liangchen-harold/local-dsh

Name: liangchen-harold/local-dsh
Author: liangchen-harold

Plugin插件 ⭐ 9 Apache-2.0 Clients & Launchers客户端与启动器 Dev Workflow开发与代码工作流

Project Overview项目介绍

Edited by Zhiwei Agent (zhiwei)由知微Agent(zhiwei)编辑

Local DSH is an open-source, community-maintained desktop client built exclusively for the DeepSeek Harness AI agent framework. It packages the full DSH Agent Loop together with local GGUF model inference powered by llama.cpp, so you don’t need to pre-install any system dependencies like Node.js or pnpm to get started. The full release bundle includes llama.cpp for fully local on-device inference, while a lightweight build is also available for users who only want to connect to remote external models. You can download pre-built, developer-signed DMG releases for Apple Silicon Macs directly from the project’s GitHub releases page.

On first launch, the app walks you through an initial setup where you can choose between running a local model or connecting to an external model API. After setup, you can manage local inference services, download new models, and switch between different models directly from DSH’s built-in settings menu. If Hugging Face is unavailable or too slow to download models from, the app automatically falls back to downloading from ModelScope. All user data including models, chat sessions, and inference logs are stored locally in a standard DSH Home directory on your machine, and the app uses the unmodified upstream DSH core and plugin ecosystem.

To build the project from source, you need Rust 1.85 or newer, GNU Make, and the platform-specific build environment for Tauri 2. After cloning the repository, run make dev to launch the local development build, or make build to create a production release. The full build for Windows x64 requires NVIDIA driver version 551.61 or newer, as it includes CUDA 12.4 runtime and cuBLAS for GPU acceleration. The project is released under the Apache 2.0 open source license, and it is not affiliated with or endorsed by DeepSeek.

这是社区独立维护的开源项目，是专门为DeepSeek Harness打造的本地AI Agent桌面客户端。它将DSH的Agent Loop与基于llama.cpp的本地GGUF模型推理整合在一起，所有发行包都内置了Node.js、pnpm和完整DSH环境。完整版额外内置llama.cpp，不依赖用户系统已有任何运行环境，支持纯本地运行和端侧推理加速。

用户首次启动设置时可以选择使用本地模型或外部模型，后续也可以在DSH设置中独立管理本地推理服务、下载和切换不同模型。当Hugging Face访问不稳定或下载速度过慢时，项目会自动切换到ModelScope下载资源。所有模型、会话和推理数据都保存在本机标准DSH Home目录中，可完整使用原版DSH的插件生态。

当前公开版本仅支持Apple芯片的Mac设备，不同统一内存容量的设备可适配运行不同参数规模的大模型。Windows x64版本可通过源码自行构建，完整版需要NVIDIA驱动版本不低于551.61。本项目遵循Apache 2.0许可证开源，是社区独立维护项目，不属于DeepSeek官方产品，也未获得DeepSeek官方背书。

View on GitHub在 GitHub 查看

Send to your DSH发给你的 DSH 安装

请帮我安装这个 DSH 插件。安装前先完成【兼容性检查 + 安全性检查】，检查通过再动手。

插件：local-dsh（liangchen-harold/local-dsh）
仓库：https://github.com/liangchen-harold/local-dsh
本站详情页：https://www.yhbd.top/plugins/liangchen-harold-local-dsh/
本站登记：类型 plugin · 归类 原生 DSH 插件 · 许可证 Apache-2.0 · ⭐ 9 · 最近提交 2026-08-31 · 主语言 Rust · 未检测到 DSH 插件清单

按下面顺序执行，每步先把结论告诉我，再进入下一步：

【1 兼容性检查】
① 我这边：DSH 版本、Node 版本、操作系统、当前 profile（web / desktop）。
② 读它的 README、package.json、插件 manifest，列出它要求的 DSH 版本 / Node 版本 / 操作系统 / 外部依赖 / 需要另外先装的运行时。
③ 逐条比对，结论只写「满足 / 不满足 / 未知」三种；不满足的给出可行替代方案。
④ 检查是否和我已装的插件冲突：命令名重复、skill / tool 重名、端口占用、重复注册的 MCP server。

【2 安全性检查】
① 仓库可信度：和上面「本站登记」是否一致；star / fork 数、创建时间、最近提交，是否归档或长期停更。
② 安装脚本：逐行看 package.json 的 preinstall / install / postinstall，以及 install.sh、setup.ps1 之类脚本。出现 curl|bash、下载后直接执行、混淆代码、访问与插件功能无关的域名，立刻停下来告诉我，不要继续装。
③ 依赖：列出新增依赖，标出无人维护、或与知名包拼写近似的可疑包（typosquatting）。
④ 权限与副作用：它会读写哪些目录、访问哪些域名、需要哪些 DSH 权限（filesystem / network / shell / clipboard 等），以及怎么卸载和回滚。
⑤ 如果它要求 sudo / 管理员权限，或权限明显超出功能所需，先停下来问我。

【3 安装】
上面两步没有「不满足」和「高危项」时才执行；用官方推荐方式安装，不要自行提权。

【4 汇报】
用表格输出：检查项 / 结论 / 依据 / 是否需要我决策。拿不准的一律写「未知」并说明要我怎么确认——不要猜，也不要替我决定。

Send this message to DSH in your current session: it verifies compatibility and security first (answering met / not met / unknown item by item) and only installs once everything checks out — it will stop and ask you if it finds a high-risk item. The box scrolls; the copy is the full prompt. CLI install commands may not be accurate across systems, so DSH is the safer route.把上面这条消息直接发给当前会话里的 DSH：它会先核对兼容性与安全性（逐条给「满足 / 不满足 / 未知」），确认没问题再安装，有高危项会停下来问你。框内可滚动，复制到的是完整提示词；安装命令不一定准确，发给 DSH 更稳。

Pre-install check安装前体检Compatibility · Security兼容性 · 安全性 2 warnings2 项注意

Only 9 stars - very few users, little community feedback星标只有 9，几乎没人在用，遇到问题缺少社区反馈
No DSH plugin manifest detected - it may only carry the dsh-plugin topic, so the install method must be confirmed on the spot未检测到 DSH 插件清单：可能只是打了 dsh-plugin 话题，安装方式要现场确认

DSH walks through these 9 checksDSH 会逐条核对这 9 项

Compatibility兼容性

DSH, Node, OS and profile requirementsDSH 版本 / Node 版本 / 操作系统 / profile 是否满足要求
External dependencies and runtimes (Electron / Python / Docker, ...)外部依赖与运行时（Electron / Python / Docker 等）是否齐备
Conflicts with installed plugins: command names, skill / tool names, ports, duplicate MCP registration与已装插件是否冲突：命令名、skill / tool 重名、端口占用、重复 MCP 注册

Security安全性

Repo matches the facts registered here; archived or abandoned?仓库是否与页面登记一致，是否归档或长期停更
Safety of preinstall / install / postinstall and install.sh / setup.ps1preinstall / install / postinstall 与 install.sh、setup.ps1 是否安全
curl|bash, download-then-execute, obfuscation, unrelated domains → stop immediatelycurl|bash、下载即执行、混淆代码、无关域名 → 立刻停止
Typosquatting or unmaintained packages among the new dependencies新增依赖里有没有 typosquatting 或无人维护的包
Requested permissions vs. what the feature actually needs申请了哪些权限、是否超出功能所需（filesystem / network / shell / clipboard）
Any sudo / admin requirement, plus uninstall and rollback是否要求 sudo / 管理员权限，以及卸载与回滚方式

Anything uncertain must be marked unknown with a note on how to confirm it. This site's signal screen is a static snapshot, not a security audit.拿不准的必须标「未知」并说明要我怎么确认。本站的信号筛查是静态快照，不能替代安全审计。

Or use CLI install (for developers)或使用命令行安装（适合开发者）

CLI Install命令行安装

dsh plugin --profile web add github:liangchen-harold/local-dsh

把 liangchen-harold/local-dsh 加入你的 DSH 配置（web profile）即可启用。

READMEREADME

5.7 KB · 缓存于 2026-09-17 19:38:15 · 5.7 KB

English

Local DSH

基于 DeepSeek Harness 与 llama.cpp 构建，下载即用的本地 AI Agent 桌面客户端。

官方网站 · 下载 macOS 版 · 项目文档

Local DSH 将 DeepSeek Harness Agent Loop 与本地 GGUF 模型整合到一个桌面应用中。所有发行包内置 Node.js、pnpm 与 DSH；完整版额外内置 llama.cpp，不依赖系统运行环境。

Local DSH 是由社区独立维护的开源项目，非 DeepSeek 官方产品，与 DeepSeek 无隶属、背书或赞助关系。

Local DSH

主要特性

可以纯本地运行，集成端侧推理加速。
首次设置可选择本地或外部模型，并可在 DSH 设置中独立控制本地推理服务、下载和选择模型。
Hugging Face 不可用或速度过慢时自动切换至 ModelScope。
模型、会话与推理数据保存在本机标准 DSH Home 中。
使用原版 DSH 和插件生态。

本地模型硬件支持

当前版本已针对 Apple M系列芯片 Mac 进行适配：

统一内存	Qwen3.5 2B	Qwen3.5 4B	Qwen3.5 9B	Qwen3.8 27B
8 GB	✓	✓	—	—
16 GB	✓	✓	✓	—
32 GB	✓	✓	✓	✓
48 GB 及以上	✓	✓	✓	✓

思考·设计哲学

要用适合的技术解决适合的问题

技术没有绝对的好与坏，用在合适的地方就是好的。
并不是说AI擅长某某语言，就无论做什么都要用这个语言。恰恰相反，AI提供了用最适合的方式做某件事情的能力。如果速度和尺寸是至关重要的，那就让AI用Rust或者C++甚至是汇编来实现。

人要找到和AI的相处方式

李飞飞提出“苏格拉底式提问”是最好的prompt，和我的思想不谋而合。人不能在不明真相的时候急于给AI下指令。好的指令遵循是双刃剑，如果你的指令和方向是错的，那么AI会把这个错误无限放大。
如果你希望理解一件事情，那么AI无疑是一个得力的助手。
如果你抗拒理解，只想要一个结果，那么AI会把你很好的蒙在鼓里。

最终是人去做决策，AI只能提供决策前的信息收集，和决策后的执行能力

高质量的决策需要广泛的调查，和深入的思考。广泛的调查可以基于搜索引擎，也可以基于AI，但深入的思考，目前还只能由人来做。
是选择和决策拉开了人与人的差距。
如果选择和决策是错的话，辛苦，并不值钱。这一点在AI身上体现的淋漓尽致。

Local DSH 是这些思想的一次实践。面对众多的选择，每一次选择和决策，都有人类思考的痕迹，我极力避免让代码变成AI堆砌的屎山，力求高效的理解并做出每一个决策，比如：

需要打包chromium吗？不需要，那就选择tauri，而不是electron，这样可以减少30%的体积，还能大幅提升启动速度。
如果用户自己也装了node和dsh，冲突怎么办？所以要完全独立的node和dsh，和用户环境互不干扰。

下载

当前公开版本支持 Apple 芯片 Mac。可从 GitHub Releases 下载已经签名并公证的 DMG。

模型按需下载，不包含在应用安装包中。

开发

开发环境需要 Rust 1.85 或更高版本、GNU Make，以及 Tauri 2 对应平台的编译环境。Node.js 和 pnpm 会按照仓库锁定的版本自动准备。

Windows 请从 Git Bash 运行 make，以使用 Git for Windows 提供的 Bash、curl、tar、unzip 和 sha256sum。

Showing the opening section of the README — the full document lives in the repository以上为 README 开头摘要，完整文档在仓库内 · View the full README on GitHub →在 GitHub 查看完整 README →

渲染基于仓库 liangchen-harold/local-dsh 的 README.md。在 GitHub 查看原文 →