mario841859784/dsh-expert-orchestrator

DSH Expert Orchestrator（专家编排模式）

PM 先行规划 · 合并花名册优先委派 · 门禁交付 · 经验沉淀

一个 DeepSeek Harness（DSH）agent preset 插件：安装后 DSH 即获得一个「首席编排者」会话模式——
不亲自写码，而是分诊任务、请项目管理专家规划、把实施委派给最合适的领域专家，并以门禁保证交付质量。

安装 · 工作流 · 五大机制 · 自定义 · License

✨ 它做什么

| 场景 | 行为 |
|------|------|
| 收到任务 | 每轮强制重新分诊（三级：大型 / 小型实施 / 只读），杜绝"上一轮在做就直接续"的漂移 |
| 大型任务 | 先召唤 PM 专家（高级项目经理 / 项目推进专员）产出结构化计划，再逐项委派 |
| 实施改动 | 一律委派专家执行（合并花名册优先：bundled-core + 已启用来源；无匹配时回退自带专家库；dsh-agency-agents 为可选共存项而非依赖）；协调官只做只读验证 |
| 并行协作 | 专家产出走文件消息总线落盘，协调官只读摘要不转述全文 |
| 交付前 | 独立评审专家（评审者 ≠ 实现者，回炉 ≤2 轮）+ PM 检查点，双门禁放行 |
| 任务收尾 | 提炼 ≤3 条教训写入经验池，下次同类任务自动注入 |

🧭 工作流

用户请求 → 分诊（每轮重做）
├─ 只读操作 → 协调官亲自做
├─ 小型实施 → 免 PM，直接委派 1 名执行专家 → 验收
└─ 大型任务 → PM 规划召唤（高级项目经理）
→ 任务板建档（依赖 DAG）→ 逐子任务委派专家
→ 并行专家产出落盘消息总线 → 协调官只读摘要整合
→ 独立评审（回炉 ≤2）→ PM 检查点 → 交付
→ 经验沉淀（lessons.md）
每步行动前过五锚自检：回顾｜收敛｜反跑题｜协作｜资源

🧩 五大机制

| 机制 | 说明 |
|------|------|
| 🎯 每轮分诊 + 五锚自检 | 三级分诊 + 五项显式自检（含"连续 2 轮无进展→换策略或召 PM 重排"），跨轮不漂移 |
| 📋 任务板 taskboard.py | 文件任务板：pending→ready→running→done/failed 状态机，--dep 依赖 DAG（done 自动解锁下游），崩溃 recover |
| 💬 消息总线 bus.py | 信箱式落盘消息：send/read/ack/broadcast/stats，并行专家零转述协作，省协调官上下文 |
| 🛡️ 交付门禁 | 独立评审（同意/部分同意/反对+理由，回炉上限 2 轮）→ PM 检查点，commit 前强制 |
| 💾 经验池 | 全局 lessons.md + 项目级 .expert-lessons.md 双层沉淀，委派任务书自动注入相关教训 |
| 🧙 原生专家工具 | list_experts（浏览合并花名册，紧凑/展开双模式）、summon_expert（白纸精召：persona 经 sanitizePersona 注入，解析链 exact→aliases→无歧义 title，shadowed/disabled 拒绝，task 8000 码点上限）、summon_experts（批量 ≤8、并发 4、部分成功语义）。递归防护：spawn 子代理带六项 toolFilter deny（不可再召唤专家、不可嵌套 subagent/fork、不可 workflow），工具 schema default 3 纵深兜底——单层委派，无失控专家树 |
| 📚 每专家经验池 + persona 方法论分层（v2.4.0） | summon 自动尾部注入 expert-lessons/.md 该专家历史教训（≤2000 字符，按字符截断，2K 上限，无命中零变化）；persona frontmatter method: +  瘦身注入+按需深读指针（Top-5 bundled-core 已分层，fail-safe 全量回退，合入经预注册 A/B 实验门禁，档案见 docs/internal/experiments/）；list_experts 显式标注跨源 conflict/shadowed，自定义专家删除支持清理。已知限制：设置面板「清空已删除」按钮 UI 待接线（RPC 契约已就位） |

📦 安装

前置：Node.js 22+ 的 DSH 环境；python3（任务板与消息总线）；可选安装 dsh-agency-agents（Agency 花名册——本插件已解耦对它的依赖：不装时协议完整可用、自动走自带专家库兜底；装了其花名册也只视为额外来源）。内置 trim-cli 技能的 scripts wrapper 与 bin 二进制不在本包内（files 白名单不含），需按 trim-cli skill 文档另行获取。

方式 A：DSH 插件管理器（推荐）

dsh plugin --profile web add github:mario841859784/dsh-expert-orchestrator

方式 B：手动安装

git clone https://github.com/mario841859784/dsh-expert-orchestrator.git
作为 bundle 安装（v2.5.0+ 预设由 bundle patch 声明行挂载，目录部署不再生效）
dsh plugin --profile web add /绝对路径/dsh-expert-orchestrator
重启 DSH Web，在预设选择器里选「专家编排模式」

preset 注册机制（v2.5.0+ 起）

自 DSH 0.1.7-alpha 起，agent preset 是由 bundle patch 携带的声明行：一个 name: '@deepseek-ai/dsh-agent-preset'、Loader 行 id 为 preset- 的插入行，完整 Cordis 组合内联在其 config.plugins 里。旧版目录机制（~/.dsh/.agent-presets// 下放 preset.yml + agent.cordis.yml）已无任何读取方——只部署目录的 preset 永远不会出现在会话预设选择器中。本插件因此把组合内联进自身 bundle patch（cordis.patch.yml 的 preset-expert-orchestrator 行），正常安装插件即可，重启 DSH 后预设即可见可选。~/.dsh/.agent-presets/expert-orchestrator/ 目录继续作为 preset 的运行时数据根（技能、专家、经验池、专家来源）；声明行里的 skill-filesystem 用与部署器相同的 DSH_HOME || ~/.dsh 公式解析该目录。

DSH 版本要求（v2.5.1+）：engines.dsh >=0.1.7-alpha.2 =0.1.6-alpha.1 /cordis.patch.yml 中插入以下片段：

- insert:
- id: expert-orchestrator-deploy
name: '/绝对路径/dsh-expert-orchestrator/lib/index.js'

升级语义：插件 VERSION 变更时会用安装包内容覆盖 PROTOCOL 文件（agent.cordis.yml、preset.yml、skills/expert-orchestration/SKILL.md、skills/expert-orchestration/routing.md、skills/expert-orchestration/tools/taskboard.py、skills/expert-orchestration/tools/bus.py、skills/trim-cli/SKILL.md、skills/trim-cli/manifest.json、skills/trim-cli/entries、skills/trim-cli/reference，共 10 项），且 skills/expert-orchestration/experts/ 现只含 11 个 bundled core 专家、按 PROTOCOL 随版本刷新；USER_DATA（lessons.md、expert-sources/——下载的来源包与合并花名册）只缺才补、绝不覆盖。升级到本版本后首次运行时，历史上适配过的专家副本会一次性迁移进 expert-sources/legacy-adapted/（冻结本地来源，默认启用）而非被删除。宿主层本地挂载不受该覆盖影响。

存量迁移提示：若此前在 agent.cordis.yml 中手工加过 expert-orchestrator-deploy 条目，升级前应先迁移到宿主层 cordis.patch.yml，否则 VERSION 变更刷新会用出厂版覆盖该条目、静默断掉本地链路。

🚀 使用

1. 安装并重启 DSH，会话选择「专家编排模式」预设（或设为默认）。
2. 直接交代任务即可：编排者自动分诊、请 PM 规划、委派专家。
3. 大型任务可随时插话调整；里程碑与 commit 前会自动过评审 + PM 检查点。

📚 专家来源项目

11 个 bundled core 专家之外的内容来自四个 MIT 许可的上游项目。四者均已登记进 skills/expert-orchestration/source-registry.json，并原样引用、不改名不改内容（文件按上游原样解包，署名见 NOTICE）：

| 项目 | 许可 | 本插件中的采纳关系 | 收录文件 |
|---|---|---|---|
| VoltAgent/awesome-claude-code-subagents | MIT | classic 包内容源——离线 classic 包中历史适配专家副本的内容锚（62 个文件） | 171（categories//.md） |
| wshobson/agents | MIT | classic 包内容源——离线 classic 包中历史适配专家副本的内容锚（4 个文件） | 202（plugins//agents/.md） |
| msitarzewski/agency-agents | MIT | 独立来源包——作为独立来源整包安装 | 274（/.md） |
| jnMetaCode/agency-agents-zh | MIT | 独立来源包——作为独立来源整包安装 | 273（/.md） |

表中数字为各来源 pinned ref 解包实测数（按注册表 include/exclude 规则筛选后实际落盘的文件数，已对照 pinned archive 的 sha256 核验）。

前两者是 classic 包（离线兜底 release，锚定历史上 67 个适配过的专家副本）的内容源；后两者以独立来源包形式提供。下载走 GitHub 直连或 CDN 镜像双通道并做 sha256 验签与分档安装时安全扫描（分档规则见上文部署策略一节）；装好的来源专家在合并花名册中以「来源名 / 原名」组织，跨源重名专家并存并显式标注来源。以上上游项目均为 MIT 许可证，专家正文版权归各自作者所有，本仓库的分发遵循 MIT 并在此声明致谢。

推荐配置（中文用户）：来源集建议启用 awesome-claude-code-subagents + agency-agents-zh——加上 11 个 bundled core 专家即可覆盖路由表常见条目，且含中文原生专家文本；其余来源按需再加（来源未启用时协议自动降级到 bundled-core，不报错不中断）。解耦声明：本插件不再依赖 dsh-agency-agents——专家选择以合并花名册（bundled-core + 已启用来源）为主供给；未安装 dsh-agency-agents 时协议完整可用，已安装时其花名册仅视为额外来源、本协议不依赖。

🛠️ 自定义

- 专家提示词库：skills/expert-orchestration/experts/.md，直接增删改，格式照现有文件（头部「适用任务」供分诊匹配）；合并花名册无匹配领域时自动回退到这里。
- 经验池：全局 skills/expert-orchestration/lessons.md + 各工作区 .expert-lessons.md。
- 编排协议：agent.cordis.yml（persona 铁律与循环）+ skills/expert-orchestration/SKILL.md（完整协议）。

✅ 兼容性说明

本 preset 不硬编码任何特定部署的工具名（搜索/浏览器/外部 API），所有机制基于 DSH 标准工具 + 两个零依赖 Python 脚本，可直接跨环境使用。

🤝 致谢

- DeepSeek Harness — 核心框架
- MichengAI/dsh-agency-agents — Agency 专家花名册（可选共存来源，本插件不依赖）
- Asher-2000/dsh-expert-mode — 五锚自检 / 经验池 / 独立评审 / 任务板 / 消息总线五个机制的灵感来源
- VoltAgent/awesome-claude-code-subagents · wshobson/agents · msitarzewski/agency-agents · jnMetaCode/agency-agents-zh — 专家库引用来源（MIT）

License

MIT © mario841859784