Prime 智能体模式 theguy000/dsh-prime

dsh-prime

为 DeepSeek Harness 提供 prime 智能体模式，一种 RLM 风格的模式，这里的 RLM 取自 prime-agent 的用法，再加上 DSH 默认不提供的那部分：Continual Harness 和按会话持久化的 Python RLM REPL。

程序化工具调用与持久 Python REPL。 模型默认通过代码工作（python_repl + mode: native），并拥有一个有状态的 python_repl 工具，背后是每个会话独立的持久 Python 3 进程。上下文存放在变量里（ctx、messages、goal、workspace、store），支持顶层 await，子代理、harness 状态和宿主工具都能直接从 Python 调用（await rlm("...")、rlm.spawn()、rlm.harness.、await tools.<name>(kwargs)）。

Continual Harness。 智能体自己维护的持久、分作用域、带版本的记忆，能跨压缩存活。事实、提示词规则、可复用技能和子代理角色规格都会连同触发它们的证据一起记录；每条记录带一个 8 字符的 ref，智能体（或操作者）可以用它就地更新、固定或删除；每次写入都会快照 before/after 状态，支持即时 --rollback；两层（session 和 workspace）都会重新注入每个 Prime 提示词。

RLM 对比能走到哪一步

| prime-agent | dsh-prime |
| 从代码中程序化调用工具和子代理 | 相同 —— Node PTC 里用 await tools.<name>(args)，python_repl 里用 await tools.<name>(kwargs) |
| 持久 REPL：上下文跨调用存放在变量里 | 完全支持 —— python_repl 为每个会话保留一个持久 Python 3 内核，带 ctx（含压缩前的轮次）、messages、goal、workspace 和磁盘支持的 store |
| rlm.spawn() 句柄，通过 agent_message 回复 | 完全支持 —— rlm.spawn() / await rlm(..., role=...)、rlm.list_subagents()、rlm.send_message()、rlm.interrupt() 和 agent_message.send() |
| Continual Harness：分作用域、可精炼、带版本的状态 | 完全支持 —— 两个作用域（session、workspace），4 种组件类型（memory、prompt、skill、subagent），按 8 字符 ref 执行 add/update/delete/pin，证据门控，以及带 --diff 和 --rollback 的 before/after 快照 |

在 Web/Desktop 的智能体预设选择器里选 Prime，或者打补丁把配置档设成默认：

- id: agent-preset-registry
config:
default: prime

设计

对等靠的是组合，加上一个专注的 RLM 与 Continual Harness 运行时。 DSH 已经提供了 prime-agent 的大部分接口；cordis.patch.yml 是一份声明式的 @deepseek-ai/dsh-agent-preset 声明，把这些已发布的包接在一起，而 index.js、tool.js 和 client.js 提供 Continual Harness、持久 Python REPL 桥、动态技能/子代理投影，以及 Settings → Prime Harness 管理界面。

一个预设的 config.plugins 列表永远不会和另一个预设的合并，所以 mode 自包含，改动 standard 或 ptc 都不会影响它。

能力对照表

左列的事实来源：prime-agent README。

| prime-agent 能力 | DSH 实现方式 | 状态 |
| 「一切皆可编程」？模型工具是持久 REPL | dsh-agent-tool-presentation 配 mode: ptc，dsh-tool-workflow 跑在 dsh-workflow-ptc 之上，再加持久 shell（dsh-tool-bash-persistent / dsh-tool-pwsh-persistent），还有 python_repl（按会话保持状态的 Python 3 RLM 内核，带 ctx、messages、store、rlm. 和 tools.） | 完整 |
| rlm.spawn(...) 子代理以编程方式返回结果 | dsh-tool-subagent（provider: spawn）+ dsh-tool-subagent-fork（provider: fork）+ python_repl 的 rlm.spawn(..., role=...) / rlm.send_message / agent_message.send | 完整 |
| /refine？harness 自我改进，基础提示词不可变，快照可回滚 | dsh-prime（本插件）：持久存储 + /refine 命令 + harness_refine 工具 + 4 种组件类型 + 按 ref 原地更新/删除/固定 + 前后快照，支持 --rollback 和 --diff + 压缩后自动 refine | 完整 |
| 技能是可执行包；技能创建器 | dsh-skill-filesystem + dsh-tool-skill + 动态 prime-harness 技能服务商，把 kind: "skill" 的 harness 条目暴露给在线技能目录 | 完整 |
| 会话在后台运行，之后可重新接入 | dsh-jobs-local + dsh-tool-jobs + 会话持久化；子会话活得比父轮次更久 | 部分？应用之外无法分离/重新接入 |
| 智能体直接通信 | python_repl 里的 rlm.send_message / agent_message.send + dsh-tool-subagent-control；如果偏好对等名册的交互方式，可以用 dsh-experimental-agent-team | 完整（走 RLM/子代理消息；见注 1） |
| 自动压缩 | compaction 组：dsh-compaction-basic、dsh-command-compact、dsh-compaction-tool-result-pruner | 完整 |
| 持久目标（/goal） | dsh-command-goal + dsh-tool-goal，底层是 dsh-goal | 完整 |
| 有预算上限的自主模式（/autonomous） | dsh-goal-round-driver + maxGoalRounds 上限 + dsh-tool-ralph 全新智能体循环 | 部分？没有用户自定义的质量门（见注 2） |
| 心跳与调度（/heartbeat、prime-agent schedule） | dsh-time-context + dsh-tool-schedule，底层是 dsh-schedule | 完整 |
| 长任务跨轮次持续推进 | 目标 + 压缩 + 保留/可续接的子代理 + 调度 + 持久 REPL 的 store | 完整 |
| 通过 SSH/tmux 使用剪贴板，自定义证书颁发机构 | 与 mode 无关；DSH 在部署/传输层处理这些 | 不适用 |

持续演进的 harness

不带参数的 /refine 会跑一次 refinement pass：智能体回顾对话，记下哪些内容应该比对话活得更久。/refine <note> 则记录一条直接记下来。条目存在磁盘上，所以天然能活过压缩，提示词区段每次组装都会重新渲染。

智能体通过 harness_refine 工具写入（或在 python_repl 里用 rlm.harness.），绝不用斜杠命令——斜杠命令只有操作员能用，所以下面的触发方式都点名工具。

这个区段自己声明权威，也必须如此。 区段开头写的是 "Treat them as already verified: when one answers the operator's question, answer from it rather than re-deriving the answer from the code"，并说明只有在没有条目覆盖问题、或事实可能已过时时才去读源码。标题用 Established:，因为 Recorded: 读起来像日志。

捕获要主动，不是补救。 提示词区段带一条常驻指令：操作员说出持久事实的同一轮就记下来，因为只活在对话里的偏好，历史一压缩就没了。手动 /refine 命令和压缩后钩子是兜底，补主动路径漏掉的。

按 ref 原地修正、4 种组件类型、快照。 每条渲染出来的行都以 8 字符的 ref 句柄、创建日期和可选的 [kind:name] 标签开头：

- 31725ce5 [2026-10-17] [prompt:routing] Always declare Route: fast-path before routine edits.

条目有错或被取代时，模型按 ref 更新或删除（action: "update" | "delete"），而不是在旁边追加一条矛盾的条目。每条条目属于四种组件类型之一：

- memory（默认）——持久事实、约束和发现。
- prompt——每轮都遵守的常驻行为或路由规则，优先级高于未固定的 memory 笔记，这样常规事实永远不会把它们挤掉。
- skill——可复用工作流，动态注册进 DSH 运行中的 skills 服务（prime-harness 服务商），tool-skill 和 / 触发能立刻调用。
- subagent——可复用的子代理角色规格，rlm.spawn(..., role="<name|ref>") 会自动把它加到所生成子代理的任务提示词前面。

一次调用承载整轮，每轮都拍快照。 harness_refine 接收 findings: [...]（每次调用最多 20 处编辑；超量批次会被原子拒绝，所以一轮绝不会写一半）。每次变更都记录有界的 before/after 快照（MAX_SNAPSHOTS = 25），带 +added ~updated -deleted 差异计数，所以任何一轮或一处编辑都能用 /refine --diff [<ref>] 查看，用 /refine --rollback [<ref>] 一步撤销。

作用域与命令行用法

两层。操作员在 Settings → Prime Harness 里选写入目标，智能体从不自己选：它记录的一切都进选中的层。读取则始终两层都读。

| 作用域 | 范围 | 存储为 |
| session（默认） | 仅本次会话 | ~/.dsh/prime/session-<id>.json |
| workspace | 共享此工作目录的所有会话 | ~/.dsh/prime/project-<sha1(cwd)>.json |

/refine # refinement pass, default scope
/refine workspace # refinement pass, workspace scope
/refine prefer composition over a new abstraction
/refine workspace --kind prompt always run checks before committing
/refine workspace --kind skill --name lint-check Run npm run check before git commit.
/refine --list
/refine --clear
/refine --snapshots # list before/after snapshots
/refine --rollback [<ref>] # roll back to the latest or named snapshot
/refine --diff [<ref>] # inspect before/after diff of a pass
/refine --pin <ref> / --unpin <ref> # pin or unpin an entry by ref
/refine --edit <ref> <new text> # update an entry in place by ref
/refine --delete <ref> # delete an entry by ref
/refine --reset-repl # reset the session's persistent Python REPL

排序与提示词缓存稳定性

相关性排序沿用 prime-agent 的 harness_digest.rs：目标 objective 权重为 3.0；最近四条用户/助手发言消息权重依次为 2.0 / 1.5 / 1.0 / 1.0，取窗口前先按 source.kind 过滤，避免注入的运行时上下文挤掉操作者的话；查询词最多 48 个；pinned 条目额外加 +100。

系统提示词里，条目顺序是置顶优先，其次是 prompt 类规则，再按最新优先（promptOrder），预算为 topK = 12 / 4000 字符，而不是每轮按查询重排，这样 LLM 的 KV-cache 前缀在各步之间保持稳定。rank 决定 /refine --list 和设置界面的显示顺序。

持久化 Python REPL（python_repl）

除 DSH 的 Node PTC 运行时（run_code）之外，Prime 还挂载了 python_repl：一个按会话隔离的有状态 Python 3 内核，支持顶层 await，并通过双向 JSON-RPC 桥接回宿主。

- 持久命名空间与磁盘存储： 变量、函数、类、导入在会话内跨轮次保留。写入 store["key"] = value（或经 set_vars 传入）的任何可 JSON 序列化键值，都会持久化到 ~/.dsh/prime/repl-session-<id>.json，重启后仍在。
- 抗压缩的对话记录（ctx 与 messages）： 每次求值前，extractSessionContext 读取 session.snapshotEvents()（把已压缩的帧标记为 compacted: true），因此即使上下文压缩把较早轮次从模型提示词里丢掉，Python 代码仍能检索并分析整段对话。
- 程序化 RLM 与工具桥接：
- await rlm("task", name="worker", role="auditor", fork=False) 或 rlm.spawn(...)
- await rlm.list_subagents()、await rlm.send_message(id_or_name, msg)、await rlm.interrupt(id_or_name)
- await agent_message.send(msg, receiver_name="main")
- await rlm.harness.list(scope=None, kind=None)、.add(...)、.update(...)、.delete(...)、.snapshots()、.rollback()、.diff()
- await tools.<tool_name>(*kwargs) ? 在调用方智能体上调用任意已注册的 DSH 工具。

Windows 桌面端 ConPTY 与沙箱桥接

在 Windows 上的 DeepSeek Harness Desktop 中，process.execPath 是 DeepSeek Harness.exe（一个 Electron 二进制，链接了 /SUBSYSTEM:WINDOWS），而 @deepseek-ai/dsh-sandbox-windows-acl/lib/runner.js 位于 resources/app.asar 内部。基于管道的子进程能正常继承句柄，但 dsh-terminal-bash（persistent-pwsh）通过 node-pty（CreatePseudoConsole / ConPTY）启动 shell。Windows ConPTY 不会把 WINDOWS_GUI 子系统的可执行文件挂到伪控制台上，这会导致 workspace-write 下的 persistent-pwsh 立刻退出，并报 Error: PTY shell exited during startup。

index.js 里的 ensureWindowsSandboxRunner 在 Windows 桌面端自动完成桥接：把沙箱 runner 和原生 koffi 绑定解压到一个带版本号的临时缓存，并让 sandbox.internals.windowsAclRunnerArgs 指向 DSH 自带的 /SUBSYSTEM:CONSOLE Node 二进制（resources/runtime/primary-runtime/dependencies/node/bin/node.exe）。

设置界面

设置 ? Prime Harness（由 client.js 使用 @deepseek-ai/dsh-client-ui-primitives 注册）与 POST /prime/api 通信，提供：

- 默认写入范围与工作区浏览器： 在 This conversation（session）和 Workspaces（workspace）之间切换。在 Workspaces 视图里，完整的工作区选择器会在冷启动时列出所有已知仓库（来源包括活跃会话、DSH storages 和 ~/.dsh/prime/project-.json 文件），并显示条目数量，因此即使当前没有打开任何聊天，你也能查看、添加、编辑或回滚任意工作区的记忆。
- 组件类型与条目控制： 按类型（Memory、Prompt、Skill、Subagent）筛选和添加条目，把条目置顶或取消置顶到提示词区顶部，就地编辑条目的文本/类型/名称，或删除单条条目。
- 快照历史、差异与回滚： 查看每一次记录的变更（+added ~updated -deleted），内联查看变更前后的差异，一键回滚。
- 持久 Python REPL 状态： 查看活跃内核状态、求值次数、当前变量名、持久化的 store 键，并重置内核。

验证

npm run check

| 检查项 | 覆盖范围 |
| test/self-check.mjs | store 往返、/refine 标志、harness_refine 的批量/证据/更新/删除契约、python_repl 持久命名空间 + store + RLM 子代理/工具/harness RPC 桥接 + 动态 skills 服务商、预设门控的压缩后钩子、/prime/api 路由端到端，以及客户端 bundle 不变量 |
| test/validate-patch.mjs | cordis.patch.yml 里每一行都能在已安装的 DSH bundle 树中解析到，并且 harness_refine 和 python_repl 两个 schema 都能通过 @deepseek-ai/dsh-tools 的校验器 |
| test/scope-check.mjs | 作用域隔离（session 与 workspace）、已废弃的 project 和 global 写法、去重、容量上限，以及按目标与查询加权的排序 |

目录结构

| 文件 | 作用 |
| cordis.patch.yml | 声明式 dsh-prime 根行 + 自包含的 preset-prime（Prime）智能体预设 |
| index.js | Continual Harness 宿主侧（作用域存储、快照/回滚/差异、排序、/refine、预设门控的压缩后钩子、常驻 python_repl 内核与 RPC 桥、Windows ConPTY 沙箱桥、/prime/api） |
| tool.js | 挂载在 preset-prime 内的智能体作用域侧：prime:continual-harness 提示词段、harness_refine 工具、python_repl 工具，以及动态 prime-harness 技能服务商 |
| client.js | 设置 ? Prime Harness 界面（__ModuleLoader__ bundle，使用 @deepseek-ai/dsh-client-ui-primitives，无需构建步骤） |
| test/self-check.mjs | 端到端测试：宿主、工具、python_repl、RLM 桥、API 路由与客户端契约 |
| test/validate-patch.mjs | bundle 行解析与 @deepseek-ai/dsh-tools JSON schema 校验 |
| test/scope-check.mjs | 作用域隔离、别名、去重、上限与相关性排序测试 |