Skills Plugins MCP Prompt Model 导航 博客 资讯 我的中心
开发与运行时 #dsh-plugin#dsh-plugin-bundle#dsh-plugin-pack#dsh-plugins

omd-dsh (omd-dsh)

为 DeepSeek Harness 提供 7 个 Agent 预设模式:每个模式固定工具边界、按模式路由模型,并以 fast/deep 档位委派 omd_task 子代理;含规划到执行闭环(/mode、/start-work、基于 goal 的 /ulw)与逐模式、逐档位重配模型的设置页。

jiazz197-cmyk @jiazz197-cmyk ⬇ 2 ★ 9 main

安装

dsh plugin --profile web add github:jiazz197-cmyk/omd-dsh
下载安装清单

需要可复现安装时,可在仓库后追加 #commit 固定提交。

为 DeepSeek Harness 提供 7 个 Agent 预设模式:每个模式固定工具边界、按模式路由模型,并以 fast/deep 档位委派 omd_task 子代理;含规划到执行闭环(/mode、/start-work、基于 goal 的 /ulw)与逐模式、逐档位重配模型的设置页。

该插件未提供要点说明,请参考仓库 README。

dsh-plugindsh-plugin-bundledsh-plugin-packdsh-plugins
  1. 安装并启动 DeepSeek Harness:npx @deepseek-ai/dsh web
  2. 在终端执行上面的安装命令(CLI 会解析插件并核验来源)
  3. 用 dsh plugins list 确认已安装,必要时重启 Harness 生效

插件以当前 dsh 进程的权限运行,安装时可能执行代码。请先通读仓库源码与许可证,确认无破坏性命令与越权访问;本站只做索引,不对第三方插件安全性作担保。

代码仓库github.com/jiazz197-cmyk/omd-dsh/tree/main/packages/omd-dsh
许可证MIT
主要语言main
下载量2
GitHub 星标9
最近推送2026-08-29
收录日期2026-09-19
分类开发与运行时

事实信息来自公开插件目录快照(2026-10-03),介绍文案由本站再加工。

以下为插件仓库 README 全文(原始内容,由公开目录抓取整理)。

# omd-dsh

> DeepSeek Harness(DSH)的多模式智能体插件 —— 7 个开箱即用的模式,每个模式固定一套能力边界 + 一个模型,`omd_task` 按 tier 把重复/深度工作委派给不同档位的子代理。

[![npm version](https://img.shields.io/npm/v/@carljia/omd-dsh)](https://www.npmjs.com/package/@carljia/omd-dsh)
[![License: MIT](https://img.shields.io/badge/License-MIT-blue.svg)](LICENSE)

---

## 这是什么

omd-dsh 给 DSH 增加 7 个「模式」(agent preset)。每个模式 = 一套固定的工具边界 + 一个模型路由;同一模式内,`omd_task` 把重复调查/机械活派给便宜模型(fast),把深度推理派给强模型(deep)——「强模型顶层 + 性价比模型做重复工作」。

## 能力来自 DSH 原生

omd-dsh **不重复造轮子**,它是一层很薄的「接线 + 组织」:核心能力大多指向 DSH 原生机制,本插件只负责决定「每个模式用哪些原生能力、配哪个模型」。

| omd 特性 | 指向的 DSH 原生能力 |
|---|---|
| 自动续跑 / `/ulw` | DSH 原生 `goal` + goal-round-driver |
| 多智能体 fan-out | DSH 原生 `workflow` |
| fresh-agent 迭代 | DSH 原生 `ralph` |
| tier 子代理委派 | DSH 原生 `subagent`(`omd_task` 只是暴露 per-request 模型/persona 选择) |
| 规划访谈 | DSH 原生 `plan-mode` + `exit_plan_mode` |
| PTC(Code Mode) | DSH 原生 `dsh-agent-tool-presentation`(mode: code)+ 宿主 `dsh-code-runtime` |
| 只读/无 shell 边界 | DSH 原生 preset 工具组合(非自研沙箱) |
| 技能 / MCP / 终端 | DSH 原生 skills / mcp-client / bash·pwsh |

## 7 个模式

| 模式 | 定位 | 能力边界 |
|---|---|---|
| `omd-executor` | 全自主执行 | 完整工具集 + goal / ralph / workflow / 委派 |
| `omd-ultraworker` | 超能工作者 | 完整工具集 + goal / workflow / 委派 + PTC(Code Mode) |
| `omd-planner` | 规划访谈 | 只读 + 委派(DSH 原生 plan-mode) |
| `omd-reviewer` | 评审 | 只读 |
| `omd-explorer` | 代码侦察 | 只读 |
| `omd-librarian` | 文献研究 | 只读 |
| `omd-chat` | 纯对话 | 无 fs / shell |

各模式的模型集中在**模型矩阵**里:设置页「omd模型分配」(可视化编辑,写入 `~/.dsh/settings.yaml` 的 `omd-model-allocation` 命名空间)或 CLI `omd-dsh setup` / 手改 `~/.dsh/omd-matrix.json`。首次 `omd-dsh sync` 自动从随包的 deepseek 默认矩阵生成个人矩阵。

## 安装

**前置要求**:已装 DeepSeek Harness(`dsh`)、Node.js ≥ 20。

### 方式一:dsh plugin(推荐,一键)

```bash
dsh plugin --profile web add @carljia/omd-dsh
```

装完**重启 `dsh web`**:插件在启动时自动把 7 个模式写入 `~/.dsh/.agent-presets` 并生成模型矩阵,preset 选择器里直接就能选,设置面板出现「omd模型分配」页(可视化编辑模型矩阵,保存后新会话生效),无需再手动 `omd-dsh sync`。

> `dsh plugin` 本质是转发给 pnpm(即从 npm 装包)。本插件声明了 `dsh.bundle`,因此会被自动登记为 profile 层并在启动时生效(宿主行做幂等同步 + settings 命名空间注册;行模块是自包含 bundle,不依赖任何 harness 路径)。

### 方式二:npm 全局安装

```bash
npm i -g @carljia/omd-dsh
omd-dsh sync   # 手动把 7 个模式写入 ~/.dsh/.agent-presets(bundle 安装时这一步自动完成)
```

### 方式三:从源码(GitHub clone)

```bash
git clone https://github.com/jiazz197-cmyk/omd-dsh.git
cd omd-dsh
npm install     # 装依赖 + 触发 build
npm link        # 全局 omd-dsh 命令
```

## 使用

> **安装后即可用**:`dsh plugin add` 装完重启,7 个模式会自动出现(启动时已同步)。用 `npm i -g` 安装的,先跑一次 `omd-dsh sync` 再重启 `dsh web`。改模型推荐用设置页「omd模型分配」(保存后新会话生效),CLI 如下:

```bash
omd-dsh sync    # 手动把 7 个模式写入 ~/.dsh/.agent-presets(bundle 安装时启动已自动执行)
omd-dsh setup   # 交互式:逐模式 / 逐 tier 选模型,再同步(CLI 手改在下次重启被宿主导入)
omd-dsh models  # 列出发现的模型
```

### 为什么不需要配置 harness 路径

`sync` / `setup` 不需要知道 DSH 装在哪里:`.omd-vendor/` 里的行模块是**自包含 bundle**(构建时把 schemastery / dsh-tools / dsh-llm / dsh-subagent 全部打进模块,见 `scripts/postbuild.mjs`),不含任何 `@deepseek-ai/*` 导入,因此不存在"导入指向的 harness 树与运行进程不一致"的问题——无论 DSH 从 npx 缓存、全局 npm 还是 profile bundles 加载 agent 机制,行模块都能挂载。preset 组合里其余的裸包名行(如 `@deepseek-ai/dsh-persona`)由 harness 自己的 loader 在运行时按宿主 base 解析,天然正确。

(旧版曾有 `--harness` 参数与"定位 DSH harness"逻辑,用于把行模块导入改写为 harness 树的绝对 URL;自 0.1.8 起改为自包含 bundle 后已移除,再也不用配置。)

同步后启动 `dsh web`,preset 选择器里就会出现 7 个 OMD 模式,新建会话即可用。

## `/ulw` — 一键 ultrawork

在 **omd-executor** 会话里输入:

```
/ulw <任务>
```

会为这个任务挂一个 goal 并自动续跑,直到完成——**一键触发,不干完不罢休**。它等价于「executor 模式 + goal 自动续跑」的组合。

## 规划 → 执行闭环(planner → start work)

规划访谈(`omd-planner`)批准计划后,工作流自动收尾:

1. 计划批准时,**计划文件自动落盘**到项目根目录的 `/.omd/plans/`(目录约定由插件代码写死,不出现在任何提示词里);
2. planner 的最终回复以**定死的 Start Work 收尾**,给出计划文件名和两种启动方式;
3. 启动执行二选一:
   - **新开会话**:在 omd-executor(或 omd-ultraworker)会话运行 `/start-work <计划文件名>`,自动挂 goal 并续跑执行;
   - **同一会话**:直接运行 `/mode omd-executor` 切换模式后继续。

## `/start-work` — 按计划文件开工

在 **omd-executor / omd-ultraworker** 会话里输入:

```
/start-work <计划文件名>
```

解析 `/.omd/plans/` 下的计划文件(裸文件名、`.md`、完整相对路径均可),挂一个 goal 自动续跑,直到计划执行完成。与 `/ulw` 同一机制,只是任务文本换成「执行某个计划文件」。

## `/mode` — 同一对话内切换模式

所有 7 个模式都注册了 `/mode`:

```
/mode omd-executor      # 或 /mode executor
```

它把**当前会话**重新 compose 到目标 omd preset——包括已经开始对话的会话(工具集、persona、模型路由全部切换,并记录切换事件保证 resume/fork 一致;若计划模式仍开启会自动关闭)。

> ⚠️ 说明:DSH 官方 API 只允许空会话切换 preset;`/mode` 在插件层做的是会话内 recompose,并已用「planner 工具目录 ⊆ executor 工具目录」等设计缓解历史渲染问题。切换只允许在 7 个 omd 模式之间进行。

## 改模型

模型矩阵有两个入口,同一份数据:

1. **设置页「omd模型分配」(推荐)**:设置 → 左侧导航 →「omd模型分配」,可视化编辑 7 个模式的 provider/model(含可选 reasoningEffort)与各 tier 的 provider/model(tier 的 `hint` 只读展示)。保存后写入 `~/.dsh/settings.yaml` 的 `omd-model-allocation` 命名空间,宿主立即重渲染 presets 并把矩阵镜像回 `~/.dsh/omd-matrix.json`;**新会话**按新矩阵路由,运行中的会话保持不变。
2. **CLI / 文件**:`omd-dsh setup` 逐项改,或直接编辑 `~/.dsh/omd-matrix.json` 后 `omd-dsh sync`。宿主运行中直接改文件不会实时生效;下次重启时宿主把文件内容导入命名空间(CLI 与旧版自定义不丢)。

首次 `omd-dsh sync` 会把随包发布的 **deepseek 默认矩阵**(`omd-matrix.default.json`)自动复制为你的默认配置(个人模型配置只留在本机,不进 git/npm)。设置页「恢复默认」一键回到该默认矩阵。

> ⚠️ preset 里 `# [omd-dsh:mode:start]` … `# [omd-dsh:mode:end]` 之间的区域是自动生成的,**不要手改**——改模型请走设置页或矩阵后跑 sync。

## License

[MIT](LICENSE)

数据来源:公开的 DeepSeek Harness 插件目录与各插件 GitHub 仓库。本站为独立第三方目录,与 DeepSeek、幻方(High-Flyer)及插件作者均无隶属或背书关系。

每日精选 Skill 推荐,免费送到你邮箱

输入邮箱,每天接收一个精选 AI Agent 技能推荐。完全免费,持续更新。

提交后我们会发送一封确认邮件,点击邮件里的链接才会开始收信。

完全免费,取消任意时间。我们不会发送垃圾邮件。