DSH LongRun Suite — DeepSeek Harness 长期任务套件

本项目意在探索 AI 在长期性科研、项目中的运行。如有交付则尽量保证可靠。尚在活跃开发中，如遇问题欢迎提交 issue，作者会及时查看；觉得好用的话给个星星，谢谢！

一个仓库装齐：长期自主任务管理器（mission-control）+ 长跑主持人预设（Long-Run Captain）+ 严格审查修正的 LLM 验证器 + 自主定时唤醒（timer scheduler）。克隆即用。

English README

这个仓库解决什么问题

DSH 原生的 goal / todo / subagent 适合短任务，但做长期困难任务时会有这些问题：

1. 任务列表规划一次就死：方向失败后不会自动换思路、重规划、追加新任务；
2. 失败即停：验证不通过经常直接停掉，而不是修 gap、换方向继续；
3. 中间需要人唤醒/引导：长实验期间 agent 不会自己定时回来检查结果；
4. 完成标准太松：任务列表空了就算完成，没人逐条核验最终目标；
5. 大量子 agent 拖慢 DSH：continuable 子会话被频繁扫描，内存/CPU 占用高；
6. 单点汇总丢失：总 Agent 重新转述子代理结果会丢条件、数字和细节；
7. worker 协作原始：只有等待/聊天，容易重复劳动、双写、不知道谁在干；
8. 模型偷懒/降级：自研简化方案、不参考已有实现、悄悄把标准方法换成低一级方法；
9. 经验流失：跨任务反复踩坑，记忆不可检索；
10. 自评虚高：自己审自己，缺少独立/无记忆评审；
11. 长任务与提醒不可恢复：提醒丢失、fork 冷启动失败、陈旧提醒反复触发。

本套件用 Mission 状态文件 + Claim Pool/Lease + Blackboard 工件通信 + WorkReceipt + 无记忆盲审 + LLM Wiki 记忆 + 失败强制 replan + 定时唤醒 解决以上问题，并且不硬编码任何领域流程：

• 模型优化、数学研究、项目开发都是同一套框架；
• 每个任务开工前由主持人生成自己的 verificationPlan；
• 只有证据 + 独立评审通过才算 accepted；
• 可复用 worker 按能力抢单，长任务租约化，崩溃自动回收；
• worker 之间通过类型化 artifact 通信，不靠聊天转述；
• 实现前写 method-card，复用优先、禁止无依据猜想、禁止悄悄降级；
• 最终完成前必须有无记忆盲审 + calibration gap；
• 跨任务经验写入 .memory/，可检索、可 lint；
• 最终完成必须逐条映射 success criteria，并经过 final audit。

组件

两个预设的区别

本仓库提供两个 Long-Run Captain 预设，能力相同，只有首轮系统提示形态不同：

简要规则：

• 如果你用的是 DeepSeek V4 Flash 系列，推荐 Long-Run Captain Router：首轮更轻，使命门工具 / 子代理 / 定时唤醒能力完全保留，子代理角色约束通过 Role Card 写在派发提示词里。
• 如果你用 其他模型，或者想要重一点的完整系统提示，选 Long-Run Captain。
• 两个预设都依赖 dsh-mission-control，且任务流程、mission 状态机、评审/重规划规则完全一致。

DSH Store 提交说明

本仓库是三个独立插件的 monorepo，DSS STORE 上架时必须分别提交明确的子路径：

每个子包 package.json 都声明了精确的 DSH 兼容矩阵：

"dsh": {
  "compatibility": {
    "dshReleases": {
      "0.1.0-rc.8": "compatible",
      "0.1.1-rc.1": "compatible",
      "0.1.1-rc.2": "compatible"
    }
  }
}

详细说明见 STORE_SUBMISSION.md。

快速开始

在 Long-Run Captain 或 Long-Run Captain Router 会话里直接说：

启动一个 mission：开发一个命令行工具，递归扫描指定目录下的 Markdown 文件，
按标题生成带层级、文件路径和更新时间的索引 index.md。
termination_policy: success
budget: { maxRounds: 6, maxHours: 4 }
成功标准：
- CLI 能递归扫描目录并生成 index.md
- 索引按标题层级组织，包含文件相对路径和更新时间
- 提供 3 个测试用例并全部通过
- 输出 README 说明安装和使用方式
- 由 reviewer 独立验证索引内容正确

预期流程：

mission_start
→ 早期大量联网调研 + wiki_search 查历史经验
→ mission_add_tasks（每个任务带 acceptance + verificationPlan + capabilities）
→ worker 按能力 mission_claim；长任务 mission_heartbeat 续租；干不完 mission_release
→ 研究方法/工具先写 method-card，已有实现优先复用，防降级/防猜想
→ 长实验用后台任务 + schedule_reminder 定时唤醒
→ worker 之间用 mission_publish_artifact / mission_consume_artifacts 交换
→ 完成先 mission_submit + WorkReceipt，再由独立 reviewer 评审
→ 失败任务 mission_replan + replaces 换方向继续
→ verify_track 监控方向是否跑偏
→ 经验写入 wiki_write，最终前 mission_blind_review + wiki_lint
→ mission_final_audit 逐条核验成功标准
→ mission_complete

核心机制

• 任务状态只保留 5 个：open → active → needs_review → accepted / rejected
• 拒绝必须有 follow-up：rejected 任务必须有 replaces=... 后续任务，否则 mission_complete 拒绝完成
• 完成必须有真实 outcome：默认 terminationPolicy=success，映射到成功标准的任务必须 outcome=success
• 元校验器：mission_check 只检查证据诚实性（缺证据/缺评审/缺 final audit 一律 FAIL）
• 苏格拉底自查：提交前用 socratic-self-audit 技能攻击自己的结论
• 严格 verify_track：使用 LLM-as-a-Verifier 参考实现的校准 prompt，不信任 agent 的自我宣称；pivot 选择与 rollout 评分标准也已对齐论文/参考实现
• WorkReceipt：提交任务时记录证据文件 SHA-256，评审通过后生成不可变工作收据
• 蜂群式 Worker 池：任务可带 capabilities，worker 凭能力匹配抢单；长任务用 mission_heartbeat 续租、mission_release 释放，过期自动回收，多次回收自动 blocked
• Blackboard 工件通信：mission_publish_artifact / mission_consume_artifacts，worker 之间通过类型化 artifact 交换，不靠聊天
• 无记忆盲审：mission_blind_review 生成 blind_review.md + calibration_gap，实质交付型 mission 完成前作为硬门
• LLM Wiki 记忆：wiki_write / wiki_search / wiki_lint，维护 .memory/ 下可检索、可 lint 的跨任务经验

Worker 池 / Claim Pool & Lease

任务不再只是“由 Captain 指派”，worker 可以凭能力抢单：

mission_claim
  task_id: t-impl
  worker: worker-1
  capabilities: [python, pytorch, remote-gpu]
  lease_seconds: 7200

• 任务可以声明 capabilities，worker 能力不覆盖则拒绝；
• 抢到后持有租约；
• 长任务用 mission_heartbeat 续租；
• 干不完用 mission_release 放回队列；
• 租约过期自动回收；
• 同一个任务被回收 3 次自动 leaseBlocked，需要人工看原因；
• 过期 worker 迟到回写会被拒绝（claim lost）。

Blackboard / artifact 通信

worker 之间不直接聊天，使用类型化工件：

mission_publish_artifact
  task_id: t-run
  artifact_type: run-metrics.json
  path: results/run-metrics.json
  summary: 11 个数据集指标

mission_consume_artifacts
  artifact_type: run-metrics.json

所有 artifacts 存在 mission 状态中，下游按类型/生产者读取。

LLM Wiki 记忆

跨任务经验维护在 .memory/：

.memory/
├── _schema.md
├── _capabilities.md
├── methods/
├── pitfalls/
├── decisions/
├── missions/
└── workers/

• wiki_write：新增/更新页面，带 [[slug]] 链接；
• wiki_search：按文本/domain 搜索；
• wiki_lint：检查缺摘要、断链、孤儿页、过期声明、worker 简历缺能力；
• _capabilities.md：每个 workspace 自定义能力词表/别名，系统不做硬编码；
• workers/*.md：worker 简历（role / capabilities / skills / history）。

方法出处卡与防偷懒

• method-card 技能用于非平凡实现前记录：
  • 标准/经典方法；
  • 每个组件是 existing / verified-no-existing / uncertain；
  • 复用 vs 自研；
  • 是否有方法降级（如用网格搜索代替适用优化器）；
  • 未证实的假设列表。
• mission-protocol 强制“复用优先 + 反猜想”；
• reviewer 会检查是否悄悄降级、是否把猜想当事实。

独立盲审

mission_blind_review 生成：

blind_review.md
avg_rating
n_reviews
decision
top_weaknesses
self_claimed_rating
calibration_gap

• 只给脱水后的交付物，不给历史/自评/内部结论；
• 实质交付型 mission（有 accepted 的 research / engineering / deliverable-style 任务或 reportPath）完成前必须有盲审记录；
• bookkeeping / synthesis / coordination-only 任务豁免。

UI 可视化

Web 界面的 conversation.view 视图环新增一个「任务」标签页，放在「对话」与「轨迹」之间：

• mission 状态 / 轮次 / 成功标准；
• open / active / needs_review / accepted / rejected 统计；
• 可认领队列（等价 mission_ready）；
• 任务 DAG 节点图：按依赖自动分层，节点用状态色区分，悬停节点显示任务详情（验收标准、依赖、评审结果、租期、必交证据）；
• 评审层级：任务级评审（单个交付物）与最终评审（mission 交付前独立终审）分开显示；
• 顶部状态胶囊：任务计数、黑板产物数、记忆库页数；
• 外部盲审 / 校准状态（存在时）。

浏览器通过 GET /api/mission-state?sessionId=...&cwd=... 读取 Host 投影（每 2 秒刷新）。 动态版插件也可用 Package-private host.call('mission-state', ...) 获取同一投影。

工具使用地图（防止模型忽略）

Token 经济与 lite 审核

默认 mission_start 使用 review_policy: "lite"：

• low：Captain 快速检查，不建独立 reviewer；
• standard：按里程碑/批次审核，优先一个 reviewer 审一批，不单独建 final_reviewer；
• high 或 reportPath：保留独立评审、盲审与 final audit。

派发时使用任务级裁剪，而不是重复整份 mission：

• mission_context(task_id=..., max_chars=...)：只输出该任务的 brief、guidance、files、验收、依赖、相关 artifact 与匹配 wiki 摘要；
• mission_worker_plan：生成包含 mission brief、任务 guidance/files、验收标准、必需产物和 worker protocol 的精简派发 prompt；
• mission_metrics：查看 mission JSON、task/artifact/wiki 的字符量，定位 token 大头；
• mission_start / mission_add_tasks 支持 brief 与 files，复杂任务可以把用户给出的详细说明和文件路径原样传给子代理。

与官方 DSH 0.1.5 能力的关系

DSH 0.1.5 新增了 Agent Teams、可继续子代理、goal / ralph 长任务等运行时能力。本套项目定位为治理与验收层：保留 mission 成功标准、独立评审、盲审、final audit、typed artifact blackboard、wiki memory；官方 ctx.subagents / ctx.agentTeams / ctx.goals 作为可选增强，通过 mission_capabilities 探测后按开关接入，不硬依赖 experimental 包。

long-run-router 转为 legacy / optional：新 session 优先使用官方长任务与子代理能力，router 只保留旧 DSH 兼容。

详细设计见 docs/official-integration.zh.md。

整体结构

Host / 插件层
├── dsh-mission-control
│   ├── lib/core.js          # 纯任务状态机（无 DSH 依赖）
│   ├── lib/index.js         # mission_* / wiki_* / artifact 工具注册
│   ├── lib/client.js        # Web 任务可视化视图标签页（conversation.view「任务」）
│   ├── bin/mission_check.mjs
│   └── preset/              # Captain 预设与协议技能
├── dsh-timer-scheduler-ui    # 定时唤醒 + 提醒自动取消 + 同会话冷恢复（非父会话回退）
└── dsh-plugin-llm-verifier   # LLM-as-a-Verifier

Agent / 预设层
├── long-run-captain/         # 完整系统提示版
└── long-run-router/          # router-standard 极简版（DeepSeek V4 Flash 优化）

技能层
├── mission-protocol          # 任务拆解、派发、复用优先、反猜想、工具地图
├── task-profile              # Input/Decision/Output/Core Challenge/No-Lazy
├── plan-critique             # 计划批判 + A/B/C + 模块契约 + 反降级
├── adaptive-verification     # 最低验证包
├── method-card               # 方法出处卡 / 标准方法对照 / 降级检测
├── wiki-memory               # LLM Wiki：ingest/query/lint
├── lessons                   # 任务内经验 + mission-legacy + mission-cases
└── report-protocol / socratic-self-audit / etc.

运行时数据层
├── .mission/<id>/mission.json   # mission/task/attempt/receipt/blindReview/artifacts
├── .memory/                     # 跨任务 LLM Wiki + 能力词表 + worker 简历
├── .mission-cases/              # 轻量案例卡
└── timer-reminders.json         # 提醒持久化

参考与借鉴

本项目不是从零发明，而是吸收了多个公开 Agent 系统的“机制层”设计：

“参考”不是照搬：我们保留 DSH 通用性，领域内容全部交给 mission/task 数据，不硬编码任何数学/软件/研究流程。

仓库结构

dsh-longrun-suite/
├── README.md                 # 中文入口
├── README.en.md              # English version
├── install.sh                # 一键安装
├── packages/
│   ├── dsh-mission-control/
│   ├── dsh-plugin-llm-verifier/
│   └── dsh-timer-scheduler-ui/
└── preset/
    ├── long-run-captain/
    └── long-run-router/

安装

要求：Node 20+、DSH 0.1.0-rc.8+、已配置好 LLM provider。

方式 A：一行命令（只装插件）

dsh plugin --profile web add github:GMH13552/dsh-longrun-suite

这会一次安装全部三个插件。之后还需要装预设（两个都装，按需选用）：

# A1: 从仓库目录复制
git clone https://github.com/GMH13552/dsh-longrun-suite.git
cp -R dsh-longrun-suite/preset/long-run-captain ~/.dsh/.agent-presets/long-run-captain
cp -R dsh-longrun-suite/preset/long-run-router   ~/.dsh/.agent-presets/long-run-router

# A2: 或从 profile 的 node_modules 里复制（版本可能与插件包不同）
cp -R ~/.dsh/profiles/web/node_modules/dsh-longrun-suite/preset/long-run-captain ~/.dsh/.agent-presets/long-run-captain
cp -R ~/.dsh/profiles/web/node_modules/dsh-longrun-suite/preset/long-run-router   ~/.dsh/.agent-presets/long-run-router

方式 B：克隆 + 一键脚本（推荐，插件和预设一起装）

git clone https://github.com/GMH13552/dsh-longrun-suite.git
cd dsh-longrun-suite
./install.sh            # 默认安装到 web profile
# ./install.sh tui      # 安装到其他 profile

安装脚本会：

1. 把三个插件加入你的 profile；
2. 把 long-run-captain 和 long-run-router 两个预设复制到 $DSH_HOME/.agent-presets/；
3. 打印重启提示。

重启 DSH：

dsh web

新建会话时选择 Long-Run Captain（通用完整系统提示）或 Long-Run Captain Router（DeepSeek V4 Flash 优化极简版）预设。

手动安装

等价命令：

dsh plugin --profile web add ./packages/dsh-mission-control
dsh plugin --profile web add ./packages/dsh-plugin-llm-verifier
dsh plugin --profile web add ./packages/dsh-timer-scheduler-ui

mkdir -p "$HOME/.dsh/.agent-presets"
cp -R preset/long-run-captain "$HOME/.dsh/.agent-presets/long-run-captain"
cp -R preset/long-run-router   "$HOME/.dsh/.agent-presets/long-run-router"

dsh-plugin-llm-verifier 默认使用 provider: deepseek-official + model: deepseek-v4-flash-vision-exp。如果你的模型路由不同，改 profile 的 cordis.patch.yml 中 llm-verifier 行的 provider / model，或者改本仓库 packages/dsh-plugin-llm-verifier/cordis.patch.yml 后重新安装。

已知边界

• DSH 流式接口不暴露 logprobs，所以 LLM verifier 用温度采样平均近似论文的 logits 期望；
• dsh-timer-scheduler 独立仓库已与这里的包保持同字节同步（0.2.2）；独立验证流程与实测输出见 packages/dsh-timer-scheduler-ui/PROFILE_EVIDENCE.md（一次性 profile：装→组合→启动→GET 200 / POST 404）。
• 改完 packages/dsh-timer-scheduler-ui/lib/ 后务必跑 node packages/dsh-timer-scheduler-ui/scripts/sync-profile.mjs：host loader 可能优先读包根 index.js，只更新 lib/ 会让重启后的 host 跑旧代码（按钮返回 200 但无反应）。
• 会话头部定时菜单每行可 补触发/取消（POST /api/timer-reminders?action=retry|cancel），停在队列里的提醒不必等 agent；同一会话同一分钟重复排同一条 note 会复用已有条目。
• schedule_reminder 跨重启冷恢复的是同一个会话：普通会话按其持久化 agentPreset 挂载原组合（工具集不丢），session-backed 子代理子会话经其仍在线的直接父会话走 ctx.subagents.sendMessage。预设被删/父会话离线时提醒停在待人工重试，不会转投给分支之前的父会话；
• 独立评审是流程约束，不是沙箱隔离。
• Claim Pool / Lease 是文件级实现（mission.json + 时间戳），不是独立服务；租约过期自动回收，连续 3 次回收自动 blocked。
• Capability Matching 是 tag 集合匹配，不内置领域词表；每个 workspace 需自行维护 .memory/_capabilities.md，否则标签可能不一致。
• Blackboard artifact 记录的是 artifact 元数据（类型/路径/生产者），真实文件仍在磁盘上，不做托管复制。
• mission_blind_review 记录外部评审结果并生成 blind_review.md；实际评分需要由独立 reviewer/模型调用产生，工具不会自动打分。
• LLM Wiki 工具是 Markdown + grep 的轻量实现，不是向量库/数据库；wiki_lint 只做文本级检查。
• method-card / wiki_* 多数是软协议，不强制所有任务；只有实质交付型 mission 的 blind review 是硬门。

致谢

• 验证器部分参考 LLM-as-a-Verifier 论文与 dsh-plugin-llm-verifier，并做了更严格的审查与修正
• 定时唤醒基于 dsh-timer-scheduler

License

MIT