wsnxxxs/deepseek-harness-interactive-learning

Install

## 可选 Checkpoint Protocol v1

`dsh-learning/checkpoint@1` 只用于会实质改变下一教学动作的预测、解释、对比、设计选择、调试诊断、边界情况或迁移应用，不是每轮 Continue 仪式。

- 每个 session 最多一个 pending checkpoint，每个 model step 最多一个不同 checkpoint。
- 类型为 `free_text`、`single_choice`、`numeric`、`prediction` 和 `code_slot`；单选结果使用稳定 option id。
- payload 只能包含当前 prompt、context、expected evidence、无答案 options 和自洽 fallback。
- 终态只有 `submitted`、`skipped`、`cancelled`；call 和 receipt 重放幂等，冲突复用 fail closed。
- skip、cancel、timeout、renderer failure 或无 rich Client 都恢复普通对话，不产生 Reveal、animation、Continue 或第二次等待。

## Semantic Visual Protocol v4

`dsh-learning/visual@4` 会按概念语义选择八类可信原生渲染器：

- `plot`：函数、数据、概率、折线、散点、柱形和其他定量关系；
- `node_link`：神经网络层、树、流程、因果关系和连接拓扑；
- `scene_2d`：几何、向量、力与带标注的空间示意；
- `relation`：对比、矩阵、分类与集合关系；
- `timeline`：历史事件、发现过程、阶段和年代；
- `formula_steps`：公式推导、代数变换与逐步证明；
- `study_map`：带章节或页码锚点、先修关系和概念角色的材料导览；
- `recall_deck`：带提示、揭示和本地复习状态的主动回忆卡片。

每类视觉都可以添加仅聚焦已声明对象的步骤序列，并提供可见标题、键盘操作、响应式布局、结构化文字替代和局部错误边界。图表交互包含有界滑块、探针、系列开关、节点与连线选择、逐步聚焦以及本地复习状态。

单纯回忆求导公式会直接显示公式，不会机械生成指数滑块；请求全连接神经网络时会显示分层节点和全部真实连线，不会替换成 sigmoid 曲线或 Markdown 字符画。

当用户提供文档、PDF、讲义或多份参考材料时，系统会保留真实章节及页码/标题锚点，按需先用 `study_map` 提供总览，再为每个概念选择更具体的视觉。它不会把整份材料压成一张巨型关系图，也不会未经请求自动转换成卡片。

所有模型可见 payload 都使用闭合 schema。曲线仅接受受限数学 AST；未知字段、未声明变量、非有限数值、无效引用、循环先修关系、过大载荷和非法范围都会被拒绝。模型提供的 HTML、SVG、Markdown 图或 JavaScript 永远不会执行。

## 安装

仓库当前为私有仓库，需要先让 Git 能访问它：

Add wsnxxxs/deepseek-harness-interactive-learning to your DSH config (web profile) to enable.