安装
$npx -p @deepseek-ai/dsh dsh plugin --profile web add github:Karbo123/DSH-EvoResearch#b5dcd4079bc863dadaf1a4328f9a46a4d76b41d3&path:packages/evoresearch-app
| 🎯 | Goal Contract 长程目标控制 | 长期任务自动生成目标合同，四轴保守判定（目标/范围/证据/完成），证据链可审计推进 |
| 📂 | 科研项目工作区 | projects//.evoresearch-data/ 数据随项目目录隔离，项目即 git 仓库，支持导入与 AI 自动命名创建 |
| 🤖 | 多智能体团队 | 6 个科研角色预设（规划/调研/编码/调试/数据分析/写作），/expert invite 一键邀请 |
| 🛠️ | AutoSkills 技能蒸馏 | 从记忆观测自动聚类生成可复用技能提案，审核通过后写入技能目录 |
| ⏰ | 定时任务 | 自研 cron 解析（Vixie 语义），结果直达结果线程，支持「Report to main chat」 |
| 🌐 | 多通道接入 | Telegram 可用；Slack / QQ / 微信 / 飞书 / Signal 适配器框架就绪 |
| 👁️ | 视觉检查工具 | vision_check 工具 + 截图脚本，让模型能"看见"界面并自检（OpenAI 兼容视觉模型） |
| 💬 | 斜杠命令 | /project /memory /schedule /channel /expert /autoskills |
| 🖥️ | 自定义工作台界面 | 自建浏览器表面（不加载官方 ui-* 外壳）：顶栏 + 会话历史 + 真实多轮对话 + 输入面板 + 右侧检查器，浅/深双主题，中英双语 |
| 🪟 | Windows 桌面版 | Tauri 2 + Node sidecar，NSIS 安装包 ~45 MB（实测），含全部后端 |
🚀 快速开始
环境要求
- Windows 10/11（当前仅支持 Windows）
- Node.js ≥ 24（需要内置
node:sqlite 与 zstd；推荐 24 LTS 或 26）
- npm ≥ 10
方式一：Windows 桌面版（开箱即用）
从 GitHub Releases 下载
EvoResearch_0.1.0_x64-setup.exe（~45 MB），双击安装：
窗口内是完整工作台界面，后端（Node sidecar）自动启动、随窗口退出自动清理，无需手动配置。
方式二：网页版（构建后运行）
# 1. 克隆仓库
git clone https://github.com/Karbo123/DSH-EvoResearch.git
cd DSH-EvoResearch
# 2. 构建（插件 + 自定义表面）
npm install
npm run build
npm run verify # 可选：70 个单元测试 + bundle/docs 校验
# 3. 用示例 profile 启动（独立端口，避免与现有 DSH 冲突）
npx @deepseek-ai/dsh --profile profiles/evoresearch --port 3081
# 浏览器打开 http://127.0.0.1:3081
方式三：作为 DSH profile bundle 挂载
在任意 DSH 部署中把本仓库 profiles/evoresearch/ 作为 profile：
// /package.json
{
"name": "dsh-profile-evoresearch",
"private": true,
"dependencies": {
"@deepseek-ai/dsh-base": "^0.1.0-rc.6",
"@evoresearch/dsh-app": "file:path/to/DSH-EvoResearch/packages/evoresearch-app",
"@evoresearch/dsh-plugin": "file:path/to/DSH-EvoResearch/packages/evoresearch-plugin"
},
"dsh": {
"profile": {
"bundles": [
"@deepseek-ai/dsh-base",
"@evoresearch/dsh-app",
"@evoresearch/dsh-plugin"
]
}
}
}
@evoresearch/dsh-app 是自定义浏览器表面 bundle：复用 DSH host 引擎与官方传输/运行时，
但不加载官方 ui-* 外壳 —— 打开即是 EvoResearch 自己的工作台界面。
npm install # 在 profile 目录安装依赖
npx @deepseek-ai/dsh --profile
[evoresearch] host 插件激活（dataRoot: ...）
evoresearch: http://127.0.0.1:3080
🧪 建议：使用独立 DSH 环境测试（避免与现有环境冲突）
如果你目前通过 npx @deepseek-ai/dsh web 使用 DSH，强烈建议为 EvoResearch 建一个独立 profile：
它与你正在用的环境完全隔离（独立端口、独立会话、独立数据目录），互不干扰。
# 1. 创建独立 profile 目录（DSH_HOME 默认为 ~/.dsh）
mkdir -p ~/.dsh/profiles/evoresearch
cd ~/.dsh/profiles/evoresearch
# 2. 写入 profile 声明（内容见上方「方式三」），然后
npm install
# 3. 用独立端口启动（默认 3080，用 --port 指定其他端口）
npx @deepseek-ai/dsh --profile evoresearch --port 3081
# 浏览器打开 http://127.0.0.1:3081
仓库内置了可直接使用的示例 profile：profiles/evoresearch/（已声明三个 bundle）。
⚙️ 配置
在 DSH 的 settings.yaml 中加入 evoresearch 段（或设置环境变量）：
evoresearch:
dataRoot: D:\evoresearch # 部署根目录（projects/ 所在），默认 $EVORESEARCH_DATA_ROOT 或 cwd
memoryTokenBudget: 6000 # 每轮科研记忆包 token 预算
auxiliaryModel: # 分类/Goal 提取用辅助模型（缺省取当前默认模型）
provider: deepseek-official
model: deepseek-v4-flash
autoStartChannels: false # 启动时自动启动已配置通道（如 Telegram）
memoryEnabled: true
visionEnabled: true # 是否注册 vision_check 视觉检查工具（模型未配置时自动跳过）
🧠 科研记忆怎么工作
用户消息 ──▶ session/event
│
▼
1. Turn Catalog 立即落库（pending）
2. 后台：LLM 七类分类（失败自动确定性回退）
→ topic 归一化（复用已有主题）
→ topic state 更新
→ 长程检测 → Goal Contract（v3）
→ 记忆包构建（≤6000 token，RRF 混合召回）
│
▼
3. 每步模型调用前注入
4. turn/end：completed/interrupted + Raw Turn Archive 归档
- 记忆数据存放在每个项目的
.evoresearch-data/memories/：
research_memory.db（SQLite + FTS5）+ observations/*.md（人类可读、git 可管理）；
- 模型可通过
search_research_history、read_research_turn、create_observation 等工具按需读写；
- 既有会话历史会在首次使用时后台自动回填索引（断点续做，可重建）。
🖥️ 桌面版（Tauri 2 + Node sidecar）
| 项 | 值 |
|---|
| 安装包 | EvoResearch_0.1.0_x64-setup.exe，~45 MB（NSIS/LZMA） |
| 运行时 | 复用系统 WebView2（Win10/11 内置） |
| 后端 | Node 24 LTS sidecar（独立 DSH_HOME，不污染用户环境） |
| 体积优化 | provider SDK 裁剪（deepseek profile 思路）、node-pty/sharp 仅 win32-x64 |
node desktop/scripts/build.mjs
# 产物：desktop/src-tauri/target/release/bundle/nsis/EvoResearch_0.1.0_x64-setup.exe
🛠️ 开发
npm install # 安装 workspace 依赖
npm run build # 插件（tsc + client bundle）+ 自定义表面（node half + client + frontend dist）
npm run typecheck # 严格类型检查
npm test # 70 个单元测试（node:test）
npm run verify # build + test + bundle 校验 + docs 校验
packages/evoresearch-plugin/ # @evoresearch/dsh-plugin —— 科研能力插件（host 服务）
├── src/host/ # Host 插件（workspace/memory/scheduler/channels/...）
└── cordis.patch.yml # bundle patch（evoresearch-host 服务行）
packages/evoresearch-app/ # @evoresearch/dsh-app —— 自定义浏览器表面 bundle
├── src/runtime.ts # app-runtime（serve 前端 dist / 表面提示 / URL 打印）
├── src/client/ # 工作台 UI 插件（root slot + layout + 会话消息管线）
│ ├── index.ts # 顶栏 + 三栏布局 + 会话订阅/发送
│ ├── conversation.ts # 消息 Definition（官方语义裁剪）+ chat view
│ ├── chat.ts # 消息气泡渲染 + 输入面板
│ ├── threadlist.ts # 会话历史侧栏
│ ├── inspector.ts # 右侧工作区检查器
│ └── styles.ts # 设计系统（暖色纸面 + 青色品牌，浅/深主题）
├── frontend/ # 前端外壳入口（AppWebEntry 内核）
└── vendor/ # vendored 官方 client-modules 源码（构建时 alias）
profiles/evoresearch/ # 示例 DSH profile（三个 bundle）
desktop/ # Tauri 2 桌面壳 + Node sidecar 打包脚本
docs/ # 中文文档（架构/功能映射/开发/桌面）
📚 文档
❓ FAQ
Q：为什么基于 deepseek-harness 而不是自己写框架？
DSH（0.1.0-rc.6）提供会话、模型路由、子代理、审批、技能、MCP 等完整平台能力，
EvoResearch 只做「科研化」扩展（记忆、项目、团队、调度、通道、界面），避免重复造轮子。
Q：界面是 DSH 自带的吗？
不是。@evoresearch/dsh-app 是自定义浏览器表面：host 引擎与传输完全复用官方
（会话、模型、工具、审批……），但浏览器端不加载官方 ui-* 外壳，界面是
EvoResearch 自己的工作台（视觉复刻，含真实多轮对话、会话历史、浅/深主题）。
Q：数据存在哪里？
每个科研项目一个独立目录 projects//，内部 .evoresearch-data/ 存放
记忆库、观测文件与调度任务；项目本身是 git 仓库，可整体迁移、导入、备份。
Q：没有网络/API Key 时能用吗？
分类与记忆包构建在 LLM 失败时自动退化（确定性分类 + 纯 FTS5 检索），不阻塞主回答。
Q：如何接入更多消息通道？
实现 ChannelAdapter 接口（src/host/channels/base.ts）并在 adapters.ts 注册即可；
Telegram 已提供完整实现（长轮询，仅需 EVORESEARCH_TELEGRAM_TOKEN）。
🤝 贡献
欢迎 PR 与 Issue：完善通道适配器、接入本地/远端 Embedding、增强业务面板（记忆/调度/团队）等。
代码风格：TypeScript 严格模式、中文注释、node:test 单测覆盖。
📄 License
