多实例通讯总线 jonah791/dsh-agent-cluster

dsh-agent-cluster

DSH 多实例通讯底座 —— 让本机（或共享盘）上的多个 DeepSeek Harness 实例互相说话，用来搭多智能体工作台。

同一台机器上跑多个 DSH 实例（不同 profile / 不同端口 / 不同 DSH_HOME），每个实例装上本插件后自动获得：稳定身份、全集群名册、点对点消息、广播、收件箱；收到的消息注入本实例的会话，交给该实例的 agent 处理。

为什么用它而不是自己搓一个：跨进程通讯的坑几乎全在失败路径上——身份撞名、消息重复注入、投递目标选错、坏数据搞崩主流程、异常逃逸杀掉宿主。这些都在本插件的测试里（58 条，含 3 条真实事故回归）。

它是什么 / 不是什么

| 是 | 不是 |
| 多个 DSH 进程之间的去中心化消息总线 + 在线名册 | 进程内编排（那是 subagent / workflow / Agent Teams 的事） |
| 文件系统总线：无端口、无凭据、无中央进程 | 中心 Broker —— 没有常驻中枢，没有单点，没有 leader 选举 |
| 只负责「把信送到」，回不回由对方 agent 决定 | 自动应答机 / 调度器 |
| 能力边界诚实（同机进程可读写总线，不是沙箱） | 授权通道 —— cluster: 消息是平级实例来信，不是主人指令，不获得特权 |

安装

npx -p @deepseek-ai/dsh dsh plugin --profile <profile> add github:jonah791/dsh-agent-cluster

或本地开发（link）：

dsh plugin --profile <profile> add link:<path-to>/dsh-agent-cluster

安装后重启该 profile。若要被插件管理面识别为自研插件，放进 self-plugins/ 并用 plugin_mount 挂载。

快速开始（两个实例互通）

1. 两个实例都装本插件，busDir 留空（都落到 ~/.dsh-cluster）——同一份总线是互通的前提。
2. 各自重启，然后任一侧调 cluster_nodes，应看到对方（含在线判定）。
3. 用 cluster_send 点名发消息，用 cluster_broadcast 广播。
4. 对方会在一个轮询周期（默认 2s）内收到，消息以其 nodeId 为前缀注入它最近的用户会话：

[cluster:DESKTOP-ABC-web-3081] 帮我把 X 跑一下，结果回给我

30 秒验证：调 cluster_status —— 应看到本节点身份、总线目录、在线邻居数。若邻居数为 0 且名册里有离线条目，多半是两个实例的 busDir 不一致（最常见误配）。

工具面

| 工具 | 用途 |
| cluster_status | 本节点身份、总线目录、在线邻居数、收发计数、待投递数、最近轨迹。消息异常先查它 |
| cluster_nodes | 集群名册：nodeId / 角色 / profile / 地址 / 在线 / 最后心跳 |
| cluster_send | 点对点发消息（kind: chat \| task \| result \| event \| alert） |
| cluster_broadcast | 广播给其余所有实例（离线节点默认也投，等它上线） |
| cluster_inbox | 本实例收件箱：待投递 / 已归档 / 死信 |

配置

| 键 | 默认 | 说明 |
| enabled | true | 总开关 |
| busDir | ~/.dsh-cluster | 总线根目录。要互通的实例必须配同一个值 |
| nodeId | 自动派生 | <hostname>-<profile>-<port>；显式配置优先 |
| role | '' | 本节点角色标签（主脑 / 研究员 / 执行器…），名册展示用 |
| tags | [] | 能力标签，名册展示用 |
| profile / port / baseUrl | 自动探测 | 名册元数据；探测来源为 DSH_PROFILE / DSH_PORT / --profile / --port |
| heartbeatMs | 10000 | 心跳周期 |
| offlineAfterMs | 30000 | 判活阈值（名册显示与在线计数共用同一判据） |
| pollIntervalMs | 2000 | 收件箱轮询周期 |
| maxTextChars | 8000 | 单条消息正文上限（超限拒绝，不静默截断） |
| maxAttempts | 20 | 单条消息最大投递尝试，超过进 dead/ |
| mainSessionId | '' | 钉死目标会话；空 = 自动选最近有真实用户输入的顶层会话 |
| autoInject | true | false = 只入收件箱，由智能体用 cluster_inbox 取用 |
| maxRoster | 200 | 名册列出上限 |

总线磁盘布局

<busDir>/
nodes/<nodeId>.json 心跳与身份（每节点只写自己那份） mailbox/<nodeId>/<id>.json 收件箱（发送方创建，no-clobber） mailbox/<nodeId>/done/ 投递成功归档 mailbox/<nodeId>/dead/ 坏数据 / 过期 / 重试耗尽 state/<nodeId>.json 本节点已处理集合与计数 cluster-trace.jsonl 全节点追加的侧车轨迹（一行一 JSON）

消息就是一个文件 —— 写成功即在，读走才归档。排障只需 ls 与 tail cluster-trace.jsonl。

落盘与自证 ★

写盘的东西就是证据层：五问（谁发起 / 投给谁 / 断在哪段 / 结果质量 / 耗时）都能从轨迹直接读出来。

tail -3 "$HOME/.dsh-cluster/cluster-trace.jsonl" # Windows: $env:USERPROFILE\.dsh-cluster\...

一行样本（实测）：

{"atMs":1789383600912,"node":"DEMO-host-web-0-31116","pid":31116,"phase":"delivered",
"id":"m-mu14jelv-0jclsah0","from":"sim-node-b","kind":"chat",
"sid":"session-a5375716-…","why":"未指定锚点 → 投最近有真实用户输入的顶层会话","chars":53,"archived":true}

| 问题 | 字段 |
| ① 谁发起 / 投给谁 | node · from · sid |
| ② 断在哪一段 | phase（枚举即断点分类：startup / startup-poll / sent / delivered / no-target / deliver-error / inbox-inherit / state-recovered / takeover） |
| ③ 结果质量 | chars（字符数）· archived |
| ④ 为什么这样决策 | why（人话理由，如"锚点滞后 166s → 改投最近活跃"） |
| ⑤ 什么时候 | atMs |

state/<nodeId>.json 另存幂等集合与重试账（可判断某条消息是否已被处理过、失败了几次）。

生效判据与回退 ★

| 问题 | 判据 |
| 线上跑的是当前构建吗？ | cluster_status 自报的 build/身份 + lib/index.js 的 mtime 与宿主进程启动时间对照 |
| 改完代码怎么生效？ | pnpm build → 预检 → 哨兵重启（重新构建 ≠ 生效：产物 mtime 新只证明"构建过"，不证明"进程在跑它"） |
| 回退 | ① 源码 git revert + 重建 + 重启 ② 组合里置 disabled: true ③ 本插件运行期无自有状态需要迁移，回退不丢消息（账在总线里） |

测试 ★

pnpm test

实测：58 passed / 0 failed / 182 ms（node --test，离线，无需宿主）。

| 覆盖面 | 内容 |
| 协议 | 消息构造/校验、版本不符、超长正文、TTL 过期 |
| 身份 | 派生、撞名裁决（活跃则避让 / 陈旧则接管）、判活 |
| 总线 | 原子发布（no-clobber）、归档、done/dead 分类、接管旧收件箱 |
| 目标裁决 | 含 3 条真实事故回归：2026-09-03 自我强化循环（注入不使会话变"新"）、2026-09-12 漏投（子代理会话永不作目标）、锚点腐化改投 |
| 状态 | 幂等集合上限、指数退避、重试账 |
| 守卫契约 | 4 条源码级断言：定时器/轮询回调必须经 guarded() 兜底（防后来者绕过——逃逸异常会杀死宿主进程） |

设计要点（为什么这样做）

- 为什么是文件总线而不是 HTTP：无端口冲突、无凭据传递、跨 DSH_HOME 与跨机（共享盘）都能用；崩溃语义简单。
- no-clobber 原子发布：消息用「同目录临时文件 + link()」创建（link 不可用时退化 rename 并在轨迹留痕），重复 id 不覆盖。
- 幂等：同一 messageId 至多注入一次（state/<nodeId>.json 的滚动已处理集合）。
- 不丢：投递失败保留原位、指数退避重试（有界），过期或超次数才进 dead/ 并留痕 —— 绝不静默丢弃。
- 目标裁决只认真实用户输入：注入型消息（含本插件自己注入的）不参与「谁最新」的判定，否则会形成「谁被注入谁变新」的自我强化循环；派生（子代理）会话永不作为投递目标。这两条都来自真实事故回归（见 tests/target.test.mjs）。
- 宿主内回调一律兜底：插件与宿主同进程，定时器回调里逃逸的异常没有框架接住，等于宿主自杀（本项目真实事故：Session.events 为 undefined 时直读 .length 导致 web 进程被 TypeError 杀死）。故所有定时器入口经 guarded()，且用源码级测试锁死。
- 输入不可信：总线文件按不可信数据处理，坏 JSON / 版本不符 / 超长正文一律分类拒绝并落痕，不让主流程崩。
- 观测不反噬：轨迹与状态落盘失败只吞错返回 false，不影响投递。

开发

pnpm install
pnpm build # tsc → lib/
pnpm test # node --test tests/*.test.mjs（离线，无需宿主）
pnpm typecheck

scripts/sim-node.mjs 是模拟第二节点（不是 DSH），用来做双端联调与验收。

相关文档

- 语义文档（本插件契约主副本）：docs/semantic.md
- 实施版规格（多智能体工作台全貌）：docs/spec.md
- 决策史（为什么这样设计，含被推翻的判断）：docs/design.md
- 配套桌面控制台：alice-workbench
- 生态中心仓：alice-digital-life

已知边界

- 总线文件同机可读写，不是安全边界；跨机共享盘场景下请自行用文件系统权限保护总线目录。
- v0.1 无 HTTP 推送通道，延迟 = 轮询周期（默认 2s）。
- 无自动清理：done/、dead/ 归档只增不减（保留证据），需要时手动清理。
- 不做消息级回执（ack）与状态机；需要「收到请回」时用 cluster_send 带 replyTo 手工回。
- 端口探测可能失败（port 上报为 0）——此时名册仍可用，但依赖端口的推送能力降级。

License

MIT © jonah791

本插件属于爱丽丝 DSH 自研生态（50 个插件）——见中心仓 alice-digital-life。