DeepSeek HarnessHub
提交插件

gulagala001/dsh-trisoul--packages-dsh-canvas ↗★ 0

@trisoul/dsh-canvas

TriSoul 画布编排器插件，提供会话内状态区管理、LLM小作业提炼注入、上下文膨胀检查及手术后探针验收。

AI 分析

核心用途是管理TriSoul多智能体协同中的会话状态与上下文优化。适合需要执行复杂、长流程任务并防止上下文膨胀的用户。通过圈定手术区间和探针验收确保生成质量。

memoryAgent 协作效率
包名
@trisoul/dsh-canvas
版本
0.1.0
许可证
MIT
最近更新
2026年8月27日

安装

此插件尚未提供可验证的 bundle，或兼容性检查未通过。请先阅读仓库说明。 阅读完整 README ↗

说明文档

阅读完整 README ↗

TriSoul —— 三魂共识 Agent

基于 DeepSeek Harness（dsh）的插件套件。 一条命令装好，跑在自己的目录和端口上，不碰你已有的 ~/.dsh；不想要了一条命令删干净。

v0.1 · 半成品，拿来玩玩可以，别拿来干正事。 先把下面的风险提示读完再装。

它是什么

普通 agent 是一个模型自己想、自己写、自己交。TriSoul 把这一步拆成三份并行：

1. 三魂共识

同一份上下文同时发给三个「灵魂」盲写（互相看不见对方的稿子），写完匿名互评—— 每个灵魂只能投别人的票、不能投自己，胜者带着落败稿里的有用要点（tips）去执行。

TriSoul 的一步

三个灵魂是同一个模型的三份实例，区别在于各带一个「镜头」。这一层叫三官， 每官四档（关 / 轻 / 标准 / 猛），档位调的是提示词压强，不是功能开关：

官管什么干的事专属工具
对齐官 align做什么逐字对照用户要求与产出，抓被「差不多」带过去的缩水与偷换task_original（取回用户逐字原话，对抗压缩后的转述漂移）
博识官 erudite凭什么做查证现状与参照，把「我记得」逼成有出处的事实，未知列清单web_search / web_fetch
实证官 empiric做对没有让现实验证结论，验过没验过分开说，推理踩现实锚点run_verify（node --check / tsc --noEmit，只读检查，从不执行你的代码）

立论是：弱模型的病在生成时穷——顾一头就丢其他。所以补偿要发生在生成阶段 （三个镜头各写一份完整稿），而不是对一份穷稿做事后质检。

本发行版默认三官全开「猛」档，和下面那轮评测同配置。 嫌贵可以在网页「设置」里降档，或整栏关掉——关掉后三个灵魂退回旧人设（求稳 / 求成 / 求全）。

2. 画布式上下文

不按「新旧」自动截断对话。上下文分成恒真区 / 状态区 / 工作区， 由一个读得懂内容的「手术刀」圈定区间改写，改完还要做探针题验收。

3. 记忆中枢

独立的模型订阅事件流，自动消化沉淀成记忆；推（开场注入）、拉（trisoul_recall）、 手术后回捞三条通道。

装上以后你看到的还是 dsh 原来的网页，只是多了「监控」「记忆」两个标签页和设置里的 TriSoul 分区。

跑分

怎么测的

DeepSWE 是一套让前沿大模型也只能做对七成的编程题库，官方公开了 62 个「模型 × 推理强度」配置在 113 道题上的全部 28010 次运行记录。

我们从中挑出官方 deepseek-v4-flash 通过率 ≤ 1/4 的 38 道题（其中 17 道是 0/4 四连败）， 用 TriSoul 驱动同一个 flash 模型再跑一遍。全程断网、每题只跑一次、不看答案。

结果

同一批难题上谁能过

通过率口径
deepseek-v4-flash 官方（同底座）10.5%16/152 次尝试 · $0.10/次
TriSoul（同一个 flash）30.6%11/36 题 · 每题只跑 1 次
gpt-5.4 xhigh 官方28.3%43/152 次 · $5/次
deepseek-v4-pro 官方38.8%59/152 次 · $0.25/次
claude-opus-5 全档 官方58.7%436/743 次 · $5–12/次

三件可以直接说出口的事：

  • 同一个模型，架构带来 2.9 倍。 官方 flash 在这 38 题上 152 次尝试只过了 16 次； TriSoul 用同一个 flash、每题一次机会，36 题过了 11 题。
  • 两道 Opus 5 官方 20 次尝试 0 通过的题（awilix、meriyah），TriSoul 过了。 另有 ink-grid（Opus 5 仅 2/20）、csstree（2/20）、bandit-structured （3/20，全场 62 个配置池化通过率仅 7%）。
  • 近失很多。 DeepSWE 只认隐藏测试 100% 通过。除 11 题满分外，还有 10 题只差 1–2 个测试。

近失分布

表决数据

183 轮表决的全景统计：

  • 胜者分布均衡：A 54 / B 43 / C 52（36% / 29% / 35%），没有哪个灵魂垄断。
  • 平票率 18.6%（34/183），上一轮是 17.9%——两批几乎一致，是结构性现象不是偶然。 平票按轮次轮换定胜者，轮换落点 12/11/11 也是均匀的。
  • 因为投票者只看别人的稿，单候选票数上限是 2，数学上不可能出现 3-0。 2-1 就是这套架构里最强的共识信号，「全票通过」不存在。

一个具体例子：pwntools 第 9 步，一个灵魂想通过改弱测试绕开尚未修好的死锁， 另外两票精确点名 "weakens test_accept_closed … to dodge the bug"，2:0 否决。

如果跑满 113 题（推算）

全量推算

只跑了 flash 做不好的 38 题，剩下 75 题按假设外推：

假设113 题总分榜上位置同档
flash 官方基线53.3%第 38 / 62—
其他题分数不变60.0%第 26gpt-5.6-terra xhigh（60.2%）
其他题获同类型提升63.8%第 23gpt-5.5 high（64.4%）、deepseek-v4-pro max（62.8%）

榜首 claude-opus-5-max 是 73.6%。（这三行是推算不是实测，仅作参考。）

口径

这 38 题是按「官方 flash 表现差」挑的，TriSoul 每题只跑 1 次、官方每题 4 次， 所以上面对比用的是「平均每次通过率」（pass@1），不是「四次里至少过一次」（pass@4）。

完整报告

→ TriSoul × DeepSWE：用一个小模型，做到接近大模型的事

含逐题转胜分析（awilix / bandit-structured / ink-grid 三个故事）、表决全景、 断网与作弊面审计、全量推算的完整算法。也可以直接下载 docs/deepswe-report.html 本地打开——单文件、无外链、无脚本。

安装

前置：Node.js ≥ 20、pnpm。没有 pnpm 就先装一个：

npm i -g pnpm

然后：

npx github:gulagala001/dsh-trisoul init
npx github:gulagala001/dsh-trisoul start

init 会把宿主 dsh 和 TriSoul 插件装进一个独立目录（Windows 是 %LOCALAPPDATA%\dsh-trisoul，macOS / Linux 是 ~/.dsh-trisoul），首次约 1~3 分钟。 start 起服务并打开浏览器，默认地址 **http://127.0.0.1:3081**。

最后一步：在网页里点 设置 → 模型，填一个 DeepSeek API key，保存即用。 key 存在你自己的安装目录里，页面不会回显明文。

没有 git 的机器上 npx github: 会失败，改用 Releases 里的压缩包，解压后在目录里跑 node cli/index.mjs init。

用法

npx github:gulagala001/dsh-trisoul 

  init        安装（首次）
  start       启动并开浏览器
  stop        停止
  restart     重启（有任务在跑时会拒绝，除非 --force）
  status      看状态
  log [n]     看最后 n 行日志
  doctor      重打上游补丁 + 自检
  uninstall   卸载

常用选项：--port （默认 3081）、--cwd （Agent 的工作目录，默认是你当前所在目录）、 --no-open（不自动开浏览器）、--force。

想让它在某个项目里干活，就在那个项目目录下 start，或者 start --cwd /path/to/project。

这个仓库里有什么

cli/            安装器与启停命令（零第三方依赖，直接 node 跑）
  index.mjs       命令分发入口
  lib/init.mjs    装宿主 dsh → 复制插件 → 装配 profile → 打上游补丁 → 自检
  lib/server.mjs  start / stop / status / restart（Windows 走 taskkill，POSIX 走信号）
  lib/uninstall.mjs  卸载（带路径安全围栏，拒绝删 $HOME、~/.dsh 这类目录）
  lib/patch-pi-ai.mjs  给上游 pi-ai 打一个 O(n²) 性能补丁，可用 doctor 重打

config/
  trisoul.patch.yml  profile 配置模板：挂哪些插件、三魂人设、三官档位、模型路由

packages/       TriSoul 插件本体（服务端 6 个 + 客户端 3 个）
  dsh-plugin/     三魂共识：盲写 / 匿名表决 / tips 挂账 / 平票轮换
  dsh-canvas/     画布式上下文：恒真区 / 状态区 / 工作区的分区与触发
  dsh-surgeon/    上下文手术刀：圈定区间改写 + 探针题验收
  dsh-memory/     记忆中枢：事件流消化、推 / 拉 / 回捞三通道
  dsh-guard/      安全门：共识 ≠ 授权，三个灵魂一致同意的危险动作照样拦
  dsh-api/        Web UI 的后端接口 + 三官档位解析 + 监控归因
  client/memory-ui、client/monitor、client/settings   三个网页插件（预构建产物）

docs/           README 里的图表 + 完整评测报告（单文件 HTML）

装完以后东西都在安装目录里，和这个仓库无关：

~/.dsh-trisoul/          （Windows：%LOCALAPPDATA%\dsh-trisoul）
  host/     独立安装的 dsh 宿主
  app/      TriSoul 插件副本
  home/     DSH_HOME：profile、设置、会话、你填的 key
  data/     记忆库、会话绑定
  logs/     日志与 pid

卸载

npx github:gulagala001/dsh-trisoul uninstall              # 删干净
npx github:gulagala001/dsh-trisoul uninstall --keep-data  # 先把记忆库和会话备份到 ~/trisoul-data-backup

会先停掉服务，再删掉整个安装目录（宿主 dsh、插件、profile、记忆、日志、你填的 key 都在里面）。 你原有的 ~/.dsh、原版 dsh 的配置和会话一律不动，系统里也没有别的残留。

风险提示

这套架构是拿准确率换资源的，代价很实在，装之前请知悉：

风险说明
输入暴涨三个灵魂各自吃一份完整上下文，输入 token 至少 ×3；三官开「猛」档时每魂还要多背一份上千字符的人设；再加上记忆中枢和手术刀的后台调用，账单比单模型高一个量级是常态。先用小额度试，嫌贵先把三官降档。
缓存命中差三个灵魂人设、温度各不相同，每轮盲写又要重组上下文，prompt 缓存很难命中，省不下这部分钱。
并发限制三路盲写并行，外加后台的记忆消化和上下文手术，很容易撞上 API 的并发/限流上限。撞上了表现为变慢、报错或某个灵魂掉线（会降级到 2/3 继续）。
结果不稳定共识机制不保证每次都收敛到同一答案：同样的问题问两次可能给出不同方案。平票时（实测约 18.6% 的轮次）有轮换兜底，但那不是「更对」，只是「有个结果」。
只能本机用服务默认只绑 127.0.0.1，接口没有鉴权，不要暴露到公网。
模型得会输出 JSON盲写协议要求模型稳定输出 JSON，做不到的渠道不适配。
还是半成品宿主 dsh 自己也标着 developer preview，会有破坏性变更；本项目钉死在一个已知能跑的版本上。

和原版 dsh 的关系

  • 全部功能都以 dsh 插件形式实现，宿主一行没改；两个上游依赖的补丁在安装时自动打（doctor 可重打）。
  • 装在独立目录、独立端口（3081，原版默认 3080），和你已有的 dsh 互不影响，可以同时开着。
  • 宿主 dsh 是 MIT 协议的开源项目，本项目同样 MIT。

许可证

MIT