dsh-dynamic-thinking-chain

dynamic-thinking-chain

让 DeepSeek 模型「按任务难度自动思考」的 DSH 插件。

DSH 会把一个大任务拆成很多小任务（todo_write 清单、子代理）。这个插件在每一次模型请求之前，根据当前正在做的那个小任务的难度，自动选择最合适的推理等级：

等级	含义	什么时候用
max	最深思考	规划/拆分大任务、算法、并发、安全、排查调试
high	较深思考	写函数、单元测试、改代码、写文档
low	轻度思考	打印 Hello World、改个名字这类琐碎小任务
off	关闭思考	默认禁用（DeepSeek 限制，见下方说明）

简单的活少想省 token，难的活深想保证质量——这就是「动态思维链」。

效果演示

一次真实运行里，一个大任务被拆成 4 个小任务，插件给每步分配了不同的推理等级：

[规划/拆分整个任务]    => max
[创建 hello.py]        => low
[二分查找 + 单元测试]  => high
[线程安全计数器]       => max
[写 README]            => high

安装

打包后用 dsh plugin 装进某个 profile：

cd dynamic-thinking-chain
npm pack   # 生成 dynamic-thinking-chain-0.1.2.tgz

dsh plugin --profile desktop add file:D:/workplace/dynamic-thinking-chain/dynamic-thinking-chain-0.1.2.tgz

装完重启对应界面：桌面版「退出后台运行」再打开；dsh web 重启 web 进程。

卸载：dsh plugin --profile desktop remove dynamic-thinking-chain。

配置（可选，默认开箱即用）

在 C:\Users\<你>\.dsh\profiles\<profile>\cordis.patch.yml 里覆盖：

- id: dynamic-thinking-chain
  config:
    enabled: true        # 总开关，设 false 彻底关闭
    lowThreshold: 0.30   # 难度分 < 0.30 → low
    highThreshold: 0.60  # 难度分 < 0.60 → high，否则 max
    planningMinLevel: high  # 拆分步的最低等级
    debug: false         # 设 true 才在控制台打印每次决策细节

常用配置项（完整列表见 src/classifier.js 的 DEFAULTS）：

• 打分：baseScore（基础分）、lengthSteps（文本长度阶梯）、hardWeight/hardCap、mediumWeight/mediumCap、easyWeight/easyCap、planningBias、errorBias/maxErrorBias、depthBias
• 关键词：hardKeywords / mediumKeywords / easyKeywords（数组，可完全自定义；命中“简单”类词会降分）
• 日志：debug（默认 false，静默；设 true 打印每次决策的难度分和理由）

插件默认不打日志。想看它每步怎么决策，把 debug: true 放进上面的 config；出错时才会打印一条 warning。

常见问题

1. 装了没效果？ 插件只会对「支持推理等级」的模型生效。先确认当前会话选的模型是 DeepSeek（如 deepseek-v4-pro、deepseek-v4-flash）；其他模型（比如 stepfun、普通对话模型）会被自动跳过、保持原样。

2. 为什么默认不用 off？ DeepSeek 的规则：会话中途关闭思考会报 INVALID_REQUEST（上一轮的 reasoning_content 必须传回）。所以 offThreshold 默认是 0（永不开 off）；即使你手动调大，插件也只会在会话第一条请求允许 off，之后自动退到 low。

3. 想固定某一档、不要动态？ 把 enabled: false，或者在 DSH 界面右上角的模型选择里手动固定推理等级即可（本插件只在“动态”这件事上接管）。

原理（30 秒版）

1. 插件监听每次模型请求前的 agent/request 瀑布，只改 reasoningEffort 一个字段。
2. 难度来自当前会话信号：todo_write 里 in_progress 的小任务文本、最新的人类指令、工具报错次数、是否是第一步/子代理。
3. 打分 → 映射到 off/low/high/max → 用 llm.resolveModelInfo 确认模型支持该等级 → 写入请求。
4. 任何一步出错都原样放行，插件永远不会把请求弄坏。

开发

npm test   # 运行单元测试（打分、分级、等级回退）

插件本体零运行时依赖；profile 里有 @deepseek-ai/schemastery 和 @deepseek-ai/dsh-settings 时会自动注册 GUI 设置面板，否则自动跳过。

许可证

MIT