抓取后依然有效）；任务存储放在 <cwd>/.dsh/web-missions/。
- 同意是确定性的 — cookie 横幅的接受逻辑是回执背后的宿主代码（不是模型判断）。内置词表： assets/consent_profiles.toml（每个宿主都用 generic 标签；可选的
[[hosts]] 只用来给站点独有的标签排优先级）。按项目覆盖：把该文件复制到 <cwd>/.dsh/web-missions/consent_profiles.toml（整体替换 — 不要在包里堆一份没完没了的宿主列表）。
- 插件内部不调用 LLM，不做嵌入，不用向量库。

界面

| 界面 | 路径 / 名称 |
| 任务存储 | <cwd>/.dsh/web-missions/<id>/（manifest.json、mission.md、artifacts/、receipts.json、links.json、config.json） |
| 出站允许列表 | <cwd>/.dsh/allowlist.txt |
| browser39 会话 | ~/.dsh/browser39/sessions/<host>/ |
| 同意配置档 | assets/consent_profiles.toml（generic + 可选宿主；cwd 覆盖为整体替换） |
| HTTP | GET /api/web-missions/health · /missions · /missions/:id · /sessions · POST …/stop · …/recents/clear · …/clear-all |
| UI | 右侧栏 Web Missions（看板 + 详情） |

设计五句话

1. 任务是带预算的抓取单元 — 种子 URL + 一份 used/total 预算；存储就是持久化的单元。
2. 每次抓取都是带回执的产物 — chars、page_quality、 consent_、预算 — 所以结论可验证，死链也能被发现。
3. 查找是只读的 — mission_find 按词法给存储排序（不用嵌入，不用向量），绝不触发抓取。
4. 三道围栏，零成本拒绝 — 预算、出站允许列表、深度 / 宿主广度围栏，在不浪费预算的前提下限定工作量。
5. 同意是宿主代码 — 确定性的 cookie 横幅处理藏在回执背后，绝不是模型判断。

刻意不做：云搜索、嵌入、向量库，以及插件内部的 LLM 调用。

架构

双面包（与其他 web 右侧栏插件同一标准）：

- 宿主（lib/index.js，ESM）— 任务存储、browser39 抓取、同意策略、词法查找、出站 / 预算 / 深度围栏、HTTP、工具。
- 客户端（lib/client.js，CJS ModuleLoader 工厂）— Web Missions 右侧栏（看板 + 详情）。
- 胶水 — cordis.patch.yml + package.json 里的 dsh.bundle / dsh.client。
- 构建 — build.mjs 调用 dsh-build-tools（buildDshPlugin()）；lib/ 会被跟踪，这样工具链不可用时 prepare 还能回退。

@aquintanar/browser39 这个运行时依赖把平台的无头浏览器二进制作为可选依赖带上；BROWSER39_BIN 可以覆盖二进制路径。

开发 / 测试

封闭检查放在 test/ 下（与其他 dsh-* 插件 / dsh-build-tools 同一标准）。运维启动脚本只放在本地 agent/scripts/ 下（已 gitignore）。

npm run build
npm run smoke # tool-face + untrusted + pane + r4 + conclusion-md
npm run smoke:consent # consent profiles + tactic
npm run smoke:allowlist # egress allowlist

许可

MIT —— 见 LICENSE。