dsh-darwin 🐦‍⬛

给 DeepSeek Harness（dsh）的双插件自进化架构：一个插件负责"发现问题"（dsh-sentinel），一个插件负责"制造修复"（dsh-forge），中间用一份可独立发布的协议（@dsh-darwin/protocol）传递问题工单 → 候选 → 评测回执 → 谱系。

与市面上"LLM 自由反思"式进化插件的本质区别：变异之外必须有选择压——评测门（隐藏评分器 + 回归套件 + 成本适应度）和确定性回滚。没有选择的进化只是随机生成。

架构

┌──────────────────────────────────────────────────────────────────┐
│                         DSH 运行时 (Cordis)                       │
│                                                                   │
│  ┌───────────────┐  ProblemTicket   ┌─────────────────────────┐  │
│  │ dsh-sentinel  │ ────────────────▶│ dsh-forge               │  │
│  │ 信号源（B 面） │  (storageDomain  │ 插件工厂（A 面）          │  │
│  │               │   共享域 darwin)  │                          │  │
│  │ · 重试环       │                  │ · 近重复拒绝              │  │
│  │ · 工具错误簇   │                  │ · 分级合成(config/skill)  │  │
│  │ · 高频中断     │                  │ · 评测门(P2: fork A/B)    │  │
│  │ · Token 浪费  │ ◀────────────────│ · 晋级 .dsh/skills(热载)  │  │
│  └───────────────┘  EvalReceipt/谱系  │ · 快照确定性回滚         │  │
│           ▲                          └─────────────────────────┘  │
│           │ sessionQuery · sessionProjections · tokenMeter         │
└──────────────────────────────────────────────────────────────────┘

三个包：

包	角色	状态
`packages/protocol`	Zod schema 四件套 + 域名约定 + 回归任务格式（含隐藏评分器隔离 `redactForAgent`）	✅ 可独立发布，目标：`dsh-evolution-protocol` 事实标准
`packages/sentinel`	信号源插件：`darwin_scan` / `darwin_report` 工具，机械化挖掘 → 工单	✅ P0 可用，可独立安装当"会话体检"
`packages/forge`	插件工厂：`darwin_forge` / `darwin_promote` / `darwin_rollback` 工具	✅ P1（skill/config 级）；P2 试挂与 fork 评测门接口已预留

安全边界（默认保守）

MVP 只启用零代码执行的两级合成：config（patch 行草稿，恒为 disabled）与 skill（纯 Markdown，官方分层注册表热重载）；
template / code（Creator 模式 cordis_define 自由代码）默认关闭——官方明言 vm 沙箱"不是安全边界"；
晋级默认 requireConfirm: true，且每次晋级必留快照；回滚是确定性恢复（不用 LLM 重猜）；
回归任务的评分标准（expect）物理上不进入任何 agent 上下文（redactForAgent），hold-out canary 翻车一票否决。

快速开始

# 开发
pnpm install
pnpm typecheck   # 全包 TypeScript 严格模式
pnpm test        # 55 个单测（miner/distiller/gate/promote/rollback/protocol/lab）
pnpm lab         # 跑 5 组模拟实验并生成 LAB_REPORT.md（E1 挖掘查全查准 / E2 端到端飞轮 /
                 #   E3 评测门对抗 / E4 回归自动回滚 / E5 防膨胀稳定性）

# 安装到 DSH（在有 DSH 的机器上）
dsh plugin --profile  add ./packages/sentinel
dsh plugin --profile  add ./packages/forge

安装后在 DSH 会话里：

让 agent 调 darwin_scan → 扫描最近会话，挖掘问题并落库；
调 darwin_report → 按严重度输出会话体检报告；
调 darwin_forge → 取最严重工单合成候选技能（近重复会被拒绝立项）；
调 darwin_promote { candidateId, confirm: true } → 写入项目 .dsh/skills/（热重载生效，留快照）;
不满意？darwin_rollback { skillName, confirm: true } → 确定性回滚。

darwin_report 输出示例（取自 packages/lab 的模拟负载，可直接复现）：

## dsh-sentinel 会话体检（开放工单 9）

### [70] 工具错误簇 · 工具错误簇：bash:ETIMEDOUT 累计失败 8 次
- id: `tkt-6b34f2a1c9d80e77` · 累计 8 次 · 浪费 ~0 tokens · 最近 seen 2026-09-01T15:00:00.000Z
  - [retry-0#3] bash 失败 ETIMEDOUT: bash failed with ETIMEDOUT
  - [retry-1#3] bash 失败 ETIMEDOUT: bash failed with ETIMEDOUT

### [64] 重试环 · 重试环：retry-# 短窗口内重试 16 次
- id: `tkt-90ab...` · 累计 16 次 · 浪费 ~1800 tokens · …

同类缺陷的不同会话会按指纹合并为一张工单（occurrences 累加），darwin_forge 只对严重度最高者立项、近重复拒绝重复覆盖。

路线图

P0（当前）：sentinel 独立可用（挖掘 + 工单 + 报告）。
P1（当前）：forge skill/config 级合成 + 人工确认晋级 + 快照回滚。
P2：接 ctx.dynamicCordisRunner 试挂（接口已预留：src/trial.ts）+ ctx.sessions.fork 冠军/挑战者 A/B + ctx.workflow 跑回归任务集 + tokenMeter 成本适应度（评测门已实现：src/gate.ts，并已在 packages/lab 的模拟闭环中验证）。
P3：code 级合成（默认关闭）、全自动闭环、跨工件统一谱系。

模拟实验验证（packages/lab）

mock DSH 运行时 + 真实插件代码 + 种子化概率 agent，验证闭环五环节（结果见 LAB_REPORT.md，pnpm lab 可复现）：

实验	验证内容	结果
E1	挖掘查全/查准：植入缺陷全检出、干净会话零误报	✅ 9 工单，0 污染
E2	端到端飞轮：48 会话 → 挖掘→合成→门→晋级→重放	✅ 成功率 47.9%→95.8%，token −37.9%
E3	评测门对抗：过拟合/变贵/真改进	✅ reject / reject / promote
E4	毒技能回归 → 确定性回滚恢复	✅ 100%→15.4% 检出，回滚后恢复 100%
E5	工单耗尽优雅停止、无重复签名技能	✅

上游兼容性声明

DeepSeek Harness 处于开发预览期，官方保证会有破坏性变更。本仓库：

所有对 DSH 服务的访问收敛在每个包的 src/dsh-adapter.ts（标注 TODO(verify 0.1.x)）；
对未验证的 API 形状采用防御性探测 + 内存回退，坏一个上游版本不会拖垮整个插件；
当前对齐目标：0.1.1-rc.2 ~ 0.1.2-alpha.x。

English

Self-evolution for DeepSeek Harness via two plugins + one protocol: dsh-sentinel (mechanically mines session logs — retry loops, tool-error clusters, interrupted turns, token waste — into structured ProblemTickets), dsh-forge (consumes tickets, synthesizes tiered candidates — config/skill first, zero code execution by default — promotes into project .dsh/skills with hot reload, snapshots for deterministic rollback), and @dsh-darwin/protocol (the shared Zod contract: ProblemTicket / CandidatePlugin / EvalReceipt / LineageNode, plus hidden-grader isolation for regression tasks).

Design stance: evolution requires selection pressure, not just mutation — the eval gate (src/gate.ts) enforces a pass-rate floor, champion regression, cost fitness, and hold-out canary veto; redactForAgent keeps graders out of agent context to prevent reward hacking.

pnpm install && pnpm typecheck && pnpm test

MIT. Verified against DSH 0.1.1-rc.2 – 0.1.2-alpha.x (docs-level; runtime verification pending on a live install).

安装

说明文档