dsh-gungnir (dsh-plugin)

Gungnir (冈格尼尔)

Lock the goal. Adapt the loop. Prove the hit.

言出必行：DeepSeek Harness 的证据导引型控制面插件

30 秒了解 · 核心特性 · 架构设计 · 实验评测 · 快速上手 · 离线验证 · 设计哲学 · 许可协议

30 秒了解

首个面向 DeepSeek Harness、根据运行时证据在单次任务执行过程中动态切换 Agent Loop Strategy 的自适应 Loop 插件。基于环境证据链裁决任务完成度，在保证正常执行流畅的同时，精准拦截虚假完成与逻辑缺陷。

Gungnir 为大语言模型智能体提供面向任务结果的控制面能力：

• Lock the goal（目标锁定）：建立版本化目标契约，维护明确的预期交付物和检验标准。
• Adapt the loop（回路适配）：作为 DSH 官方扩展，提供对智能体执行回路的平滑替换与策略调度。
• Prove the hit（证据裁决）：将模型输出视为待检验的主张，通过测试退出码与文件状态等环境证据裁决成败。
• 静默守护与最小介入：正常执行路径下保持静默，只有在观测到确定性证据冲突时才注入面向任务的明确反馈。

核心特性

维度	原生智能体执行	Gungnir 控制面
完成判定	依赖模型自我宣称	依据环境证据与退出码客观裁决
假完成拦截	容易放行未完成的任务	运行时拦截虚假完成并要求修正
正常任务开销	基础开销	保持静默，Token 额外开销仅 +7.8%
控制面自身模型调用	无	零调用，证据核验全确定性

架构设计

Gungnir 采用分层解耦的插件化架构，全面适配 DeepSeek Harness 生态：

┌─────────────────────────────────────────────┐
│ Gungnir Goal Contract                       │  目标锁定：定义任务交付物与验证规则
├─────────────────────────────────────────────┤
│ Gungnir Adaptive Loop Runtime               │  回路适配：调度执行回路与策略
├─────────────────────────────────────────────┤
│ Gungnir Evidence / Verifier / Reconciler    │  证据裁决：收集环境事实，静默验证并按需介入
├─────────────────────────────────────────────┤
│ DSH Agent Contract / Session Log / Services │  基础平台：提供会话与工具交互能力
└─────────────────────────────────────────────┘

控制流程

1. 环境监听：在智能体调用工具的过程中，被动收集命令退出码与生成文件状态。
2. 契约校验：当智能体发出完成任务的声明时，系统基于已捕获的环境证据执行确定性验证。
3. 精准反馈：若验证通过，系统保持静默放行；若存在未满足的检验条件，系统注入简明的客观事实反馈，引导模型完成修复。

实验评测

Gungnir 建立了标准化的评测基准，并在 54 组真实环境运行中完成了多模型对比实验。

实验设计与对照设置

评测设置了三个对比对照组：

• 原生执行 (E0)：使用 DSH 默认执行回路，无控制面接入。
• 被动监听 (E3)：仅收集工具事件，不执行探针升级。
• Gungnir 控制面 (E2)：包含完整的事件收集与运行时探针验证。

评测用例涵盖三类典型场景：

• 虚假完成场景 (T3)：模型在未满足验证条件时提前声明完成。
• 复杂语义缺陷场景 (T1/T2)：涉及状态重入与消息投递等深层逻辑问题。
• 标准开发任务场景 (H1)：覆盖常规功能实现与测试编写。

场景拦截与修复评测

评测场景	具体用例	原生执行 (E0)	被动监听 (E3)	Gungnir 控制面 (E2)
虚假完成拦截	CLI 任务重试场景	0% (0/2)	50% (1/2)	100% (2/2)
语义缺陷修复	状态重入场景 (Ledgerd)	0% (0/2)	50% (1/2)	100% (2/2)
验证错配修复	消息中继场景 (RelayPump)	50% (1/2)	50% (1/2)	100% (2/2)
标准开发任务	常规开发基准 (H1)	100% (6/6)	100% (6/6)	100% (6/6)

主要发现

虚假完成场景的对照最直接：每臂 n=2 时，原生执行 2/2 次放行模型的完成宣称，仅被动监听拦下 1/2，带运行期核验的控制面拦下 2/2、放行 0/2。健康任务同样 6/6 通过，代价是 6 次里 1 次模型传错工具参数被拦下、中位往返增加 1.5 次，健康路径零打扰未达标。判定能力另以离线工具 dsh-gungnir-verify 独立发布。

多模型评测表现

模型类型	虚假完成拦截率	语义缺陷修复率	标准任务通行率
DeepSeek 系列	100%	100%	100%
GPT 系列	100%	100%	100%
GLM 系列	100%	100%	100%

控制面性能开销

评测指标	原生执行	Gungnir 控制面	控制面开销增量
中位 Token 消耗	24,151	26,025	+7.8%
中位模型交互轮次	12.0 轮	13.5 轮	+1.5 轮
任务执行超时	2 次	0 次	-2 次

快速上手

兼容性：插件以 dsh v0.1.2-rc.1 为基线，peerDependencies 锁定实测版本。

安装

在 DeepSeek Harness 工作区中执行安装命令：

pnpm add dsh-gungnir

配置插件

在 DeepSeek Harness 配置文件中注册 Gungnir 插件：

plugins:
  - name: dsh-gungnir

零配置默认形态：插件默认以静默监考模式（passive: 'bpar'）运行——监听执行事件，在任务收尾阶段对完成声明做确定性证据核验（S1 通用不变量 + wrapup claim-check），仅在证据冲突时注入一条面向任务的反馈。/ultragoal --spec <goalspec.yaml|json> 声明的 L1/L2 判据同样会在收尾时逐条核验。需要完整协议面（模型起草 GoalSpec + 一次性确认 + 逐轮计划/报告工具）时，设置 passive: 'off'。

启动 DSH 后，Gungnir 会自动在会话生命周期中监听执行事件，并在任务收尾阶段执行事实验证。

离线验证

AI 干完活，交付物过不过？用 dsh-gungnir-verify 对交付目录跑一遍完整的证据判定栈——对照派发契约逐判据检查（测试退出码、工件内容、主干行为探针、判别性证据），输出 PASS / FAIL / UNVERIFIABLE 与完整证据链，退出码可直接接 CI 门禁：

npx dsh-gungnir-verify --workspace ./delivery --contract contract.json --format json
echo $?   # 0 = 过（PASS 是唯一 0）；1 = FAIL/PARTIAL；2 = INCONCLUSIVE/UNVERIFIABLE

纯本地、确定性、零模型调用：不依赖 DSH 运行时，适合评估与 CI 式门禁。

仓库结构

目录路径	主要功能
packages/core/	零依赖的领域纯函数库，包含目标契约与证据验证算法。
packages/dsh-plugin/	DSH 插件适配层，实现事件监听与最小必要反馈注入。
packages/agent-loop/	自适应回路运行时驱动，提供执行回路替换能力。
tools/experiments/	真实多模型实验基准套件与评估分析脚本。
tools/destruction/	破坏性集成测试与鲁棒性验证用例。
docs/	架构决策记录与阶段测试报告。

参与项目

欢迎提交 Issue 与 Pull Request。提交修改前请在本地运行测试：

pnpm -r typecheck
pnpm -r test

许可协议

本项目采用 Apache License 2.0 开源许可协议。版权所有 © 2026 Zonghe Wu。