NLeRWantFly/dsh-HoldThatBigBlueFatFish
正式版 v0.3.0 使用 OpenCode Go 套餐的 deepseek-v4-pro、reasoningEffort: max，在冻结的 Modeltest Project2 v4.1b 上得到 Ability 99、Ship 99、Release A，无 blocker，并完成真实 ESP-IDF 构建。评测使用的 RC5 与正式版 contract-anchor.mjs 逐字节一致，因此按原样晋升，不通过评测后改 prompt 来“补分”。
catalog 简介 / catalog descriptioncatalog description：约束蓝色大肥鱼过度思考暂时的方案~模型测试opencode go实现
安装Install
dsh plugin --profile web add github:NLeRWantFly/dsh-HoldThatBigBlueFatFish把 NLeRWantFly/dsh-HoldThatBigBlueFatFish 加入你的 DSH 配置（web profile）即可启用。
READMEREADME
dsh-HoldThatBigBlueFatFish
v0.3：Project2 从 92.5 提升到 99 分
正式版 v0.3.0 使用 OpenCode Go 套餐的 deepseek-v4-pro、reasoningEffort: max，在冻结的 Modeltest Project2 v4.1b 上得到 Ability 99、Ship 99、Release A，无 blocker，并完成真实 ESP-IDF 构建。评测使用的 RC5 与正式版 contract-anchor.mjs 逐字节一致，因此按原样晋升，不通过评测后改 prompt 来“补分”。
原始 runner 曾把同一候选记为 93/72/B；复核证明原因是 Windows 深层 evaluator build root 触发 WinError 3。候选代码未变，也没有追加模型请求或 Token；换用短的隔离构建根后，官方 evaluator 得到 99/99/A。runner 已同步修正，避免把评测基础设施故障误判为模型失败。
| 指标 | v0.3 完整样本 |
|---|---|
| Ability / Ship | 99 / 99 |
| Release | A |
| Provider requests / tool calls | 237 / 270 |
| Output tokens | 126,279 |
| Prefix cache hit rate | 99.5305% |
| ESP-IDF | real pass；stdpro.bin 984,800 bytes |
92.5 → 99 是怎么来的
这里的 92.5 和 99 都是百分制 Project2 分数，不是“成功率”。它们使用相同冻结题面和评分器，但 provider 不同：92.5 基线来自 DeepSeek 官方 API，后续 96–99 来自 OpenCode Go 套餐。因此这是一条有证据的工程版本演进，不是严格的同 provider 随机对照，也不宣称统计显著。
| 阶段 | Provider / effort | Ability / Ship | Release | 关键变化与结论 |
|---|---|---|---|---|
| Router Standard 基线 | DeepSeek 官方 API / max | 92.5 / 92.5 | B+ | 6,273 字符 system；遗留 M-fidelity、E-contract、E-build blocker |
| v0.2 Minimal Anchored | OpenCode Go / max | 96、97 | B+ | 46 字符 Minimal；首轮 shell + read，随后恢复 Standard；Docker 提供真实 ESP-IDF 构建 |
| v0.3 rc1 | OpenCode Go / max | 98 / 98 | B+ | 在晋级后加入短工程契约，约束安全、迁移、API/协议和发布不变量 |
| v0.3 rc2 | OpenCode Go / max | 95 / 95 | B+ | 回归样本：依赖失败后擅自替换官方 MQTT，证明“能构建”不能凌驾于集成保真 |
| v0.3 rc3 | OpenCode Go / max | 97 / 97 | B+ | 明确工具链失败不应替换正式集成，恢复官方 MQTT；仍丢 topic/readiness 与语义项 |
| v0.3 rc5 → 正式版 | OpenCode Go / max | 99 / 99 | A | 保留 exact-name wrapper 和协议字面量；迁移先 backfill 再建索引；先完成必需报告；真实构建通过 |
净提升来自五个可迁移的控制点：
- 把 6,273 字符的路由/人格入口压成固定 46 字符 Minimal，降低 Pro 的首步注意力稀释。
- 首请求仅显示原生 shell 与
read，首次持久化tool/call后才恢复完整 Standard 工具，避免一开始被大工具目录牵引，又不牺牲后续工程能力。 - 晋级后只增加 491 字符固定契约，要求保留旧标识符、协议字面量和正式依赖；这直接修复了 rc2 的 MQTT 替换回归。
- 把迁移顺序固定为“保留旧数据 → backfill → 建索引”，同时让必需 PR/构建报告先于可选文档，减少完整度失分。
- 将 ESP-IDF evaluator 放到短、隔离的构建根。原始 93/72/B 是 Windows
WinError 3基础设施误判；同一候选零模型调用重评后为 99/99/A，这一步修正的是测量，不冒充模型提升。
缓存已经不是瓶颈；99 分样本仍用了 237 次请求和 270 次工具调用。Prompt 提高了正确性，却不能独自成为可靠的 stop controller。下一步应单独消融“按源码 hash 记录测试、probe、真实构建和 PR 完成证据”的轻量 stop gate，避免污染本次 99 分变量。
让 DeepSeek Harness 的蓝色大肥鱼一次只咬下一口，验证够了就停。
#dsh-plugin · v0.3.0 · DeepSeek Harness community preset · MIT
本工作区汇总了 DeepSeek V4 Pro 的上下文、工具披露、缓存和停止行为实验。v0.3 提供一个新的 Pro 高性能默认项，并保留 v0.2 的基线与防御项：
dsv4-pro-contract-anchor v0.3 Pro 默认项：Minimal → shell/read → Standard + 固定工程契约
dsv4-pro-anchored-96 v0.2 实验基线：Minimal → 首次 shell/read → 完整 Standard
dsv4-progressive-guarded 防御项：固定核心工具 + mutation/diagnostic/stop budgets
这是社区实验，不是 DeepSeek 官方 preset，也不代表 DeepSeek 的认可或背书。当前 composition 基于当前机器安装的 DeepSeek Harness @deepseek-ai/dsh@0.1.0-rc.6 的 Standard preset 生成；Harness 升级后应重新运行验证。
v0.2：改了什么，为什么
v0.1 的 Progressive Guard 能约束实际工具风险，却暴露了四个结构问题：Bootstrap 在空项目里容易误判证据；Guard 无法回收已经生成的巨型工具参数 Token；晋级后缺少实现粒度；重复命令检测不等于成功后的停止。继续堆 Guard 会增加拒绝循环，却不一定改善 Pro 的推理入口。
v0.2 因此把“高性能默认项”和“强 containment 防御项”拆开，并用完整 Project2 结果验证，而不是只看短探针：
| 控制面 | v0.1 / 中间方案 | v0.2 Pro 默认项 | 改动依据 |
|---|---|---|---|
| System/context | Standard 或 311 字符定制 persona；可能附带 runtime 信息 | 固定 46 字符 Minimal，complete: true，关闭 runtime context |
Pro 对长 system 和额外运行时信息敏感；带真实构建样本达到 96、97 |
| 首次工具目录 | 固定 6 个核心工具，或依靠命令形式判断晋级 | 只投影原生 shell + read |
收窄初始注意力入口，同时允许空项目用 shell 建立最小证据 |
| 晋级条件 | 可能依赖“命令看起来成功”或易失状态 | 仅依据持久化 tool/call；下一请求恢复完整 Standard 目录 |
不把乱码、环境变量或 tool/result 误当有效项目证据；session reload 后结果一致 |
| 后续能力 | Guard 持续裁剪/拒绝 | 完整 Standard 工具恢复，system 仍保持 Minimal | Project2 需要编辑、搜索、测试和构建；过度裁剪会把风险从探索转成能力焦虑或绕行 |
| 构建环境 | Windows 没有原生 EIM 时误记 E-build |
官方 espressif/idf:v6.0.1 Docker activation |
同一候选可真实编译；必须把宿主缺工具与模型代码失败分开 |
| 缓存 | 担心动态 schema 降低命中 | 全程 1 个 system hash、仅 2 个稳定 schema 状态 | 两次正式样本缓存命中率 99.4507% / 99.3384%，缓存不是当前瓶颈 |
| Guard | 作为所有 Pro 任务默认入口 | 高性能默认项不启用；强约束需求仍选择 Progressive | Guard 只能拦执行，拦不住调用参数生成；它也可能阻止必要的编译失败修复 |
这不是“删除约束”，而是把约束前移到模型请求组装：先稳定注意力入口，再恢复完整工程能力。运行时硬预算仍保留在 dsv4-progressive-guarded，供不可信仓库、严格成本上限或高风险自动执行场景选择。
v0.2 完整评测
模型为 OpenCode Go 套餐的 deepseek-v4-pro，reasoningEffort: max；题面和评分器冻结在 Modeltest Project2 v4.1b。它们不是 DeepSeek 官方 API 样本。
| Run | Ability | Ship | Release | 请求 | 工具调用 | 输出 Token | 缓存命中率 | ESP-IDF |
|---|---|---|---|---|---|---|---|---|
04-05-25-418 |
96 | 96 | B+ | 184 | 220 | 101,252 | 99.4507% | real pass |
04-54-08-394 |
97 | 97 | B+ | 148 | 231 | 126,369 | 99.3384% | real pass |
97 分样本严格突破 96，并由官方 evaluator 归档 985,344 字节的 stdpro.bin；构建产物 SHA-256 为 5551687f35305c3b8a0eca65702d3675e17137db35478d26429d6771d0782f75。两次样本不足以宣称统计意义上的“稳定 97 下限”，但已证明该约束能完成真实构建并达到 97。
仍未解决的问题也必须明确：97 分样本首响应发出 4 个调用、广度 3；真实构建成功后仍消耗约 9.5k 输出 Token。v0.2 解决了初始注意力和构建证据，不声称已经解决 Pro 的全程扇出与停止判断。下一消融应只增加“首步执行预算”和“成功证据后的短 stop hint”，不能把隐藏测试答案写进 prompt。
三者区别
仓库现在包含三个可组合、但安装层级不同的组件。它们不是三个互相替代的版本：
| 组件 | 安装层级 | 解决的问题 | 不负责什么 | 是否可单独使用 |
|---|---|---|---|---|
dsh-HoldThatBigBlueFatFish 主 preset |
<DSH_HOME>/.agent-presets/ |
调整 DeepSeek V4 Pro 的 system、首轮工具披露与工程契约 | 不提供视觉模型；不改变 Windows shell 执行器 | 是 |
dsh-multimodel |
某个 preset 的 plugins/ |
出现图片时按需暴露 perceive_media，调用 Codex/Claude 视觉后端，并拦截不兼容的 image_url |
不把 pwsh 变成 Bash；不替换 DSH 主模型 | 是，可接入其他 DSH preset |
dsh-pwsh2wslbash |
<DSH_HOME>/profiles/web 或 headless |
在 Windows DSH 中关闭 pwsh 工具，让 bash 命令进入 WSL 原生 Linux |
不处理图片；不改变模型 prompt/preset；不会把整个 DSH 进程搬进 Linux | 是，Windows + WSL 专用 |
按需求选择：
| 目标 | 安装组合 |
|---|---|
| 只使用 99 分 Pro 行为 | 主 preset |
| Pro + 图片理解 | 主 preset + dsh-multimodel |
| Pro + WSL Bash | dsh-pwsh2wslbash + 主 preset |
| Pro + 图片理解 + WSL Bash | 三者全部安装 |
三者全部安装时，推荐顺序是：先把 dsh-pwsh2wslbash 加入宿主 profile，再复制主
preset，最后把 dsh-multimodel 放入该 preset 并替换工具投影行。完成所有文件修改后
只重启一次 DSH，并新建 session；不要在已有轨迹中途切换 preset。
安装步骤
1. 安装主 preset
克隆仓库后，将 v0.3 Pro 默认 preset 目录完整复制到 DSH 用户 preset 根目录。PowerShell：
if (-not $env:DSH_HOME) { throw '请先设置 DSH_HOME' }
$source = '.\.dsh-data\.agent-presets\dsv4-pro-contract-anchor'
$target = Join-Path $env:DSH_HOME '.agent-presets\dsv4-pro-contract-anchor'
if (Test-Path -LiteralPath $target) { throw "目标已存在：$target" }
New-Item -ItemType Directory -Force -Path (Split-Path -Parent $target) | Out-Null
Copy-Item -Recurse -LiteralPath $source -Destination $target
Linux/macOS：
test -n "$DSH_HOME"
test ! -e "$DSH_HOME/.agent-presets/dsv4-pro-contract-anchor"
mkdir -p "$DSH_HOME/.agent-presets"
cp -R .dsh-data/.agent-presets/dsv4-pro-contract-anchor \
"$DSH_HOME/.agent-presets/dsv4-pro-contract-anchor"
需要持续硬预算时，改装同仓库的 dsv4-progressive-guarded，不要同时把两个 preset
目录合并成一个目录。
2. 可选：加入图片理解
dsh-multimodel 是 preset 内插件，不是 DSH profile bundle。PowerShell：
if (-not $env:DSH_HOME) { throw '请先设置 DSH_HOME' }
$preset = Join-Path $env:DSH_HOME '.agent-presets\dsv4-pro-contract-anchor'
$source = Resolve-Path '.\dsh-multimodel'
$target = Join-Path $preset 'plugins\dsh-multimodel'
if (-not (Test-Path -LiteralPath $preset)) { throw "请先安装主 preset：$preset" }
if (Test-Path -LiteralPath $target) { throw "目标已存在：$target" }
New-Item -ItemType Directory -Force -Path (Split-Path -Parent $target) | Out-Null
Copy-Item -Recurse -LiteralPath $source -Destination $target
然后在该 preset 的 agent.cordis.yml 中删除原来的
dsv4-pro-contract-anchor-tools 服务行，按
agent.cordis.snippet.yml
加入 dsh-multimodel 行。两者都负责首轮工具投影，不能同时加载。必须保留 v0.3
原有的 minimalSystem 与 contractSystem；完整值来自
contract-anchor.mjs。
视觉后端还需要至少一个可执行的原生 CLI：Codex 或 Claude。Windows 下如果 Node
启动 Microsoft Store 的 codex.exe 返回 spawn EPERM，请把 codex.command
显式设置为 npm Codex 包内的原生 .exe；详见
dsh-multimodel/README.md。
3. 可选：把 pwsh 工具切换为 WSL Bash
dsh-pwsh2wslbash 是 宿主 profile bundle，不要复制进 preset 的 plugins/。
先确认 WSL 发行版可用：
wsl.exe --list --quiet
wsl.exe -d Ubuntu-20.04 --exec /bin/bash -lc 'uname -s; printf "%s\n" "$BASH_VERSION"'
在实际使用的 profile 中安装：桌面/Web 使用
$env:DSH_HOME\profiles\web\package.json，命令行 headless 使用
$env:DSH_HOME\profiles\headless\package.json；两种入口都使用就修改两个文件。
为对应 package.json 增加：
{
"dependencies": {
"dsh-pwsh2wslbash": "file:C:/absolute/path/dsh-pwsh2wslbash"
},
"dsh": {
"profile": {
"bundles": [
"@deepseek-ai/dsh-base",
"@deepseek-ai/dsh-web-app",
"dsh-pwsh2wslbash"
]
}
}
}
这是 Web profile 示例。Headless 应保留 @deepseek-ai/dsh-base 和
@deepseek-ai/dsh-headless，再追加 dsh-pwsh2wslbash。不要覆盖其他原有
bundles。随后在每个修改过的 profile 目录执行 pnpm install。完整示例见
dsh-pwsh2wslbash/README.md。
4. 重启与验证
所有组件安装完成后完整重启 DeepSeek Harness，新建空白 session，选择
DeepSeek V4 Pro Contract Anchor v0.3.0。
主 preset：首请求只有当前原生 shell + read，首次持久化 tool/call 后恢复完整工具。
视觉插件：上传图片后可见 perceive_media，纯文本请求不增加视觉工具。
WSL 插件：bash 输出 Linux，node -p process.platform 输出 linux，且不再出现 pwsh 工具。
验证发布包：
npm.cmd test
npm.cmd test --prefix .\dsh-multimodel
npm.cmd test --prefix .\dsh-pwsh2wslbash
总结
短探针里，工具 schema 与 Guard 更直接控制“实际做什么”；完整任务里，Pro 的能力上限更依赖极短固定 system、稳定的首次工具锚点、及时恢复完整能力，以及少量明确的工程不变量。v0.3 已达到 99 分，但后续停止仍需独立控制。
- Persona/context：Standard 换成 46 字符 Minimal 后，首步 reasoning 从 81 增至 166，动作广度仍为 2。
- 首轮 schema：Minimal Fixed/Anchored 在短探针把广度降至 1，但 reasoning 增至 294/227；通用 shell 仍能绕回递归盘点。
- 显式 prompt：动作更合规，但模型会在 reasoning 中复述规则，V2/V3 为 248/370 字符。
- 能力过窄：只开放
read导致 1778 字符的能力焦虑；告知后续会开放工具后降至 442。 - 上下文预取：V6 reasoning 降至 328，但工具调用增至 3、广度回到 2。
- 长任务：Minimal 两组 Ability 为 91.0，对比 Standard 90.5；但 Ship 从 90.5 降到 72，未证明总体质量提升。
- 灰度/正式轨迹：灰度版更接近模块化产品循环；正式 DSH 版在第一次检查通过后仍继续 16 个 assistant step 和 18 次调用，说明路由或首步收窄不能独自控制整轮进度。
- Pro/Flash 分流：Flash 继续适合弱 persona + 渐进披露；Pro 使用显式选择的 Minimal Anchored preset，只发生一次由持久化事件决定的 schema 恢复。实际缓存命中高于 99.3%，没有出现此前担心的 cache 崩塌。
- v0.2 完整复验：Minimal Anchored 两个带真实构建样本为 96、97；缓存命中均高于 99.3%，因此当前瓶颈是后续扇出/停止，而不是 prefix cache。
- v0.3 完整复验：Contract Anchor 达到 99/99/A、零 blocker、真实 ESP-IDF 构建；缓存命中 99.5305%，但 237 次请求仍说明停止控制尚未完成。
完成数据均来自 Windows native；Linux Docker 没有形成完整可评分 run，因此不作跨 OS 结论。
v0.2 防御轨道：bash-debug 工程修订
真实长任务轨迹进一步暴露了“空项目 bootstrap 误晋级、巨型单步生成、缺少纵向切片、通过测试后不收敛、PowerShell 契约过重”五个问题。bash-debug 分支已逐点修正；历史 14 条模型评分不重写，新验证使用本地假 API，不消耗官方 Token。
| 控制点 | 旧版 | bash-debug |
|---|---|---|
| 空项目 | 根目录浅层查看也拒绝，可能读取 Harness 内部并误晋级 | Pro 首请求就有固定核心工具；另允许 Windows/Linux 最多 50 项的浅层探针，并拒绝内部/压缩数据 |
| 模型策略 | Pro/Flash 共用同一种渐进式入口 | Pro 显式固定策略；Flash 留给 Router 的弱 persona + 渐进披露，避免首请求生命周期误判 |
| 生成前控制 | 无 | 311 字符 complete system、maxTokens <= 8192、模型可见 maxLength: 12000 |
| 实现粒度 | 工具晋级后可一次写入任意大文件 | 单次 12,000 字符、未检查累计 24,000、每 step 最多两个变更 |
| 收敛 | 只拦完全相同命令的第三次重复 | 相关检查通过后总共只给两个额外诊断，换工具/换命令也不能绕过 |
| Windows shell | 模型直接面对 PowerShell 生态与 Harness 特有字段 | Linux 风格 bash facade 代理到受 ACL 约束的原生 pwsh；不启动 Git Bash、不提权 |
| 缓存边界 | Pro 两阶段、一次 schema 晋级 | Pro 的 system/tool 前缀全程固定，真实 Cordis smoke 中 schema transition 为 0 |
真实 DSH fake-API smoke 共 7 个 agent request、1 个 request header、1 个 system hash、1 个 tool schema hash、0 次 schema transition；12,001 字符变更与第三次重复检查均被拒绝。这个结果证明插件不额外切断缓存前缀，但不等同于官方 API 的实际 cache-hit rate。Docker daemon 当时未运行，因此 Linux 只完成同代码路径的契约测试，仍不声称真实跨 OS 等价。
历史 v0.1 消融数据
下表保留 v0.1 的 14 条官方 API/微探针结果，用来解释 v0.2 的设计来源；它不与上方 OpenCode Go 的 96/97 合并冒充同一 provider。历史数据共 634 次模型请求、858,011 input tokens、142,176,128 cache-read tokens、423,458 output tokens、159,096 reasoning tokens，估算费用 1.25703173 USD。
| Suite | Condition | System chars | 首轮 tools | Reasoning chars | Calls | Breadth | 合规 | Requests | 费用 USD |
|---|---|---|---|---|---|---|---|---|---|
| 官方短探针 | standard-full | 6333 | 25 | 81 | 2 | 2 | 否 | 3 | 0.00664987 |
| 官方短探针 | minimal-full | 46 | 25 | 166 | 2 | 2 | 否 | 3 | 0.00706208 |
| 官方短探针 | standard-anchored | 6337 | 2 | 78 | 2 | 2 | 否 | 3 | 0.00784989 |
| 官方短探针 | minimal-fixed | 46 | 2 | 294 | 2 | 1 | 是 | 3 | 0.00560724 |
| 官方短探针 | minimal-anchored | 46 | 2 | 227 | 2 | 1 | 是 | 3 | 0.01397026 |
| Project2 | standard-full | 6336 | 25 | 87 | 2 | 2 | 否 | 149 | 0.29941497 |
| Project2 | minimal-fixed | 46 | 2 | 240 | 2 | 1 | 是 | 207 | 0.44036715 |
| Project2 | minimal-anchored | 46 | 2 | 252 | 2 | 2 | 否 | 253 | 0.45865420 |
| 省 Token 探针 | v2-minimal-core | 46 | 2 | 152 | 1 | 2 | 否 | 3 | 0.00043164 |
| 省 Token 探针 | v2-compact-core | 400 | 2 | 248 | 2 | 1 | 是 | 3 | 0.01207189 |
| 单请求探针 | v3-single-core | 262 | 2 | 370 | 1 | 1 | 是 | 1 | 0.00101616 |
| 单请求探针 | v4-read-core | 46 | 1 | 1778 | 1 | 1 | 是 | 1 | 0.00068301 |
| 单请求探针 | v5-read-noted-core | 113 | 1 | 442 | 2 | 1 | 是* | 1 | 0.00058986 |
| 单请求探针 | v6-prefetched-core | 6196 | 6 | 328 | 3 | 2 | 否* | 1 | 0.00266351 |
* 单请求微探针记录拟调用意图，并在工具 dispatch 前停止。
完整 token 列、首次调用参数、来源 run 和失败尝试见：
两个生产预设
dsv4-pro-anchored-96 是 v0.2 的 Pro 高性能默认项：46 字符 Minimal system、关闭 runtime context；首请求只显示原生 shell + read，出现第一个持久化 tool/call 后，下一请求恢复完整 Standard 工具。它没有动态 prompt、reasoning 分类器或工具 Guard。
dsv4-progressive-guarded 是防御项。它使用 311 字符 complete persona，关闭 runtime context，并从首请求起固定暴露 read/bash/grep/glob/edit/write；整轮不再发生工具晋级。它持续拦截根级递归盘点、全量 glob、无路径 grep、shell 内容写入和后台首步，并增加持久化阶段预算、环境失败隔离、文件变更预算与测试后收敛预算。该模式优先 containment，不以 97 分样本作为质量背书。
Flash 不复用这两个 Pro preset：它继续使用 dsh-router-standard 的弱 persona 和 read/bash → 有效证据 → 核心工具。真实 Cordis 测试发现，session.selectModel 在首轮 system/tool 组装之后才最终施加路由，依靠插件自动猜测模型会让首请求误入错误策略，因此两类模型必须使用显式 preset，并在新 session 中选择。
97 分评测固定使用 deepseek-v4-pro / max。日常任务的 reasoning effort 仍由 DSH 模型选择层决定：Anchored preset 不伪装覆盖 UI 选择，也不设置输出上限；Progressive 防御 preset 才把单次 maxTokens 压到不高于 8,192。需要质量上限时选择 Anchored，需要硬成本边界时选择 Progressive。
Progressive 的 Plan Mode 会按持久化 plan/mode 事件绕过其 Guard，让 Harness 原生规划目录和 exit_plan_mode 接管。
当前工作区生成位置：
.dsh-data/.agent-presets/dsv4-pro-anchored-96/
.dsh-data/.agent-presets/dsv4-progressive-guarded/
安装到实际 Harness 的用户 preset 目录：
<DSH_HOME>/.agent-presets/dsv4-pro-anchored-96
<DSH_HOME>/.agent-presets/dsv4-progressive-guarded
Anchored 的三文件发布目录与 97 分版本哈希一致：composition d6957d9c…、插件 ea9526f…。其单元测试、真实 DSH fake-API 冒烟、正式 Project2 和离线 replay 均通过。Progressive 的六个安装文件也逐字节哈希一致；Windows fake-API smoke 证明固定 6 工具 schema、portable bash 的 ACL 代理、12,001 字符写入拒绝与第三次重复检查停止均生效。验证产物：
相关推荐Related
- deepseek-ai/deepseek-harness DeepSeek Harness: Everything is a Plugin.
- deepseek-ai/deepseek-harness DeepSeek Harness (dsh) — 由 DeepSeek AI 开发的开源 agent harness（智能体框架）。一切皆插件：核心 + 插件 + 技能 = 可热插拔的 AI 编程工作台。DeepSeek Harness: …
-
ruvnet/ruflo
🌊 The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build c…
-
amruthpillai/reactive-resume
A one-of-a-kind resume builder that keeps your privacy in mind. Completely secure, customizable, portable, open-source a…
-
volcengine/OpenViking
Self-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.
-
Molunerfinn/PicGo
:rocket: The Ultimate Image Uploader for Efficient Creators. Supports Obsidian, Typora, VS Code etc. and 60+ image hosti…
-
titanwings/colleague-skill
将冰冷的离别化为温暖的 Skill，欢迎加入数字生命1.0！Transforming cold farewells into warm skills? It's giving rebirth era. Welcome to Digital …
-
nocobase/nocobase
NocoBase is an open-source AI + no-code platform for building business systems fast. Instead of generating everything fr…