← 返回列表
需源码安装
🚀 NVIDIA AVO + DeepSeek Harness DSH — 混合执行引擎
暂不能直接安装（需源码编译或环境不满足）：仓库缺少 package.json，无法用 dsh 插件安装命令安装。 · 最近上游提交 2026/9/20 · 已提供中文文档
NVIDIA AVO + DeepSeek Harness（DSH）混合执行引擎，适用于 Antigravity、Claude Code 及前沿 LLM。宏观监督 + 微观细粒度工具执行。
综合分
30
GitHub 分
30
用户评分
—
★ Stars
0
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 sunilkumar770/nvidia-avo-deepseek-dsh-harness-仓库缺少 package.json，无法用 dsh 插件安装命令安装，改用 GitHub 源安装
信任档位：已验证本站已于 1 天前真实安装成功
- 是什么
- dsh 原生插件 · chat
- 装得上吗
- 本站已真实安装成功（非静态推断）
- 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 5 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 →
🟢实装验证通过· 2026/9/24
由本站实装验证器在真实 dsh 环境安装成功，非静态推断。
数据截至 2026/9/20（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nvidia-avo-deepseek-dsh-harness-（未发布到 npm，仅可源码安装）
✓Node 引擎未声明 engines.node
✓dsh CLI 依赖未声明 dsh 版本约束
✗入口文件缺少入口声明
仓库缺少 package.json，无法用 dsh 插件安装命令安装
验证方式：npm registry 存在性 + package.json 静态校验 · 最后验证 2026/9/21 23:40:09
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🚀 NVIDIA AVO + DeepSeek Harness (DSH) — 混合执行引擎
License: MIT
Python: 3.8+
Antigravity Compatible
Claude Code Compatible
DeepSeek Harness
宏观监督（NVIDIA AVO）+ 微观执行（DeepSeek Harness / DSH），适用于 Google Antigravity、Claude Code、Cursor、Windsurf 和 Gemini CLI。无需下载任何模型——可封装任意 LLM 后端（Gemini 3.6/3.5、Claude Opus/Sonnet、GPT-4o）。
🏛️ 架构：AVO + DSH 混合流水线
该混合流水线将智能体职责拆分到两个互补的层级：
* NVIDIA AVO（宏观层）： 作为监督者与状态优化器运行。它维护长期记忆（.agent_memory.json），监控执行进度，跟踪 token 预算效率，并在智能体陷入循环时进行干预。
* DeepSeek Harness / DSH（微观层）： 作为模块化、插件驱动的执行引擎运行。它提供细粒度的工具执行、子智能体、会话日志记录以及灵活的工具调用模式。
[ Antigravity IDE / Workspace ]
│
▼
┌─────────────────────┐
│ A.V.O. Supervisor │ ◄── (Monitors Stagnation & Long-Horizon Memory)
└──────────┬──────────┘
│ (Delegates Task Execution)
▼
┌─────────────────────┐
│ DeepSeek Harness │
│ (Cordis DSH Engine) │ ◄── (Executes Files, Shell Commands, & Tools)
└──────────┬──────────┘
│
▼
[ Test / Compiler Output ] ──► [ AVO Log & Evaluate ]
⚡ 一条命令即插即用安装
方案 A：通用远程安装器（推荐）
在终端中打开任意项目文件夹并运行：
python -c "import urllib.request; exec(urllib.request.urlopen('https://raw.githubusercontent.com/sunilkumar770/nvidia-avo/main/install.py').read())"
方案 B：本地克隆并安装
git clone https://github.com/sunilkumar770/nvidia-avo.git
cd nvidia-avo
python install.py
方案 C：可选的 DSH CLI 全局安装
npm install -g @deepseek-ai/dsh
🐍 混合引擎 API 与 CLI 用法（hybrid_engine.py）
直接通过混合编排器运行任务：
Execute hybrid task via avo CLI
avo hybrid "Refactor main module and verify unit tests pass" --mode standard
Or run hybrid_engine.py directly
python hybrid_engine.py "Fix authentication loop in middleware"
Python API 集成
python
from hybrid_engine import HybridAVODSHEngine
engine = HybridAVODSHEngine(workspace_path=".")
success, output = engine.execute_dsh_step("Run full test suite", mode="standard")
🧠 AVO + DSH 的 4 项核心原则
1. 记忆优先（.agent_memory.json）：在尝试任何任务之前，AVO 会加载尝试历史、环境事实和失败指纹，以阻止重复走入死胡同。
2. DSH 细粒度工具执行：DSH（或子 shell 回退）负责处理文件编辑、脚本执行和细粒度工具调用。
3. 持久会话哈希：输出会使用 12 个字符的 SHA-1 指纹进行哈希处理（例如 be71d557286c）。
4. 停滞循环逃逸：如果连续 3 个操作产生相同的错误指纹，AVO 会标记为 STAGNATION，并强制进行干预策略重定向。
💻 命令行界面（CLI）
bash
View session memory summary & dead ends
avo summary
Run diagnostic health check (AVO + DSH)
avo doctor
Run hybrid orchestration task
avo hybrid "Run unit tests"
Check for loop stagnation
avo check
Store a durable project fact
avo fact "Backend runs on port 8080"
🧪 自动化测试套件
在您的机器上验证 100% 的运行完整性：
bash
python test_avo.py
📄 许可证与署名
- 许可证：MIT License
- 研究参考：灵感来源于 NVIDIA Corporation 的 Agentic Variation Operators (AVO) 研究架构以及 DeepSeek Harness (DSH) Cordis 运行时。
- 维护者：Sunil Kumar