网课减负助手 sqxart/course-study-dsh

course-study-dsh

给 DeepSeek Harness 用的网课减负技能：把视频看完、把弹题答对、把章节测验的证据摆出来。

不刷倍数、不伪造心跳、不碰上报接口。倍速优先用平台播放器菜单里给的那几档；属性写入只作退路，且必须读回。

装上之后：能直接用吗？

主链路不需要任何 API key。 但有几项能力是「作者本机刚好有、别人不一定有」的，缺了不会崩，只会降级——先看这张表，能省掉大半「为什么我这里不对」：

| 能力 | 需要什么 | 缺了会怎样 | 是否必需 |
| 打开课程、看视频、答弹题、交测验 | DeepSeek Harness + 一条 mcp-browser 通道 + 你自己的学习通登录态 | 什么都做不了 | 必需 |
| 取题库、写复习卡、拼文档 | Python 3.10+（标准库即可） | 跑不了脚本 | 必需 |
| 截图 OCR 读题（quiz_ocr.py） | pip install -r requirements-ocr.txt（Pillow / fonttools / rapidocr / onnxruntime） | 改用模型读保存下来的截图，或走 DOM 明文 | 可选 |
| 无字幕转写（asr_mimo.py） | ffmpeg + ffprobe + 一个 ASR 服务 key + [asr] enabled = true | 无字幕课退回「学科判断 + low_confidence」，复习卡跳过该节 | 可选，默认关闭 |
| 外部题库比对（bank_crosscheck.py） | pip install pymupdf | 跳过比对，题库只用平台原文 | 可选 |
| 会话成本报告（session_cost.py） | pip install -r requirements.txt（zstandard） | 只是没有成本报表 | 可选 |
| 测试（pytest tests） | Node.js（node --check 校验文档里的 JS 片段） | 相关用例 skip，其余照跑 | 可选 |

装完先自检：

python scripts/doctor.py # Python/Node/OCR/字体 一次看清
powershell -ExecutionPolicy Bypass -File .\install.ps1 # 装到 ~/.agents/skills/course-study-dsh

install.ps1 会把 private.toml.example 复制成 local/private.toml——公开默认是证据模式、不提交； local/、runs/、knowledge/ 都在 .gitignore 里，不随仓库走。

两个开关：自动提交 与 ASR（默认都关，选择权在你）

先说清楚：这个技能有自动作答并提交章节测验的能力，也有自动转写无字幕视频的能力，但默认全关。 默认的「证据模式」只读题、只摆证据——不点选项、不点提交、不重做，最安全，代价是你拿不到分。
如果你（账号本人、有权处理这门课的人）需要它真的把测验做掉，请自己打开下面这些开关；我们不会替你开。

| 开关 | 位置 | 打开后会发生什么 | 风险 |
| mode = "completion" | local/private.toml | 允许用学科知识推断答案（标 low_confidence），不再要求字幕原文 | 推断可能错；错答案进了成绩不可撤回 |
| [quiz] submit = true | 同上 | 章节测验会真的点选项并提交 | 提交消耗作答次数、分数入档；0 分可能不点亮任务点；能否重做由平台决定 |
| redo_once = true | 同上 | 未满分时自动重做 1 次（仍受平台剩余次数限制） | 重做是新事务，次数用尽就没有了 |
| [asr] enabled = true | 同上 | 无字幕课先转写，再按转写原文答题 / 写复习卡 | 需要 key + ffmpeg，按音频时长计费（见下一节） |

打开方式（按需删掉注释、只改你确实需要的行）：

mode = "completion" # 允许推断；只读用户保持默认 "evidence"

[quiz]
submit = true # 真的提交；没有授权就别开
redo_once = false # 未满分自动重做一次；确认平台还有次数再开

[asr]
enabled = true # 无字幕课转写

打开之前请自己权衡（这些是真实后果，不是免责套话）：

- 自动提交 = 把「作答 + 提交」交给模型。答错就进档案，多数课程不能撤销；有的课提交后才给正确答案，有的连答案都不给。
- 部分课程提交后学习记录里会出现作答痕迹（#workAnswerId、「已查看」）；只读模式也会留下「已查看」，但不会有分数。
- 自动答题依赖字幕/转写质量：没有原文时模型会猜，猜错的分收不回来。想要稳妥就只开视频、不开测验。
- 平台若对自动化行为有判定，后果由使用者承担；请只在自己的账号、自己有权处理的课程上使用。
- 本技能不绕过验证码、付费墙、权限限制，也不改上报字段——这些边界不会因为打开开关而放宽。

怎么确认现在是什么模式：python scripts/doctor.py 或看 local/private.toml 的 mode / submit，安装器装完也会打印一行。
想只做一部分，就按 四种功能 挑：只视频、只测验、只题库、只知识总结都支持。

ASR（无字幕转写）：默认关闭，按需开启

只有「这节课没有字幕、你又想按老师原话答题/写复习卡」时才需要它。三个条件缺一不可： ffmpeg 在 PATH、有 ASR 服务的 key、local/private.toml 里 [asr] enabled = true。

它替你做什么：进节点时读播放器里的字幕清单；没有字幕就取签名直链 mp4，切 90 秒分块转写，把文本存到 runs/<task>/asr/<节>.txt，再把这段原文用于弹题作答和复习卡；有字幕的课直接存 SRT，不花这笔钱。
不想用、没配 key、或者中途关掉 enabled，都会自动退回「不转写」的老流程，不会卡住主链路。
默认走 MiMo（mimo-v2.5-asr，OpenAI 兼容的 input_audio 负载）；作者实测 30 分钟视频约 40 秒转完、约 0.5 元/小时音频。
邀请活动目前仍有效（2026-10 核实）：

我在用 MiMo 开放平台，体验小米顶尖模型 MiMo V2.6 等。通过我的邀请码注册：双方各得 ¥10 API 体验金 + 首单 9 折。
邀请码：KQDN7K。注册：<https://platform.xiaomimimo.com?ref=KQDN7K>（注册后自动填入 · 体验金 40 天有效）

（邀请码是作者的分成链接；不想用可以直接搜官网自己注册，脚本不绑定任何邀请关系，拿别家的 key 一样能跑。）

我在用 MiMo 开放平台，体验小米顶尖模型 MiMo V2.6 等。通过我的邀请码注册：双方各得 ¥10 API 体验金 + 首单 9 折。
邀请码：KQDN7K。注册：<https://platform.xiaomimimo.com?ref=KQDN7K>（注册后自动填入 · 体验金 40 天有效）

（邀请码是作者的分成链接；不想用可以直接搜官网自己注册，脚本不绑定任何邀请关系。）

不锁定这家：脚本接受任何同形态的 OpenAI 兼容端点，换服务只是几个参数的事——

python scripts/asr_mimo.py --source "<签名 mp4>" --out runs/asr/2.1.txt
--endpoint https://api.groq.com/openai/v1/chat/completions
--model whisper-large-v3-turbo --auth-style bearer --provider-key-env GROQ_API_KEY

不想联网就在本地转写（faster-whisper / whisper.cpp），结果丢进 runs/<task>/asr/<节>.txt，技能照样认。
常见免费路线、成本、排错表与本地做法见 ASR 说明。

它做什么

- 打开学习通课程目录，按平台允许的最高倍速静音播放，直到视频结束。
- 弹题：读字幕原文，用带时间轴的引文作答；找不到原文就标低置信，不硬猜。
- 章节测验：frame body 截图 → 本地 OCR（窄页面直接打印全部行，不套固定 x 区间）→ 按 li[qid] 的 DOM 顺序和 span[data] 选答；有提交授权时才在提交前核对隐藏值，多选题再做「选项—字幕覆盖」预检。
- 每节结束回目录核对完成标记，记录到本次 runs/ 目录。

它不做什么

- 不用代码强行改出菜单没有的倍率：菜单能点才点；退路写 playbackRate 时读回校验，读回不一致就记 rejected，按平台实际速率播。
- 不提交任何没有授权的测验；公开版默认证据模式 + 不提交——找不到原文就停在证据页。
- 不做作业代写、不做 PDF 交付（那是 course-homework 的事）。
- 不绕过验证码、付费墙或权限限制。

与其他项目的区别

网课自动化不缺实现：OCSJS（3.8k★）覆盖四平台、自带题库；Samueli924/chaoxing（3.6k★）走接口直报。这个项目只做一件它们没做的事：

把视频字幕当成证据源。 弹题和测验答案要能在字幕里找到原文和时间轴，找不到就标低置信；不靠视觉模型硬猜、不"先交了再看答案重做"。没有字幕的课不假装有：地球历史 1.3.3 的多选题无从查原文，就标 low_confidence 并接受丢了 25 分。
事后的题库与复习文档也只吃平台原文：题面与「我的答案」来自提交后的结果页，平台不给正确答案就留空，不用学科知识补。

已实测范围

| 项 | 结果 |
| 学习通 · 人工智能与创业智慧 | 84/84 任务点，26 个节点，24 个满分 |
| 5.5 多选题 | 83.3（少选，部分给分） |
| 12.4 「三创」题 | 0 分（答案不在字幕里，已提交不可改） |
| 学习通 · 网络安全培训 1.1 | 381 s 视频，2x 静音 187 s 看完，平台正常计入 |
| 学习通 · 地球历史 1.3.3 | 454.6 s 视频（锁 1x）+ 1 道弹题 + 测验 75 分；任务点 2→0 |
| 学习通 · 地球历史 1.4.1 | 389.6 s 视频（锁 1x）+ 1 道弹题 + 测验 100 分；任务点 2→0 |
| 学习通 · 地球历史 1.2.1（预跑） | 498.3 s 视频（锁 1x）+ 1 道弹题；证据模式只读测验、未提交；任务点 2→1 |
| 学习通 · 地球历史 1.2.2（复测） | 409.0 s 视频（锁 1x）+ 1 道弹题；证据模式只读、未提交；任务点 2→1；19 次 / 0.80M token |
| 学习通 · 网络安全培训 1.3（A）+ 1.1（B）并发 | 234.6 s + 381.2 s @2x；两段播放重叠 124.6 s；任务点都 1→0；A 13 次 / 0.53M，B 18 次 / 0.74M |
| 学习通 · 丝绸之路上的民族（10 节，A） | 10 节视频（合计 6985.7 s @1x）+ 10 次弹题 + 10 次章节测验；9 节 100 分、3.4 50 分；任务点都 2→0；7 节有 SRT |
| 学习通 · 丝绸之路 4.3（A）+ 无人驾驶车辆 1.1（C）并发 | 834.1 s @1x + 503.5 s @2x；真实重叠 251.9 s；A 任务点 2→1，C 1→1（2x 视频 ended 但未清）；A 24 次 / 1.08M，C 25 次 / 1.28M；无验证码/多终端 |
| 学习通 · A 10 节 + C 10 节（2026-10-20） | 20 节视频（合计 9207.5 s）+ 15 次章节测验；13×100 + 2×50；任务点全部清零；20 节点 16.60M token，去掉两个试点异常后 0.53M/节点 |
| 学习通 · 三门课全量清零（2026-10-20 ~ 10-21） | 157 节 / 283 任务点全部归零：丝绸之路上的民族 43/43（86 点）、无人驾驶车辆 81/81（164 点）、语言与文化 33/33（33 点，纯测验）。两门视频课 0.43M token / 10.1 次调用每节点；纯测验课 6.5 次调用、40–70 秒每节；全程无验证码 / 9010 / 多终端 / 日上限 / 登出 |
| 其中「多视频节」这个坑 | 3 点节点里竖排两个视频，完成条件是「观看时长 ≥ 总时长的 90%」；只播第一个只有 83% / 58%，永远不计分。逐个播到 ended 后行尾立刻归零 |
| 学习通 · 三门课题库与复习文档（2026-10-21，全程只读） | 157 节 / 413 题入库：题面、选项、「我的答案」、得分全部来自提交后的结果页；#addTimes 在该页不存在，目录行尾与日上限无变化。字幕抓到 无人驾驶 81/81、语言与文化 31/33、丝路 9/43，复习文档按「字幕原话+时间轴 / 考点 / 易错点」生成。正确答案仅 375 题可定（全部是满分题反推），38 题平台未开放 |
| 学习通 · 论文写作初阶 34/34 节（2026-10-21） | 139 题全部拿到平台「正确答案」（answer_visible 34/34）；34 张复习卡；33/34 节有字幕，2.1 走 ASR。0 提交 / 0 选项点击 / 0 重做 |
| 学习通 · 食品营养与食品安全 30/30 节 | 89 题（86 题满分反推、3 题只有「我的答案」）；复习卡 30 节；字幕 30/30；两道空答案题用外部题库 PDF 补候选并标注「非平台答案」 |
| 学习通 · Python语言基础与应用 9 个测验节 | 86 题（84 题满分反推）；58 个视频节全部有字幕，复习卡 58 张；题库节与视频节分开统计，knowledge.md 67 个小节标题 |
| 学习通 · 视频节点顺手留存字幕/转写 | 每个节点把 allsubtitle 与签名 mp4 记进 evidence.json，media_keep.py 落成 SRT（或按开关转写），复习卡直接复用；同一节课不重复抓、不重复付费 |

- 1.2.1/1.2.2 的只读测验在平台“学习记录 → 章节测验详情”里显示 已查看、无分数、不是“已完成”。
- 2026-10-19 用 1.2.3 做只读实测：打开答题页后 #addTimes=0、#limitWorkSubmitTimes=100，没有提交/start 请求，任务点仍 2；打开本身没有消耗提交次数（至少这门课/这个字段语义）。仍会留下“已查看”痕迹；限次=1 的课未单独验证。
- 账号 B（独立 profile，browser2）：完成课「食品营养与食品安全」1.1 只读打开，SRT 230 条、gate supported；倍速菜单在 DOM 里但不可见，属性写 2 读回 2 后还原 1x/暂停/静音。没有打开测验，没有进度变化。
- 2026-10-20 两账号有界并发：A「网络安全培训」1.3 + B「网络安全培训」1.1，2x 菜单、播放重叠 124.6 s、都 ended、任务点都 1→0；A 13 次 / 0.53M token，B 18 次 / 0.74M，--audit-submit 都 clean；无验证码、无多终端提醒。长视频、测验/提交并发未验证。
- 2026-10-20 A+C 三通道有界并发（只做视频、不提交）：A「丝绸之路」4.3（834.1 s @1x）+ C「无人驾驶车辆」1.1（503.5 s @2x），真实重叠 251.9 s；A 任务点 2→1，C 视频 ended 但 1.1 行尾仍 1（2x 是否计入未判定，也可能是该 1 分本就是测验）；A 24 次 / 1.08M token，C 25 次 / 1.28M；两边 --audit-submit clean、日上限 0×0、无验证码/多终端。C 的 2x 归因待 1x 复测。
- 2026-10-20 两账号各 10 节点（A：丝路 4.3/4.4/5.1–5.3 + 网络安全 1.4–1.8；C：无人驾驶 1.1–2.5）：视频 + 章节测验全部任务点清零；13×100 + 2×50；独立回读目录 20 行全部无任务点数字；无验证码/9010/多终端/日上限；20 节点 16.60M token，去掉两个试点异常后平均 0.53M/节点（纯视频 0.20–0.55M，视频+测验 0.43–0.74M）；workflow 两链并行。
- 2026-10-20「欧洲文明概论」1.1（B，视频已完成、只差章节自测）只读打开：5 题，#addTimes=0、#limitWorkSubmitTimes=100，0 选择 / 0 保存 / 0 提交，任务点仍 1。限次=1 的课仍未遇到。
- 2026-10-20「丝绸之路上的民族」连续 10 节（A，completion）：视频合计 6985.7 s @1x、弹题 10 次、章节测验 10 次各提交一次；9 节 100 分、3.4 50 分，10 节任务点都 2→0。1.1/1.2/3.2/3.3/3.4/4.1/4.2 有 SRT（143–272 条），2.1/2.2/3.1 的 allsubtitle 返回 []，只能按学科知识作答并标 low_confidence。
- 3.4 的 50 分是真实局限：Q1 多选「亚历山大帝国把()全部连接起来」的引文同时提到地中海/印度河/咸海/波斯湾，gate 判全 supported，但题库答案是这四个区域的真子集，ABCD 全选判 0。已提交一次、未重做（redo_once=false）。gate 只证明词在原文，不证明集合；「全部连接/全部包括」类题不要全选。

单节点成本（实测）

2026-10-19，两次用子代理独占浏览器、单标签跑完整节（视频 + 弹题 + 章节测验），分别量三件事：

| 节点 | 视频 | 调用 | 会话 token | 任务点 |
| 地球历史 1.4.1 | 389.6 s @1x | 8 | 0.49M | 2 → 0 |
| 地球历史 1.3.3 | 454.6 s @1x | 10 | 0.53M | 2 → 0 |

- 调用数取子代理会话里的 tool/call 事件；token 取同一会话的 total（scripts/session_cost.py）；任务点用新加载的目录快照跑 scripts/toc_status.py 前后对比（不是看视频 ended）。
- 1.4.1 是修好配方后的数字；1.3.3 多出的 2 次来自两个工具缺陷（判断题 token 校验、OCR 控制台编码/面板过滤），已修并复测。
- 预算公式（1x 锁速课）：4 + ceil(视频秒数 / 175)。4 = 进节点并起播 + OCR + 提交并回目录 + 写证据；观察器每 175 秒一次、带 timeout 返回，下一回合续。2x 可用的课观察次数减半。
- 两节都在本地 mode=completion 下跑；公开默认 mode=evidence 遇到无字幕的测验会停在证据页，不会提交 1.3.3 那种推断答案。
- 这两个数字只覆盖这一门锁 1x 的课，不外推到所有课程。
- 不要把多个节点塞进同一个子代理：2026-10-20 丝绸之路 10 节用「3 节点一批」跑了三批，分别是 75 次 / 6.47M、82 次 / 5.18M、81 次 / 5.21M，折合约 1.73–2.16M token/节点，超过 1.5M 预算；而单节点新会话是 1.4.1 = 0.49M、1.2.2 = 0.80M。原因是上下文跨节点累积。一个子代理只跑一个节点（或最多 2 个）。

2026-10-19 又跑了一次证据模式预跑（地球历史 1.2.1，冷启动子代理，测验只读不提交）：498.3 s 视频，37 次调用 / 2.29M token / 任务点 2→1。
37 次不是流程必需：其中 21 次浏览器调用，约 16 次花在目录帧试探、弹题按钮试错、回目录重进和冷启动读文档上。
这些已固化成 单节点快速配方（含可粘贴代码）。同一天用 1.2.2 复测（409.0 s，仍然冷启动、证据模式、只读不提交）： 19 次调用 / 0.80M token / 浏览器 7 次 / 任务点 2→1——比 1.2.1 少 18 次调用、少 1.49M token，浏览器调用在 8–10 目标内。
scripts/check_evidence.py 与 session_cost.py --audit-submit 是这次预跑补的可测量闸门。
--audit-submit 的 clean 是证据模式的要求：completion 模式本来就会点 .btnSubmit，报 review 是正常的；证据模式报 suspect 才需要先查清。

token：子代理自己的会话文件（调用数 = 其中的 tool/call 事件数）子代理 id 就是 %USERPROFILE%\.dsh\sessions\<workspace-key>\<id>\ 的目录名
python scripts/session_cost.py "<...>/<subagent-id>/session.v4.jsonl.zstd" --audit-submit

证据：证据模式下应为 OK，且 submitted=false、0 次点击/提交
python scripts/check_evidence.py runs/<task>/evidence.json --require-readonly

任务点：进节点前、完成后再各拍一次目录快照
python scripts/toc_status.py runs/<task>/toc-before.yml --prefix 1.4
python scripts/toc_status.py runs/<task>/toc-after.yml --prefix 1.4

从 GitHub 安装（把你的链接 + 下面这段一起发给 DSH）

这个技能不是「点一下自动装」的插件：DSH 的技能发现是读 <agentsHome>/skills/<name>/SKILL.md，所以安装动作是 clone → 跑安装脚本 → 重载会话。把仓库链接和下面这段一起发给你 DSH 里的智能体即可：

帮我装一个 DeepSeek Harness 技能，仓库：<在这里粘贴 GitHub 链接>

按顺序做，每步报告结果：
0. 先自查，再动手：我的工具清单里有没有 mcp__browser__ / mcp__browser2__* / mcp__browser3__* 这类浏览器通道？
没有就先别装，先告诉我怎么加一条 Playwright 的 mcp-client —— 这是能不能真跑课的前提，装完没通道只能离线用。
1. git clone 到临时目录（如 %TEMP%\course-study-dsh），cd 进去；
2. 确认 python >= 3.10；
3. 运行 powershell -ExecutionPolicy Bypass -File .\install.ps1 （默认装到 %USERPROFILE%\.agents\skills\course-study-dsh）；
4. 运行 pip install -r requirements.txt；
5. 在仓库根目录验证，期望 exit 0 且 copies: 1、source_is_installed_copy: false、manifest_drift_files: 0：
python .\scripts\dsh_probe.py --agents-home %USERPROFILE%\.agents --require-discovered --require-winner %USERPROFILE%\.agents\skills\course-study-dsh
6. 重启/重载 DSH 会话，让技能目录刷新；
7. 汇报：装到哪、探针三个数字、通道结论（有/没有），以及我下一步该怎么配。

装好后我打算用它跑学习通课程。默认是证据模式、不提交测验；需要提交时我会另外明确授权。

两点前提，装之前值得先确认：

- 需要一个浏览器通道（Playwright MCP 的 mcp-client 行，工具前缀 mcp__browser__* 之类）。
没有通道时本技能只做离线工作（读文档、跑脚本、做证据校验），不会去连页面——这是设计上的边界，不是 bug。
通道怎么配见 DSH 运行说明 的「启用受支持的浏览器通道」。
- 安装脚本是 PowerShell（Windows）。仓库里没有 macOS/Linux 的安装器；其他平台只能手工把 SKILL.md、references/、scripts/、tests/ 复制到 <agentsHome>/skills/course-study-dsh/。

安装

需要 Python 3.10+（本机实测 3.14.7）和 Node/npx（浏览器通道用）。装到 DSH 能发现的位置：

powershell -ExecutionPolicy Bypass -File .\install.ps1
已有安装就地升级（保留 local/ 配置）： powershell -ExecutionPolicy Bypass -File .\install.ps1 -Force 默认装到 %USERPROFILE%\.agents\skills\course-study-dsh；设了 DSH_AGENTS_HOME 就装到 $env:DSH_AGENTS_HOME\skills\course-study-dsh。
装完重启或重载 DSH 会话，技能目录才会刷新；探针本身不需要重载。

只想验证打包、或装到别的目录（DSH 不会自动发现，除非把它加进发现根）：

powershell -ExecutionPolicy Bypass -File .\install.ps1 -Target C:\path\to\course-study-dsh

-Target 的最后一级目录名必须正好是 course-study-dsh；父目录不必预先建；目标必须不存在或为空，-Force 就地升级。安装脚本把 private.toml.example 种成 <安装目录>\local\private.toml（默认 evidence / 不提交），已有 local/private.toml 不会被覆盖。输出里的 uploaded: false 是固定值：脚本不上传任何文件。

装完在源码仓库根目录跑探针（这样 --source 默认是仓库，能把安装副本和源码比对）：

<agents home> = %USERPROFILE%\.agents，或你设置的 $env:DSH_AGENTS_HOME
python .\scripts\dsh_probe.py --tools tools.json --agents-home <agents home> --require-discovered --require-winner <target>

如果只能用安装副本里的探针（例如只有安装包），它默认 --source 就是自己，manifest_drift_files 会走「安装副本 vs 安装时记录在 package-manifest.json 的哈希」的自检；这能查篡改，但不能证明和源码一致。输出里 source_is_installed_copy: true 就是这种自比。

安装和探针必须在同一个 shell/环境变量下：DSH_AGENTS_HOME 同时决定安装目标和探针的发现根。新 shell 丢了变量时，探针可能找到旧安装或 0 份，exit 仍是 0。要显式指：

- --agents-home <...\agents>：agents home，里面是 skills\course-study-dsh；
- --custom-root <...\skills>：技能根，里面直接是 course-study-dsh；
- --require-discovered：扫不到任何安装副本时 exit 5；
- --require-winner <target>：winner 不是这个安装目录时 exit 6（stderr 带 winner-mismatch），防止环境变量丢了却找到旧安装；--require-discovered 仍是 exit 5（not-discovered）。

--tools 的相对路径按当前工作目录解析；把 tools.json 放在当前目录，或写绝对路径。清单就是工具名 JSON 数组，让 Agent 把当前工具列表写成 ["read", "mcp__browser__browser_click", ...] 即可。单技能不用加 --name。

看输出里的这些字段，不要只看 exit 0：

- tools.verdict：candidate（有浏览器形状的工具，仍未验证）/ none（没有）/ unknown（没给清单）。没有时 exit 1，capability.live_course_work 才是 blocked。
- copies / winner：文件系统发现了几份安装、哪一份 rank 最小。candidate 只证明工具面，不证明你刚装的副本会被加载；copies: 0 说明安装目录不在发现根里——改装到默认根，或用上面的参数指过去再跑（--require-discovered 会让这种情况 exit 5）。
- manifest_drift_files / drift：与 package-manifest.json 比对的差异；0 = 没有差异。source_is_installed_copy: true 表示比的是「安装副本 vs manifest 哈希」，false 表示比的是「安装 vs 源码」。
- 不带 --tools：只证明文件系统发现，tools.verdict: unknown、exit 0——不会把「没提供清单」说成「没有浏览器」。

依赖：

pip install -r requirements.txt # zstandard：session_cost.py 读会话日志
pip install -r requirements-ocr.txt # 可选：本地 OCR 读题；不装也能用截图 + 模型读图

浏览器通道默认没有：需要 Node/npx，并在 DSH profile 的 cordis.patch.yml 加一条 mcp-browser（Playwright MCP，独立 profile；多账号再加一条 id 不同、--user-data-dir 不同的），重载后登录。配置样例与限制见 references/dsh-runtime.md 的「启用受支持的浏览器通道」。没有它只能做离线工作。

另一个机器或另一个人只照 README 验收时，用 ACCEPTANCE.md 的 5 步清单（安装 → 探针 → doctor → 一节不提交 → 量成本）。

用法

装好后在 DSH 里把平台、课程、章节和授权说清楚，例如：

学习通「地球历史及其生命的奥秘」1.3.4，视频看完就好；章节测验先给我看证据，不要提交。

- 没给提交授权时，技能停在「读完题、摆出证据」这一步；submit = true 且 mode = "completion" 才会提交推断答案，且只提交一次。
- 证据模式下章节测验只读：打开答题页、截图/OCR、逐题写证据，不点选项、不点提交、不重开。打开答题页会生成 #workAnswerId，它不等于提交；1.2.3 实测 addTimes 仍为 0、没有消耗提交次数，但会在平台留下「已查看」。
- 想量单个节点的成本，按「单节点成本」里的命令：子代理会话 → session_cost.py，目录快照 → toc_status.py。
- 没有字幕的课会标 low_confidence，不会假装有原文。
- 三个账号（B 已退役）：每个账号一条独立配置档的 mcp-browser 系通道，单标签、单执行器；跨账号做过两次有界视频并发（A+B 重叠 124.6 s、A+C 重叠 251.9 s）和一次两账号各 10 节点批量（20/20 任务点清零）；长视频/测验/提交并发未验证；A+C 里 C 的 2x 视频任务点未清，原因是那 1 分本就是章节测验。规则和停手条件见 多账号运行。
- 单节的固定动作（进节点/起播、175 秒观察器、弹题、测验只读、回目录）有可粘贴代码：references/quickstart.md。

配置

local/private.toml（不进仓库；安装脚本会在安装目录生成一份，内容来自 private.toml.example）：

mode = "evidence" # evidence（默认）| completion（私用）

[playback]
rate = 0 # 0 = 平台允许的最高档；填 1 强制保守

[quiz]
submit = false # 动作开关：false 时连证据答案也不提交
redo_once = false

[limits]
max_calls_per_node = 30 # 建议预算，不是代码门禁；超限写进 evidence.deviations

- mode = "evidence"：只允许提交有字幕/原文支撑的答案；submit=false 时连有支撑的答案也不提交，停在证据页写 do-not-submit。
- mode = "completion"：允许按学科知识推断并提交，记录里标 low_confidence=true，只建议在本人账号上用。
- 技能开始前读这个文件来决定本次模式；它是流程约定，不是内核强制——绕过它的责任在使用者。
- max_calls_per_node 是建议预算，没有代码会因超限而停；超了要写进 evidence.deviations，并用 session_cost.py 复核。
- 公开包默认 evidence + submit=false；本机要完成优先，就自己改成 completion + submit=true。

风险

1. 账号风险：任何自动化播放都可能被平台判定异常。本项目不伪造心跳，但不保证不被风控。
2. 配置不是内核门禁：submit 与 mode 由技能开始时读取，没有代码强制；默认关，打开后责任在使用者。
3. 实证范围有限：三个账号（B 已退役）、七门课（账号 A：人工智能与创业智慧 84/84、网络安全培训 1.1–1.8、地球历史 6 个小节、丝绸之路上的民族 1.1–5.3；账号 B：食品营养与食品安全 1.1 只读取字幕和倍速，欧洲文明概论 1.1 只读测验；账号 C：无人驾驶车辆 1.1–2.5），其中 2026-10-20 两账号各 10 节点批量已把任务点清零，但 A 5.2/5.3 是 50 分。地球历史 1.2.1/1.2.2 只跑到证据模式、未提交测验。
4. 证据模式仍会打开答题页：会生成 #workAnswerId，平台“学习记录 → 章节测验”里会标成已查看（没有分数、不是已完成）。1.2.3 实测 #addTimes 仍为 0、没有提交请求、任务点不变，因此打开本身没有消耗提交次数；但“已查看”是可见痕迹，不想留痕就在指令里明确“不要打开测验”。限次=1 的课未单独验证。

许可证

MIT，见 LICENSE；来源与第三方声明见 NOTICE。