shenzhantu/dsh-subagent-coding

subagent-coding

一套跨模型通用的预设 + 派发 skill，让 DSH coding subagent 表现得像一个可靠组件——输出可解析、行为有界、汇报诚实——而不仅仅是一个任务求解器。

一套跨模型通用的 DSH coding subagent 预设 + 派发 skill：证明方式不是「会做题」，而是「是可靠部件」——输出可解析、行为有界、汇报诚实、跨模型稳定。

Version DSH Models License: MIT

为什么需要它 / Why

主 Agent 程序化调用 subagent 时，痛点不在解题能力（旗舰模型在简单编码任务上早已饱和），而在行为契约：

| 痛点 | 基线实测（minimal/standard 预设） | 本预设 + skill 实测 |
|---|---|---|
| 返回值主 Agent 能直接解析吗 | 11 个有效格 0 格产出可解析结构化返回（聊天 / markdown / 整段代码贴回复） | 单一 JSON（status / files_changed / verification / uncertainties / next_step_hint），schema 稳定 |
| 坏环境（验收文件缺失）会怎样 | 有效 3 格全倒：2 次伪造验收（自建测试跑「通过」后宣称完成）+ 1 次非 JSON 但如实分项（主动报备「验收标准无法正式核实」） | 一次绕过后 blocked + 精确 next_step_hint；累计 20 轮 0 伪造 |
| 同一任务重复派发结果稳定吗 | 方向「彩票」（同模型两轮走出相反优化方向） | 钉方向后 4/4 落地；差异格 pass^k 全绿（3/3 ×2 + 2/2） |
| 换一家模型行为变吗 | — | 4 厂商模型（Kimi/GLM/Qwen/DeepSeek）契约行为跨模型稳定，双臂矩阵 11 有效格全部分化 |

数据采集于 2026-08-22/23（prompt 层）与 2026-08-25 至 09-04（skill 类型化层，80 轮双臂实测），DSH 0.1.1-rc.1。完整证据与「能主张 / 不能主张」清单：v0.2.2 综合发布报告（prompt 层）、v0.3.0 发布报告（skill 类型化 + 实测）、Phase 2 评测报告。

仓库内容 / What's in the box

preset/    subagent-coding 预设 v0.3.0（prompt 内容与 v0.2.2 一致；agent.cordis.yml + preset.yml + system-prompt.md 镜像）
skill/     subagent-dispatch 派发 skill（主 Agent 侧：任务类型路由、方向钉死、验收三件套、重派协议、泄漏自查、实测反哺的分级策略）
tests/     可复现基准套件：T 系列 8 任务 + C 系列 3 契约考题 + 双臂协议 + reset/purge 脚本
docs/      治理、状态、计划、参考报告、研究资料与历史归档

四位一体：预设管 subagent 半边（行为契约），skill 管主 Agent 半边（派发质量）——「subagent 的失败，根源大多不在 subagent，而在派发文本没钉死关键信息」。

快速开始 / Quick start

要求：DSH 0.1.1-rc.1（本预设使用 ~/.dsh/.agent-presets/ 发现机制；改预设后需重启 DSH）。

1. 安装预设
mkdir -p ~/.dsh/.agent-presets/subagent-coding
cp preset/agent.cordis.yml preset/preset.yml ~/.dsh/.agent-presets/subagent-coding/
重启 DSH 后，Web UI 预设选择器中出现 "Subagent for Coding"

2.（可选，主 Agent 侧）安装派发 skill 到你的项目工作区
mkdir -p /.dsh/skills
cp -r skill/subagent-dispatch /.dsh/skills/

使用：主 Agent 按 skill 的覆盖清单起草派发文本（核心四项：方向钉死 / 验收三件套 / 范围边界 / 返回约定）→ 派发给 subagent → 收到 JSON 即停止交互，uncertainties 逐条裁决，blocked 先修环境再重派。派发文本逐字段指引与完整示例见 skill/subagent-dispatch/references/dispatch-guide.md。

Plugin 化（dsh plugin --profile  add  一键安装）在路线图中：dsh plugin 机制为 profile 目录内的 pnpm 转发，交付物需包装为 plugin-bundle 补丁层——schema 调研完成前不承诺一键安装。

适用场景与不足 / Scenarios & limitations

适用：主 Agent 程序化派发编码子任务；长驻/自动化流程（环境故障有界上报，不死循环烧 token）；跨厂商模型混用；需要可审计执行过程（判分协议含独立复验：复跑/diff/mtime）。

不足（如实声明，详见发布报告 §六）：
1. token 开销真实存在：persona 约 2600 token + 协议交互；追求极致 token 的场景用 minimal 更省（但其行为轴实测全面劣化，时间方差达 27 倍）
2. 简单任务无区分度：解题轴饱和（双方全对）——价值在契约轴
3. 统计强度有限：矩阵多数格 n=1，仅差异格 pass^k（n=2-3）
4. 模型间残余差异：uncertainties 申报质量分层（qwen 型隐性契约盲区经 skill 派发层修复，属边际触发）
5. 版本绑定：实测于 DSH 0.1.1-rc.1，rc 版 schema 可能破坏性变更
6. 难题未分化：T09/T10 全员通过，下一档难度（多文件/并发/构建链）在路线图

复现基准 / Reproduce

bash tests/reset.sh T09          # 重置任务工作区到起始态
DSH Web UI 新建会话 → 选预设+模型 → 粘贴派发文本（tests/tasks/T09/instruction.md 或 skill 起草版）
bash tests/purge-c-sessions.sh   # 判分后清除基准会话（防泄漏）

判分口径：tests/tasks/*/criteria.md（二值表）；协议：tests/benchmark-protocol.md / tests/contract-protocol.md。⚠️ 任务与判分标准公开即视为被未来模型「见过」，复现数据请自行注明采集日期。

文档 / Docs

| 文档 | 内容 |
|---|---|
| 综合发布报告 | 主张清单、证据层级、派发质量章节、方法论、诚实注记 |
| 契约测试报告 | C 系列双臂完整数据（契约矩阵 / pass^k / 伪造行为全景） |
| 多任务报告 | T 系列 / minimal 基线对照 / 难题实测 |
| 跨模型报告 | 四模型验收与行为观察 |
| 派发 Skill 报告 | 派发 Skill 双臂验证 + 边界补测 |
| 完整文档导航 | 当前入口、治理、状态、计划、参考与归档位置 |
| skill/subagent-dispatch/references/evidence.md | skill 每条规则的实测证据与诚实标注（直接实测 / 同族背书 / 工程判断） |

当前入口

- 开发者从 PRD.md 和 完整文档导航 开始；
- Agent 必须先读取 AGENTS.md；
- 当前状态见 PROGRESS.md；
- 运行时权威源是 agent.cordis.yml；
- system-prompt.md 是阅读镜像，不是修改源。

路线图 / Roadmap

- [ ] 补充 T05/T06，并继续增加安全与环境故障契约题
- [ ] dsh plugin 打包调研 → 通过后上 dsh-plugin topic
- [ ] continuable subagent 变体（多轮协作场景）
- [ ] 将手工基准逐步迁移为隔离、可重复的 headless runner

License

MIT ｜ 数据采集 2026-08-22/23 ｜ 基准污染 caveat 见发布报告文首