dsh-equip-engine

任务驱动的 DSH 插件配装引擎：给任务配整套插件，而不是给你一个列表。

装插件最痛苦的不是安装，是"这个任务到底该装哪些"。生态里 2000+ 插件、互相冲突、成本不一——配装引擎按任务自动推荐组合，并给出可直接复制的安装命令。

快速开始

# 1. 安装（bundle 插件）
dsh plugin --profile web add github:wuykjl/dsh-equip-engine

# 2. 重启 dsh web
dsh web

# 3. 在聊天框输入（slash 命令）
/equip 写代码时要处理大量 JSON 和 CSV 文件

# LLM 混合检索版（更准，需配置 API key）
/equip.mix 帮我做一份关于细胞基因编辑的深度研究报告，需要看实验图片

CLI 用法

# 规则版（本地快速）
node src/equip.js "任务描述"

# 导出安装命令
node src/equip-export.js "任务" --dsh
# → dsh plugin add Anionex/agent-vision-toolkit
# → dsh plugin add tt-a1i/archify
# → ...

# 装备栏可视化（HTML）
node src/equip-html.js "任务"

# 金标评测
node src/eval-suite.js

特性

• 五槽位配装：感知 / 决策 / 行动 / 记忆 / 输出——按 agent 循环阶段划分（比按能力分类稳定）
• 组合评分（核心）：协同加成（套装效应）、冲突惩罚（互斥插件不共存）、成本、信任（stars + 实测状态 + 个人反馈）
• 双检索：规则精编库精确匹配 + LLM 语义理解（两阶段预筛：2000+ → ≤48 候选 → LLM 精排，快且省 token）
• 金标评测：19 任务规则 must 100%；弱关键词 TF-IDF 召回 97%（SEM 等已覆盖）
• 数据保鲜：每周自动同步生态（cron），新增插件自动收录
• 2000+ 插件 manifest（2052 条：19 手工精编 + 2033 LLM 生成）：owner/repo 全限定 id，无撞名歧义

与其他生态工具的区别

架构

任务 → 规则检索(精编库) ∪ LLM检索(预筛→精排) → 组合评分器 → 配装建议
         (精确匹配)          (语义理解)          (五维评分)

预筛：中文全段滑窗 bigram TF-IDF + 关键词混合；弱关键词任务自动抬高 TF-IDF 权重；大槽位自适应配额。

评测

• 金标集：19 个任务（data/gold.json），含 9 个弱关键词/口语/英文用例
• 规则 must 通过率：100%
• 召回：关键词 ~72% / TF-IDF ~97%（数据驱动判定：不上 embedding）
• 运行 node src/eval-suite.js 复现

已知限制

• 生成库 caps 仍有噪声：2033 条 LLM 生成 manifest。capQuality 分布（eval 输出）：low(<0.4)≈97，主峰在 0.6–0.8。匹配时对 generated 按质量分降权；无有效 desc 的条目不送 LLM 瞎猜。
• cost 语义：生成库 cost 已与 stars 解耦，统一中性值 0.35（failed 仍 +0.2）。热度只由 trustScore(stars) 表达；MAX_COST=1.5 近似「约 4 个插件」数量预算。
• 极端同义改写仍可能漏召回：任务与 caps/desc 几乎无共享词时，本地 TF-IDF 不够（需真正 embedding 或人工补 caps）。

生态链接

• GitHub: https://github.com/wuykjl/dsh-equip-engine
• dshbase 收录: https://github.com/ylwl1997/dshbase/issues/12
• awesome-deepseek-harness: https://github.com/0xsline/awesome-deepseek-harness/pull/130

开发与维护

数据管线：scripts/enrich-signals.js、scripts/regen-caps-selective.js、scripts/validate-manifests.js 等。MIT License。