← 返回列表
需源码安装
基于 DeepSeek Harness 与 llama.cpp 构建，下载即用的本地 AI Agent 桌面客户端。
暂不能直接安装（需源码编译或环境不满足）：缺少 main/exports/bin 入口声明；engines.node 要求 24.19.0，不满足 Node 22.19.0；仓库 package.json 标记 private，未发布到 npm，需从源码安装。 · 最近上游提交 2026/8/31 · 已提供中文文档
综合分
35.3
GitHub 分
35.3
用户评分
—
★ Stars
8
周下载量
—
安装插件（需先安装 dsh CLI 引擎：npm install -g @deepseek-ai/dsh）
dsh plugin --profile web add liangchen-harold/local-dsh缺少 main/exports/bin 入口声明；engines.node 要求 24.19.0，不满足 Node 22.19.0；仓库 package.json 标记 private，未发布到 npm，需从源码安装，改用 GitHub 源安装
信任档位：需留意静态安装检查未通过
- 是什么
- dsh 原生插件 · other
- 装得上吗
- 静态安装检查未通过，可能需要源码安装
- 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
- 活跃：最近一次提交在 25 天前
档位由下列信号合成：本站实装验证（真实安装，当前最高到 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。 验证判据与等级说明 →
数据截至 2026/9/22（元数据每日更新 · 实装验证按队列轮转，单条结论的验证时间见上方）
安装兼容性检查需源码安装
以下结论由程序自动检查 npm 包、engines 声明与入口文件得出，未做人工实机验证——能装不等于用着没问题。
✗npm 包local-dsh（未发布到 npm，仅可源码安装）
✗Node 引擎要求 24.19.0 · 基线 Node 22.19 不满足
✓dsh CLI 依赖未声明 dsh 版本约束
✗入口文件缺少入口声明
缺少 main/exports/bin 入口声明；engines.node 要求 24.19.0，不满足 Node 22.19.0；仓库 package.json 标记 private，未发布到 npm，需从源码安装
验证方式：npm registry 存在性 + package.json 静态校验 · 最后验证 2026/9/22 08:27:14
用户评分
还没有人投票，来当第一个
订阅周报，不错过优质插件更新
每周一封 · 高评分插件 + 新用户活动
README
由 DeepSeek 最新模型翻译生成English Local DSH 基于 DeepSeek Harness 与 llama.cpp 构建，下载即用的本地 AI Agent 桌面客户端。 官方网站 · 下载 macOS 版 · 项目文档 Local DSH 将 DeepSeek Harness Agent Loop 与本地 GGUF 模型整合到一个桌面应用中。所有发行包内置 Node.js、pnpm 与 DSH；完整版额外内置 llama.cpp，不依赖系统运行环境。 Local DSH 是由社区独立维护的开源项目，非 DeepSeek 官方产品，与 DeepSeek 无隶属、背书或赞助关系。 Local DSH 主要特性 - 可以纯本地运行，集成端侧推理加速。 - 首次设置可选择本地或外部模型，并可在 DSH 设置中独立控制本地推理服务、下载和选择模型。 - Hugging Face 不可用或速度过慢时自动切换至 ModelScope。 - 模型、会话与推理数据保存在本机标准 DSH Home 中。 - 使用原版 DSH 和插件生态。 本地模型硬件支持 当前版本已针对 Apple M系列芯片 Mac 进行适配： | 统一内存 | Qwen3.5 2B | Qwen3.5 4B | Qwen3.5 9B | Qwen3.8 27B | | --- | --- | --- | --- | --- | | 8 GB | ✓ | ✓ | — | — | | 16 GB | ✓ | ✓ | ✓ | — | | 32 GB | ✓ | ✓ | ✓ | ✓ | | 48 GB 及以上 | ✓ | ✓ | ✓ | ✓ | 思考·设计哲学 要用适合的技术解决适合的问题 - 技术没有绝对的好与坏，用在合适的地方就是好的。 - 并不是说AI擅长某某语言，就无论做什么都要用这个语言。恰恰相反，AI提供了用最适合的方式做某件事情的能力。如果速度和尺寸是至关重要的，那就让AI用Rust或者C++甚至是汇编来实现。 人要找到和AI的相处方式 - 李飞飞提出“苏格拉底式提问”是最好的prompt，和我的思想不谋而合。人不能在不明真相的时候急于给AI下指令。好的指令遵循是双刃剑，如果你的指令和方向是错的，那么AI会把这个错误无限放大。 - 如果你希望理解一件事情，那么AI无疑是一个得力的助手。 - 如果你抗拒理解，只想要一个结果，那么AI会把你很好的蒙在鼓里。 最终是人去做决策，AI只能提供决策前的信息收集，和决策后的执行能力 - 高质量的决策需要广泛的调查，和深入的思考。广泛的调查可以基于搜索引擎，也可以基于AI，但深入的思考，目前还只能由人来做。 - 是选择和决策拉开了人与人的差距。 - 如果选择和决策是错的话，辛苦，并不值钱。这一点在AI身上体现的淋漓尽致。 Local DSH 是这些思想的一次实践。面对众多的选择，每一次选择和决策，都有人类思考的痕迹，我极力避免让代码变成AI堆砌的屎山，力求高效的理解并做出每一个决策，比如： - 需要打包chromium吗？不需要，那就选择tauri，而不是electron，这样可以减少30%的体积，还能大幅提升启动速度。 - 如果用户自己也装了node和dsh，冲突怎么办？所以要完全独立的node和dsh，和用户环境互不干扰。 下载 当前公开版本支持 Apple 芯片 Mac。可从 GitHub Releases 下载已经签名并公证的 DMG。 模型按需下载，不包含在应用安装包中。 开发 开发环境需要 Rust 1.85 或更高版本、GNU Make，以及 Tauri 2 对应平台的编译环境。Node.js 和 pnpm 会按照仓库锁定的版本自动准备。 Windows 请从 Git Bash 运行 make，以使用 Git for Windows 提供的 Bash、curl、tar、unzip 和 sha256sum。 git clone https://github.com/liangchen-harold/local-dsh.git cd local-dsh make dev 常用目标： make dev 启动 Tauri 开发应用 make check 检查插件、运行时与 Rust 代码 make build 构建当前平台的精简版发行产物 make build-full 构建当前平台的完整版发行产物 make build-all 顺序构建 Windows x64 精简版与完整版 make build 默认构建不含本地模型服务的精简版。Windows x64 可以按需构建： make build # 仅精简版 make build-full # 仅完整版 make build-all # 精简版 + 完整版 产物名分别为 Local DSH__lite_x86.exe 和 Local DSH__x86.exe。精简版不包含 llama.cpp、本地模型下载与本地推理服务；完整版内置 CUDA 12.4 runtime 与 cuBLAS，要求 NVIDIA 驱动 551.61 或更高版本。 macOS 发行构建需要在 Makefile.local 中配置 Developer ID 签名与公证参数，参考 Makefile.local.example。 发行构建必须来自带有 v.. Tag 的干净提交： git tag -a v0.1.0 -m "Local DSH v0.1.0" make build make build 使用该 Tag 作为 Local DSH 版本；HEAD 没有有效发布 Tag 时，会在打包前失败。 架构约定与迁移计划见项目文档；具体实现以代码和测试为准。 友情链接 | 站点 | 链接 | | --- | --- | | DSH 插件站 | dsh.fish | | DSH Market | dshmarket.com | | LINUX DO 开源社区 | linux.do | 许可证 Local DSH 使用 Apache License 2.0 开源。内置组件继续遵循各自许可证，详见第三方声明。