简化自走棋（Minimal Auto Chess）· DSH Web 插件

English · 中文

在 DSH 的会话标签栏里，藏着一张自走棋棋桌：你可以亲自执蓝方，跟 AI 来一场人机对弈；也可以退到观众席，看两个 AI 各自挑好模型，在棋盘上互相对攻。这里的每一步都不是白想的：每个回合的决策，都是一次真实的模型请求。把思考档位拉到 High 或 Max，再点开思考记录，就能围观 AI 盘算「买谁、卖谁、凑什么羁绊、金币花在升级还是刷新」，把算盘一步步打给你看。胜负落在棋盘上，思路留在记录里。

棋局状态保存在浏览器端的模块级 store 中，切标签页、切会话都不会重置对局或打断正在进行的 AI 思考。

主要功能

• 人机与双 AI 对局：支持人机对战（你执蓝方）、双 AI 对战（旁观）两种模式。
• 模型可分别选择：蓝方、红方各自从模型目录（项目自带适配器 + 用户已配置的 provider/model）中选择 AI；每侧独立设置，蓝方的 AI 设置与思考记录在界面左侧，红方的在右侧。
• 思考档位可调：Off / High / Max 三档，蓝方、红方分别设置，控制各侧 AI 决策前的思考强度；模型不支持所选档位时自动回落其默认档位。
• 超时与 token 上限固定：单次 AI 决策的最长等待时间（默认 300000ms）与输出 token 上限（默认 32000）由部署配置决定，界面不再提供修改入口，客户端随每次请求发送固定值。
• 提示词可分别编辑：默认系统提示词包含完整规则、严格返回格式与一个正确案例；蓝方、红方可在各自设置区分别编辑本侧提示词，也可一键恢复默认。
• 思考过程展示：每次 AI 决策后可在界面左右两侧的「思考记录」面板中查看该次决策的完整推理文本（蓝方在左、红方在右）；每条记录默认缩略，点击展开详情。
• 失败可重试：AI 连续多次给出非法操作时会提示原因并显示「重试」按钮；瞬时流式传输故障在尝试预算内自动重试，不会直接让整局失败。
• 切换页面不中断对局：棋局与战斗动画由页面内的模块级 store 驱动，切换会话、关闭会话标签都不中断 AI 思考与战斗进程；但状态只存在于页面内存中，刷新或关闭浏览器页面会重置对局。

游戏规则（最小可行自走棋）

• 棋盘：双方各有一个 4×7 布阵区域，坐标 [row, col]（row 0-3，col 0-6），战斗时镜像拼接为 4×14 战场。
• 棋子池：公共卡池 24 个棋子，分 1/2/3 费，各有生命、攻击力、攻速、攻击距离、种族、职业与技能。
• 费用与星级：3 个同名同星棋子自动合成高星（1★→2★→3★；2★≈1.8× 属性，3★≈3.24×）。合成后的棋子保留最后被消耗那颗的 id，方便 AI 连续操作。
• 羁绊：11 个种族/职业，按上场数量达到阈值触发（如 2/4 冰裔、2/3 星灵、2/4 法师），只计算已上场棋子。
• 回合结构：准备阶段（买棋、升星、布阵、升级、刷新）→ 自动战斗（0.5s/跳的低精度模拟）→ 结算（扣血、收入、连胜/连败）。
• 经济：基础收入 5 + 利息 min(金币÷10, 5) + 连胜/连败奖励（2 连胜 +1，4 连胜 +2，6 连胜 +3）+ 胜利 +1；升级花 4 金得 4 经验（所需经验 = 等级 + 2，上限 8 级）。
• 胜负：双方初始 100 血，失败方按对方存活棋子数 ×2 扣血，归零即输。
• 简化方向：无装备系统；战斗为低精度模拟，保证 LLM 能理解且计算量可控。

快速安装

DSH 的标准插件安装机制是「组合包 → profile」：插件包在 package.json 中声明 dsh.bundle 并附带 patch 文件（cordis.patch.yml），用 dsh plugin 把它安装进任意 profile：

# 从本地 checkout 安装（在插件目录内执行；先构建出 lib/）
pnpm run build
dsh plugin --profile web add /Users/yejiming/Desktop/OpenSource/dsh-auto-chess

安装后验证配置层，再启动（或重启）Web 界面：

dsh --profile web --dump-config   # 输出中应出现 auto-chess 层
dsh web                            # 重启后会话标签栏出现「自走棋」标签

插件已安装到本机的 web profile（~/.dsh/profiles/web，@deepseek-ai/dsh-auto-chess 以 link 依赖加入 bundle 列表）。Web 进程需重启才会扫描到新的 dshClient 包并注入客户端标签。

移除：dsh plugin --profile web remove @deepseek-ai/dsh-auto-chess 会同时移除依赖与对应层。

架构

棋局本身（状态、经济、羁绊、战斗模拟）在浏览器界面中；服务端只仲裁 AI 的准备阶段决策，因此非法回复在服务端被拒绝，不会破坏浏览器端的棋局。游戏引擎（src/game/engine.ts）是纯 TypeScript、无依赖、按状态确定性的共享代码：服务端把每次 AI 请求里的完整局面克隆一份，用与浏览器完全相同的引擎逐条校验并应用模型返回的操作数组，返回「整批合法」的操作列表与推理文本；浏览器再用同一引擎把接受的操作用在自己的权威状态上——两边永远不会漂移。

模型调用

自走棋决策请求（Auxiliary auto-chess action request）

What the model sees

每次 AI 决策都是发往所选 provider/model 路由的一次独立辅助请求。系统提示词要么是用户编辑后的文本，要么是包默认文本（完整规则、严格 JSON 数组返回格式、正确案例、错误示范、基本策略）；唯一的用户消息包含该侧棋手的完整局面（生命、金币、经验/等级、上场名额、备战区棋子 JSON、棋盘布阵 JSON、当前羁绊、商店 JSON、上一轮战斗结果、对手已知阵容——上场数量、星级构成、种族/职业计数与预估战力），以及（重试时）上一次非法回复与拒绝原因。决策请求还可携带思考档位（off/high/max）：仅当所选模型声明支持该档位时，服务端才会把它作为请求的 reasoning effort 转发；不支持的档位回落到模型自身默认值。可选的按请求 actionTimeoutMs 与 maxActionOutputTokens 覆盖值只对本次请求替换配置默认值。回复中的推理块会随操作结果以 reasoning 字段返回给浏览器。

模型返回一个 JSON 数组（最多 4 个操作）：{"action":"buy","name":"..."}、{"action":"sell","chess_id":N}、{"action":"move","chess_id":N,"pos":[r,c]}、{"action":"upgrade"}、{"action":"refresh"}、{"action":"end_prep"}。服务端对整批操作做合法性校验（金币、备战区上限、上场上限、坐标越界、格子占用、id 存在性等），任何一条不合法都会拒绝整批并带纠正反馈重试（默认最多 3 次）；最后一次失败会返回 error 与 lastText/lastReason，浏览器据此显示错误与「重试」按钮。

Token effect

辅助请求按局面构造成本消耗 token（约 1-2 KB 的局面文本 + 系统提示词 + maxActionOutputTokens，默认 32000）。高于 off 的思考档位会增加模型的思考 token，计入同一个输出预算——推理模型可能把大部分预算花在思考上，因此回复被截断时只要 JSON 数组完整仍会被解析，只有 JSON 丢失才触发重试。该请求与任何 agent 对话相互独立，绝不写入会话日志。

KV Cache effect

辅助请求是独立的模型请求；其提示词随每个棋局位置变化，因此与 agent 流量之间没有稳定的共享前缀。用户编辑系统提示词会整体替换文本，使 provider 侧的跨局前缀复用失效；默认提示词只在未编辑时保持稳定。

配置

所有字段都有 loader 默认值；无库级默认值。

开发

pnpm run build          # tsdown 构建 node 半部 + 浏览器 bundle，并输出类型声明
pnpm run typecheck      # tsc --noEmit
pnpm test               # vitest：引擎（经济/合成/战斗/结算）、回复解析、请求校验、提示词组装
node tests/e2e/gui-round.spec.mjs   # 端到端：另起一个 dsh web 测试实例（--port 3095，需安装本插件并配置可用模型）后跑完整一回合

本地依赖通过符号链接指向 Harness SDK checkout（~/.dsh/source/current 下的 packages/* 与 vendor/*），与 dsh-gomoku 的做法一致。