dsh-tripipelines · 流水线

分层协作，按需分配模型。 把大活拆成每个模型都吃得下的份量——钱花在刀刃上，代码写得经得起十年。

一个 DeepSeek Harness（DSH）原生插件：一级（你在会话里选的模型）负责规划与验收，二级（默认配置的模型，可按模块覆盖）负责写模块代码，三级本地模型干碎活。三级严格相邻、逐任务验收、全程可暂停可回溯。

纯 Node 内置依赖，零外部 npm 包，不碰你的 DSH 源码。

用户 ──只和 L1 对话──▶ L1(你选的模型) ◀──汇报迭代──▶ L2(模块负责人) ──强制下发──▶ L3(本地引擎)
      规划·验收·不写码     重新锚定·按异常汇报     分解·写码·审核        完整文件·多试几次·干不了反馈
      严格相邻：L1 ↔ L2 ↔ L3，同级/越级禁止

为什么需要它

一个 大模型从头写到尾：聪明，但贵、慢，而且上下文越写越糊——到了第 30 个文件，它已经记不清第 1 个文件的接口。

全交给本地小模型：便宜，但写不对，来回返工的钱比省下来的多。

流水线把这两种钱花在对的地方：

层	谁	干什么	成本
L1	你在会话里选的模型	拆任务、定验收、终审、只和用户对话	花在刀刃上
L2	默认配置的模型（可按模块覆盖）	模块负责人，写完整文件、跑质量门	主力劳动
L3	本地引擎（通常最便宜）	单函数/小片段，检查验收断言	碎活

外加三个设计让这条产线不会失控：一次性激活确认、预算护栏（token/时长/文件数触顶自动暂停）、里程碑硬验收（不许悄悄跳过）。

30 秒判断要不要用

适合

中大型/多文件的真实项目（≥ 3 个模块）
想省 token 钱、又不想降质量的开发
本机/局域网有 OpenAI 兼容的本地推理引擎（ninfer / vLLM / llama.cpp 都行）
需要一条产线跑几十分钟、中途还能停下来的活

不适合

一次性脚本、单文件小改（直接让主 agent 写更快）
没有本地引擎（三级退化成两级，价值减半）
要求「一句话出全部代码」的即时小任务

快速开始（3 分钟）

装插件 → 配本地引擎 → 说第一句话。三步详细版见 QUICKSTART.md。

# 1. 安装（发布后走 npm / market；本地开发用快照 link）
dsh plugin --profile <profile> add dsh-tripipelines        # npm / market（发布后）
plugin_manager install_bundle('link:C:/path/to/dsh-tripipelines-vNN')  # 本地快照 / dev

# 2. 确认三级都活着
/pipe-selftest

# 3. 说一句话（不用你拆模块）
"帮我做一个带登录和任务列表的待办应用"

主 agent 会自动走「引导开机 → 需求访谈 → 适配性评估 → 自适应调度」四阶段：先问你几个关键问题并锁定需求，然后拆模块、spawn 二级、下放三级、逐节点汇报、到里程碑弹窗让你验收。

它怎么工作

四阶段工作流

引导开机：新工作区首次询问一次「要启用流水线吗」（A 启用 / B 普通 / C 记住此工作区），答案存 .dsh/pipeline/activation.json。
需求访谈：用弹窗问关键问题（框架/数据库/认证/测试期望…），锁定为 requirement_lock.json。
适配性评估：任务太简单就直说「不用三级」，别硬套。
自适应调度：拆模块（天然接缝 + 负载均衡）→ spawn L2 → L2 分解出 L3 子任务 → 批量执行 → 质量门 → 里程碑验收 → checkpoint。

四条硬约束（不是靠模型自觉）

约束	怎么强制
严格相邻	agent 消息层 + `tools.guard` 双重：L1 只能调 L1 工具，L2/L3 越级直接拒
里程碑验收	里程碑完成未验收时，spawn/send 被硬 Gate 拦住；工具结果尾部实时显示进度
预算护栏	token / 时长 / 文件数任一触顶 → run 自动暂停、执行类工具被拒
随时能停	`/pipe-stop` 只冻结（磁盘全保留）、`/pipe-resume` 继续、`/pipe-off` 变回单 agent

核心特性

能力	说明
三级模型路由	L1=你在界面选的模型（主 agent，不一定是 pro）、L2=默认配置的模型（长活 subagent，可按模块覆盖，不一定是 flash）、L3=任意 OpenAI 兼容本地引擎
严格相邻	agent 消息层 + `tools.guard` 双重强制，同级/越级禁止
二级长活	L2 是长活 subagent，复用不重开，上下文累积
逐任务验收标准	每级下发的任务由下发方现场生成各自的验收标准，质量门按它打分
失败有界 + cannot-do	L3 干不了明确回 `cannot-do`；输出错了重试 `maxLevel3Retries` 次，超限 L2 接管
批量 L3 执行	`pipeline_execute_batch` 一次提交 N 个子任务，内部串行、一次返回，省 N 倍推理 token
质量门跑代码断言	验收里有 `函数(参数)==期望` 就真跑（JS/TS 用 node、Python 用受控子进程）；全部断言通过才算过，没有断言才回退关键词分
按异常汇报 + 禁止轮询	L1/L2 不轮询看板，靠 push 汇报，大幅省 token
GUI 看板（v92/v94）	Web UI 侧栏内嵌一张与「余额」卡同款的小卡：run 状态 / 里程碑 / 每层甜点区（绿黄红）/ 活跃 L2 与模型 / token 预算，模型看不到，用户随时看得见
每 L2 独立工作目录（v92）	`pipeline_spawn_module_lead` 传 `scopeDir` → subagent 真实 `cwd` 隔离，多个 lead 不踩文件
每 L2 独立模型（v94）	同一个 lead 可传 `provider` / `model` 覆盖默认配置——难模块换更强模型，其余照旧省钱
里程碑状态机	里程碑完成 → 弹窗验收 → 落盘；未验收硬 Gate；冷启动自动恢复
预算护栏	`maxTotalTokensPerRun` / `maxDurationPerRun` / `maxFilesPerRun`（0=不限）
一次性激活 Gate	新工作区只问一次，答案按工作区记忆，之后不再打扰
健康自检	`/pipe-selftest` 检查 subagents API、llm 服务、L3 引擎；启动时也会非阻塞 ping
模块化解耦	15 个模块（最大约 600 行），`pnpm test` 串起 12 套 smoke 回归
四阶段工作流	引导开机 → 需求访谈 → 适配性评估 → 自适应调度

完整功能清单见 CHANGELOG.md，架构细节见 docs/agent-lifecycle-design.md。

安装

前置条件

DSH 已运行。
本地推理引擎：任意 OpenAI 兼容服务（llama.cpp / vLLM / Ollama / strata 等）。在 profile 的 llm-pi-ai 里声明 provider 后，用 /pipe-config level3Endpoint 与 level3Model 指向它；自检 curl <endpoint>/models，或直接 /pipe-selftest。
默认的 L2 模型在 DSH 里可用（deepseek-official / deepseek-flash，可按模块覆盖）。

安装步骤

本插件是「目录」形式 bundle（package.json + cordis.patch.yml + lib/ + skills/）：

方式 A（推荐）：DSH 插件管理器 GUI 或 plugin_manager install_bundle，指向插件目录。
方式 B：dsh plugin add <绝对路径>（需要 pnpm）。
方式 C（手动）：junction 到 profiles/<profile>/node_modules/dsh-tripipelines，并在 profile 的 cordis.patch.yml 追加：
```
- insert:
    - id: pipeline
      name: 'dsh-tripipelines'
```

验证

新开会话输入 /pipe-config，能看到配置列表；listTools 里出现 pipeline_* 工具即成功。更完整：/pipe-selftest。

⚠️ 改代码后必须重装（Electron 缓存）

Electron 按「模块真实路径」缓存导入，且不支持非 Node 内置依赖。每次改 lib/* 后：复制到全新目录 + 改包名后缀 + 重新安装（并移除旧 bundle），否则命中旧代码。

配置（`/pipe-config`）

/pipe-config                    # 查看全部
/pipe-config <key>              # 查看单项
/pipe-config <key> <值>         # 修改单项
/pipe-config list               # 列出可配置项
/pipe-config reset              # 恢复默认

键	默认	说明
`level1Model`	`deepseek-pro`	一级模型（仅甜点区档案查询，不切换实际 L1）
`level2Provider` / `level2Model`	`deepseek-official` / `deepseek-flash`	二级模型
`level3Model` / `level3Endpoint`	由配置指定 / 空（必须显式配置）	三级本地引擎（OpenAI 协议）；`level3Provider` 默认 `ninfer-local`，用 `/pipe-config level3Endpoint http://127.0.0.1:8080/v1` 指向本机引擎
`level3Engine`	`auto`	引擎提示（auto/ollama/vllm/llamacpp/openai-compat/other）
`maxCodeLines`	`100`	L3 交付代码行数上限
`maxLevel3Retries`	`5`	L3 失败最大重试，超限 L2 接管
`maxLevel3Concurrency`	`1`	L3 最大并发（本地单实例串行）
`maxLevel2Retries`	`3`	L2 最大尝试，超限上报 L1
`maxLevel2Agents`	`10`	二级模块负责人上限
`level2ContextBudget`	`32000`	二级上下文预算（模块小型化参考）
`level2SweetSpotRatio`	`0.25`	二级甜点区占窗口比例（换模型自动重算）
`level2HandoffTtlMs`	`300000`	旧二级交接存活毫秒（超时强制 drain）
`level1ContextBudget`	`64000`	一级上下文甜点区（接近时建议 checkpoint）
`level1SweetSpotRatio`	`0.5`	一级甜点区占窗口比例
`level1ContextWarnRatio`	`0.8`	一级上下文警告比例
`autoTuneSweetSpot`	`true`	换模型时自动联动甜点区
`devDir`	`dev`	开发过程文档目录（与生产文件分离）
`level3TimeoutMs`	`900000`	三级子任务超时（=15 分钟）
`level3InputBudget`	`500`	三级子任务输入 token 上限（超过自动压缩）
`level3MaxOutputTokens`	`4096`	三级输出 token 上限
`semanticGateThreshold`	`0.7`	质量门阈值
`mode`	`auto`	`auto`=按项目评估 / `on`=强制三级 / `off`=单 agent
`activationGate`	`true`	新工作区一次性激活询问
`maxTotalTokensPerRun`	`500000`	单 run token 预算上限（0=不限）
`maxDurationPerRun`	`7200000`	单 run 时长上限毫秒（2 小时，0=不限）
`maxFilesPerRun`	`200`	单 run 改动文件数上限（0=不限）

配置分层：DEFAULT_CONFIG < 传入 config < 全局 ~/.dsh/pipeline/config.json < 项目级 <devDir>/pipeline-project.json。不同 devDir 互不污染。

甜点区自适应：换 level1Model/level2Model 时按 MODEL_PROFILES 档案（窗口 × 比例）自动重算预算；不在档案里则提示手动设。

使用

新开一个会话，直接描述你要做的东西（几句话，不用拆模块），主 agent 会自己走四阶段。

不需要三级：说「不用三级模式」或 /pipe-config mode off。
看状态：/pipe-config 或（L1）pipeline_status。
暂停/继续：/pipe-stop / /pipe-resume；彻底关掉：/pipe-off。
卡住了：/pipe-research <议题> 生成 7 步研讨骨架（见下方「知识层」）。
到里程碑：主 agent 弹窗问「我很满意 / 我要提出意见」；满意后旧 L2 无条件交接并灭活，新 L2 继续下一段。

工具面

工具	层级	作用
`pipeline_lock_requirements`	L1	锁定需求，开 run（可带 `activation`）
`pipeline_plan`	L1	记录 TaskPlan（依赖 DAG + 环检测 + 里程碑声明）
`pipeline_spawn_module_lead`	L1→L2	生成长活模块负责人（默认配置的模型；可传 `scopeDir` 独立工作目录、`provider`/`model` 单独指定模型）
`pipeline_send_to_lead`	L1↔L2	复用二级发后续任务
`pipeline_drain_leads`	L1	里程碑重建后释放旧二级
`pipeline_checkpoint`	L1	写 10 节交接文档 + 冷启动 prompt
`pipeline_accept_milestone`	L1	记录里程碑用户验收
`pipeline_selftest`	L1	健康检查（subagents / llm / L3 引擎）
`pipeline_classify`	L1	能力匹配分类（L1/L2/L3）
`pipeline_status`	L1	状态面板 / Trace / token 统计
`pipeline_decompose`	L2	把模块拆成 L3 子任务
`pipeline_execute_local`	L2→L3	同步派发单个 L3 子任务
`pipeline_execute_batch`	L2→L3	一次提交 N 个子任务，内部串行一次返回（省推理 token）
`pipeline_spawn_local_executor`	L2→L3	agent 式派发 L3（可选重路径）
`pipeline_review`	L2/L1	质量门（跑代码断言优先 + JSON + DoD；可传 `filePath`）
`pipeline_register_output`	L2	L2 接管直写盘后回填看板
`pipeline_scan`	L1	扫仓库生成知识库（index.md 骨架 + map.json 符号表 + 每模块一页）
`pipeline_ledger`	L1	从交接文档抽「关键决策/结论」候选，标出缺失字段待分类
`pipeline_recall`	L1	在知识库内检索（中英关键词），返回 `file:line` + 片段，命中不到就说没有

知识层（v98）：让 L1 不靠暴力读源码

大型项目里，L1 最大的浪费不是写代码，而是为了理解项目而把整个仓库读一遍。知识层把这件事变成一次扫描 + 按需检索：

pipeline_scan(root=".")      # 一次机械扫描，产出 .dsh/pipeline/knowledge/
pipeline_scan(check=true)    # 只报哪些代码文件/模块页过期，不重写
pipeline_recall(query="backtest 引擎怎么调用核心")   # 每次只取命中片段
pipeline_ledger()            # 从交接文档抽决策候选

index.md：一页骨架（仓库规模、模块清单与行数、模块角色、超大文件、TODO 计数、启动命令、近期提交）——冷启动先读这一页（stock 实测 ≈1.6K token）。
modules/<模块>.md：每模块一页（角色、入口文件、公开接口、依赖、信号）。
map.json：符号表（每个代码文件的 sha1 前缀、大小、行数），供后续做「代码变了但文档没变」的陈旧检测。
检索不到就返回「no hits」，不编造——知识层是机械抽取，不做语义判断。

专题研讨（`/pipe-research`）：瓶颈时开一次「有据可查的会」

知识库不是一次扫描就结束的静态快照，而是跟着项目长出来的 wiki：每次 pipeline_scan 刷新 index.md 与每模块一页，pipeline_ledger 把交接文档里的决策/结论沉淀成台账，pipeline_recall 让新会话在几行内找回上下文。项目越大、跑得越久，这层越值钱。

真正卡住的时候（架构摇摆、两个方案二选一、同一处反复返工、性能/兼容性取舍），不要靠「再读一遍代码」硬想：

/pipe-research 下一步投哪条路径

它会在 <工作区>/.dsh/pipeline/knowledge/research/<日期>-<议题>.md 生成一份 7 步研讨骨架：

立项 —— 问题、成功判据（错了能被提前暴露）、预算
证据 —— 每条带 file:line 或台账 #n 指针
候选方案 —— ≥2 个，否则不叫决策
反方 —— 每个候选最硬的反方理由 + 证据
最小实验 —— 能区分候选的那一个
建议 —— 带置信度，理由必须有数字或指针
记录 —— 「错了会怎么暴露」，以及要回写台账的条目

模板自带三条防呆：无数值的理由删掉或补数字；带指针证据不足 3 条先去 pipeline_recall；没回答「错了会怎么暴露」不能当决策依据。研讨结论回写 decisions.md（或 checkpoint 的决策节），v117 起 pipeline_recall 默认也会检索 research/*.md——下次同一议题不用从头吵。

研讨层目前是手动触发：先跑 2~3 次，确认真能减少返工，再谈自动阈值。

版本

包版本（package.json）：语义化 x.y.z，市场/发布用。
迭代代号（vN）：开发部署号，出现在部署目录与内部文档里（Electron 缓存要求每次改代码换新目录，见上方安装注意）。
完整历史见 CHANGELOG.md。

健壮性：抗阻塞与单点

L1 必须响应：收到 L2 汇报必须回复（一行「继续」或重新锚定），绝不让 L2 干等。
L2 汇报自包含：含「做完了什么 + 下一步 + 需要的决策」，L1 延迟回复也不丢进度。
持久化兜底：看板 / trace / l2_state.md 全落盘，卡住能恢复。

诚实说明：L1 彻底不可用（模型挂了 / 会话断了）时没有替代者，这是「L1 唯一协调者」的固有单点，靠用户手动介入或重开会话兜底。其余情况不阻塞、不丢进度。

已知限制

桌面端不能加载非内置依赖：可视化设置页需要 schemastery，用 /pipe-config 命令代替。
deepseek-v4.1-flash 不存在，正确 id 是 deepseek-flash。
Agent Teams teammate 不能指定模型（继承父 agent 的模型），所以二级长活用 continuable subagent。
质量门是「执行断言优先 + 语义关键词兜底」，断言 fail-closed：没有可用 runner、代码被静态安全门拦下、或任一断言失败，都判失败，不会回落关键词分。语义分本身封顶 0.5，默认阈值 0.7 下无法单独过门。
JS/TS 与 Python 都支持：JS 走 node 子进程，Python 走 AST 静态安全门 + 子进程；宿主机执行可通过 allowCodeExecution=false 整体关闭（关闭后含断言的验收一律不通过）。

目录结构

dsh-tripipelines/
├── package.json                          # 插件清单（dsh.bundle.patch → cordis.patch.yml；dsh.client → Web 状态条）
├── cordis.patch.yml                      # bundle 补丁（插入插件行）
├── client.js                             # Web UI 看板卡片（左侧栏底部，2.5s 轮询 /pipeline/board）
├── lib/
│   ├── plugin.js                         # 薄入口：name / inject / apply 装配、工具分发（~360 行）
│   ├── workspaces.js                     # 工作区注册表：root 归一化 / 会话归位 / 看板选工作区
│   ├── config.js                         # 模型档案 / 配置键 / 分层合并与迁移 / /pipe-config
│   ├── store.js                          # 看板 + run 状态机 + 预算 + 激活（全部落盘）
│   ├── gates.js                          # 质量门：执行断言 / DoD / 语义评分 / 任务校验
│   ├── prompts.js                        # 三级协议 / L2 提示 / L3 提示 / 技能正文（SKILL_BODY）
│   ├── util.js                           # 文本 / token 估算 / 压缩 / 语义评分等纯函数
│   ├── dsh-compat.js                     # DSH 版本差异适配（session / tokenMeter / 引擎探测）
│   ├── board-route.js                    # host 只读路由 GET /pipeline/board（看板数据快照）
│   ├── guards.js                         # 严格相邻 / 里程碑硬 Gate / 预算护栏
│   ├── knowledge/                        # 知识层：scan（机械索引）/ ledger（决策候选）/ recall（关键词检索）
│   └── tools/
│       ├── l1.js                         # L1 工具：lock/plan/status/spawn/send/drain/checkpoint/classify/selftest/accept
│       ├── l2l3.js                       # L2/L3 工具：decompose/execute_local/execute_batch/review/register/local_executor
│       └── knowledge.js                  # pipeline_scan / pipeline_ledger / pipeline_recall
├── skills/pipeline-orchestration/SKILL.md  # 编排技能
├── docs/agent-lifecycle-design.md        # 架构定稿
├── examples/                             # 一句话需求示例（可直接粘给 DSH）
├── QUICKSTART.md                         # 3 分钟上手
├── README.md                             # 本文档
├── TUTORIAL.md                           # 使用与配置教程
└── CHANGELOG.md                          # 版本日志

pnpm test（在 plugins/dsh-tripipelines/ 下）一键跑 12 套回归：配置/项目分层 82 断言、控制面 49 断言、工具工厂装配探针、看板/目录隔离、知识层 15 断言、知识层加固 32 断言（含脱敏与 recall 路径围栏）、技能字节同步检查、工作区隔离 48 断言（含看板跟随当前工作区、切换器与折叠栏同步）、质量门与角色矩阵 34 断言、生命周期 16 断言（重 plan/验收确认/drain/重派发上限/计数持久化）、审计修复 28 断言、v112 回归 40 断言（实测计量 / 协议瘦身 / off 面）。

dsh-tripipelines (dsh-tripipelines)

Install

README

dsh-tripipelines · 流水线

为什么需要它

30 秒判断要不要用

快速开始（3 分钟）

它怎么工作

四阶段工作流

四条硬约束（不是靠模型自觉）

核心特性

安装

前置条件

安装步骤

验证

⚠️ 改代码后必须重装（Electron 缓存）

配置（`/pipe-config`）

使用

工具面

知识层（v98）：让 L1 不靠暴力读源码

专题研讨（`/pipe-research`）：瓶颈时开一次「有据可查的会」

版本

健壮性：抗阻塞与单点

已知限制

目录结构

Related plugins

webnovel-writer

loopx (dsh-loopx-plugin)

ouroboros (dsh-plugin)

loopx (dsh-loopx-plugin)

Install

README

dsh-tripipelines · 流水线

为什么需要它

30 秒判断要不要用

快速开始（3 分钟）

它怎么工作

四阶段工作流

四条硬约束（不是靠模型自觉）

核心特性

安装

前置条件

安装步骤

验证

⚠️ 改代码后必须重装（Electron 缓存）

配置（/pipe-config）

使用

工具面

知识层（v98）：让 L1 不靠暴力读源码

专题研讨（/pipe-research）：瓶颈时开一次「有据可查的会」

版本

健壮性：抗阻塞与单点

已知限制

目录结构

Related plugins

webnovel-writer

loopx (dsh-loopx-plugin)

ouroboros (dsh-plugin)

loopx (dsh-loopx-plugin)

配置（`/pipe-config`）

专题研讨（`/pipe-research`）：瓶颈时开一次「有据可查的会」