English | 中文

dsh-explore

面向 DeepSeek Harness 智能体的轨迹级并行探索。

当你需要不止一个答案时，dsh-explore 会把你的智能体分叉成 N 个并行分支——每个分支都继承你的对话上下文，独立探索不同的思路——然后返回所有答案（当有验证器时，选出一个赢家）。

一个智能体，一个任务
      │
      ├─ fork #1 ──→ 答案 A
      ├─ fork #2 ──→ 答案 B   ──→（可选）验证 → 选赢家
      └─ fork #3 ──→ 答案 C

现在能做什么（v0）

• explore 工具 —— 用 { branches: N } 调用，并行 fork N 个子智能体，得到 N 个真正不同的答案。
• 基于 dsh 的 fork 子智能体 provider：每个分支用父会话的「已完成轮次前缀」做种子，因此共享你的完整上下文。
• 现在就能跑，已针对 preview 版本实测。

已实现但待上线（v1）

• verify 参数 —— 对每个分支跑一条 shell 命令，选通过的那个（以执行为真值，不信 LLM 自述）。
• 赢家 diff —— diffTrajectories 解释「赢家为什么赢」（共享前缀 → 分歧的工具调用 → 错误计数）。
• 两者都已实现并通过单测；端到端路径被工作区隔离卡住：dsh 的 fork 子智能体共享父会话的工作目录，并行分支会互相覆盖文件改动。计划的方案是「输出 diff → 应用到 git worktree → 验证」（即 ParallelEnv 的树分叉模式）。

为什么可靠

• 确定性回退 —— dsh 的 fork 用父会话的精确前缀做种子，分支之间不共享可变状态。
• 执行为真值 —— verify 路径跑真实命令、读退出码，绝不轻信智能体的自述。
• 有预算上限 —— 分叉数有上限，每个分支有硬超时。

理论基础

受 LATS（语言智能体轨迹上的 MCTS）、Agent Q（环境奖励；LLM 自我批判仅作引导）、带执行验证器的 best-of-N（EvoScale / μ Code / SWE-bench）、以及 ParallelEnv（隔离环境上的树分叉）启发。

包结构

• packages/core —— 纯算法库、零依赖：bestOfN、mcts、UCT、verdictFromRun、diffTrajectories、selectBest。隔离单测（14 个测试）。