dsh-ronge-adaptive-skill-archive
Verifieddsh-ronge-adaptive-skill-archive · v5.4.2 · MIT · Web UI
DSH-native skill intelligence cockpit: task decomposition, cross-domain multi-skill composition, skill authoring, local recommendations and safety scans for DeepSeek Harness.
Install
dsh plugin add dsh-ronge-adaptive-skill-archive Confirm the layer applied with dsh --profile default --dump-config — see the install guide.
Source
Tags
Creators
Readme
荣哥技能卷轴收藏馆
Ronge's Adaptive Skill Cockpit · v5
把「该用哪个技能」升级成「拆任务 → 组队 → 造技能 → 验质量」的 DSH 原生技能驾驶舱。
在线落地页 / Landing page · 声明与证据 · 评测口径 · 规划质量 benchmark
会话右侧的「技能」抽屉：推荐 / 组队计划 / 经验 / 安全与更新，都在一个面板里。
v5.4.2 发布说明：本 README 是当前发布稿。三大新能力
plan → compose → draft（任务拆解 / 技能组队 / 按缺口造技能）与 12 领域包为本次发布新增；每条声明的证据、实测状态与未验证项统一记录在 docs/claims.md。benchmark 数字见 docs/benchmark.md（2026-10-30 快照）。
为什么需要 v5
市面上大多数 skill 工具停在「货架」：列出技能、搜索、安装、更新。技能多了之后，真正的问题变成：
- 这个任务该拆成几步？ 一句话里可能同时有 Office 交付物和视频交付物。
- 哪几个技能该组队、按什么顺序、谁交给谁？ 单点推荐解决不了多技能协作。
- 找不到合适技能时怎么办？ 缺的是「纪要模板」这类具体能力，不是再装一个泛用技能。
- 做完到底省了什么？ 需要可复跑的估算与 benchmark，而不是感觉变快了。
v5 的驾驶舱把这条链路补全：
选（推荐）→ 拆（decompose）→ 组（compose）→ 造（draft）→ 验（acceptance）
↑ │
└────────────── 经验 / 反馈 / 自进化 持续回流 ◄───────────┘
60 秒 Demo
真实数据版拍摄脚本：docs/demo-60s.md。
30 秒安装
# 1) 先跑 npx 助手：检查环境 + 打印这台机器该用的安装命令（不装任何东西）
npx dsh-ronge-adaptive-skill-archive
# 想先体检：npx dsh-ronge-adaptive-skill-archive doctor
# 2) 把打印出的这一行交给任意 DSH 会话里的 Agent 执行（v5.4.2 发布后可用）
plugin_manager install_bundle [email protected]
# 3) 刷新页面 → 右上角「技能」→ 右侧抽屉；计划模式 / 沉浸模式切换
npx是安装助手，不是替代 npm：它从 npm registry 取包，但不修改 profile，只检查 Node / profile / 数据目录 / 已装版本并打印安装命令。没有 npm 也能装：GitHub tag 或本地目录，见安装。
3 分钟 demo：plan → compose → draft
一个跨领域、多意图的真实任务：「把这段会议录音整理成可交付的会议纪要 docx，再做一个 30 秒宣传片。」 预期拆成 Office + 视频两条线，并在缺少「纪要模板」技能时现场造一个草稿。
0:00–0:40 打开驾驶舱
安装后打开任意会话，点右上角「技能」，切换到计划模式（先给方案、问过你再执行）。面板里能看到当前推荐、推荐理由和「正在使用」。
0:40–1:40 Step 1 · plan：拆任务
在会话里让 Agent 调用 DSH 原生工具 skill_archive_plan：
用 skill_archive_plan 拆解这个任务，先不要执行：
「把这段会议录音整理成可交付的会议纪要 docx，再做一个 30 秒宣传片。」
示意输出（字段以实际版本为准）：
目标：会议录音 → 纪要 docx + 30 秒宣传片
主意图：Office（会议纪要） / 次意图：视频（宣传片）
交付物：minutes.docx, teaser.mp4
约束：宣传片 30 秒、竖屏 9:16、纪要引用原话需带时间戳
子任务：转写 → 纪要 → 校验 → 分镜 → 素材 → 渲染 → 交付
缺口：没有「会议纪要模板」能力 → 需要 draftSkill
假设：录音已在本机；宣传片素材从会议录屏截取
置信度：中等偏低（含 2 条假设，需你确认）
这一步只拆解，不执行、不装技能、不写文件。
1:40–2:30 Step 2 · compose：组队
用 skill_archive_compose 给上面的任务组队：2–5 个技能，标出顺序、交接、缺口和冲突。
示意输出（节选）：
| 阶段 | 角色 | 技能 | 为什么 | 交给下一步 |
|---|---|---|---|---|
| 1 | 生产 | office-docx |
生成可交付的 .docx 纪要 | 文稿文件 |
| 2 | 校验 | office-render |
渲染检查版式 / 分页 | 校验结论 |
| 3 | 生产 | beat-promo-director |
30 秒卡点分镜 | 分镜表 |
| 4 | 生产 | media-use |
素材、配乐、剪辑合规 | 素材包 |
| — | 缺口 | meeting-minutes-template |
没有现成技能 → draftNeeded: true |
进入 Step 3 |
默认 sequential；检测到校验意图时升级 review-gate（Office 交付物先过校验，再做视频）；两条线可以并行时给出并行段。compose 同时返回 assumptions / conflicts / fallback，并标注「这是计划，不是执行结果」。
2:30–3:00 Step 3 · draft：造技能
用 skill_archive_draft_skill 补上「会议纪要模板」这个缺口：
只给我 SKILL.md 草稿、eval cases、lint 和安全扫描结果，不要写盘，不要执行。
示意输出：
SKILL.md草稿：frontmatter（name / description / whenToUse）+ 步骤 + I/O + 质量检查 + 失败处理 + 示例；evalCases：3–5 条「什么任务该触发它」的用例；lint：kebab 名称、描述长度、结构完整性；safety：本地启发式扫描（shell / 网络 / 凭据 / 过度授权）；- 不写盘、不执行：你确认后自己保存到
~/.dsh/skills/<name>/SKILL.md，或在面板点「新建技能」。
整个 demo 只产生计划和草稿，不会自动装技能、不会自动跑脚本。想让 Agent 真正执行，回到计划模式确认，或切沉浸模式（不问直接执行，风险自负）。
和技能市场 / 技能管理器比：我们只补「驾驶舱」这一层
口径：竞品信息来自其公开文档 / README（2026-10 整理），可能随版本变化；表格只比较与本插件重叠的维度。它们在生态规模、跨宿主、企业治理上远超本插件——那是它们的主场。这是单宿主（DeepSeek Harness）的深度插件，不是通用技能市场。
| 维度 | 本插件（v5） | skills.sh 生态 | Claude Code plugins | DSH 内技能管理插件 |
|---|---|---|---|---|
| 主形态 | DSH 右侧抽屉，单宿主深做 | 跨 agent 市场 + CLI | 官方插件市场 + skills | 目录 / 搜索 / 启停 / 安装 |
| 推荐 + 理由 | 会话上下文 → Top 4，附结构化理由 | 按安装量排行，无用户可见理由 | 按 description 自动加载 |
以列表、搜索为主 |
| 正在使用 | 真实 skill 工具调用，实时 |
— | /skill-doctor 历史频次 |
部分有使用记录 |
| Plan / Immersive | skill 编排级双模式 | — | Plan 属权限模式 | — |
| 任务拆解 + 技能组队 | v5：decompose → compose（阶段 / 交接 / 冲突 / 缺口） | 无用户可见能力 | 有通用 plan 模式；无 skill 组队 | 无 |
| 按缺口造技能 | v5：draft（SKILL.md + eval cases + lint + 安全扫描，不写盘） | 无（作者自己写） | skill-creator 面向作者 |
无 |
| 边界可证 | v5：estimate + 可复跑 benchmark + 真实 A/B 负面记录（docs/benchmark-live.md）* | 安装量统计 | 作者侧评估 | 无 |
| 经验 → 自进化 | 经验记忆 + 👍/👎 归因 + 权重学习 + 10% 探索 | 安装量统计 | 作者侧评估 | 少数有使用记录 |
| 安装前安全 | 本地启发式扫描 + 信任分级 + 许可证 | 合作方审计（Vercel 公布） | 市场分层 + 来源校验 | 部分有 trust score |
| 更新 / 回滚 | 内容 diff + 备份 + 一键回滚 | lockfile + update | 市场内更新 | 部分有更新检查 |
| 数据 / 遥测 | 全本地，无遥测 | 安装遥测默认开启（可关） | 使用数据不回传作者 | 本地 |
| 规模口径 | 6,399 条 GitHub 公开 SKILL.md 元数据快照（2026-10-28） |
官方博客称 69,000+ / 站点另有 1.5M 级数字 | 官方精选，未公布总量 | 各家不同 |
「任务拆解 / 组队 / 造技能 / 验收」是 v5.0.0 新增，实现状态见 docs/claims.md。不承诺省 token/更快：真实 A/B 未达双指标改善，证据在 docs/benchmark-live-artifacts.md。
12 领域覆盖
v5 的领域包覆盖 12 个领域，每个领域有任务 playbook、真实技能候选与 held-out 用例；覆盖率、组合合法率、上下文成本等结果统一记录在 docs/benchmark.md。
| 领域 | 典型交付物 | 会触发它的任务（示例） |
|---|---|---|
| 视频 / 创意 | mp4、分镜、动效 | 做一条 30 秒卡点宣传片 |
| Office | docx / pptx / xlsx / pdf | 把录音整理成带时间戳的纪要 |
| 软件工程 | 代码、测试、PR、修复 | 排查失败测试并补回归 |
| 数据 | 表格、分析、图表 | 分析这批 CSV 的异常并出图 |
| 研究 | 报告、综述、来源清单 | 收集 10 篇资料做对比综述 |
| 营销 | 文案、投放、竞品分析 | 给新品写一版小红书文案 |
| 设计 | UI、海报、品牌 | 给落地页做一版视觉稿 |
| 安全 | 审计、风险清单 | 检查这个 skill 能不能装 |
| 教育 | 课程、讲解、题解 | 把这个概念讲给新人 |
| 商业 | 商业计划、财务模型 | 做一版订阅制收入模型 |
| 效率 | 流程、自动化、模板 | 自动整理周报与待办 |
| AI | prompt、agent、RAG | 给 Agent 设计一套工具链 |
领域映射来自技能元数据的能力画像（
library/capability-index.json，v5.0.0 生成），不是人类专家认证；跨领域任务的拆解结果请先看 assumptions 再执行。
DSH 原生工具
v5.0.0 在 DSH 里注册三个只读 / 只出草稿的工具（面板与 MCP 之外的原生入口）：
| 工具 | 输入 | 输出 | 副作用 |
|---|---|---|---|
skill_archive_plan |
task，可选 cwd / mode |
目标、主 / 次意图、交付物、约束、领域、子任务、假设、置信度 | 无（不执行、不写盘） |
skill_archive_compose |
task，可选 maxSkills |
阶段化组合（顺序 / 并行 / review-gate / escalation）、每步技能与理由、缺口 draftNeeded、冲突、估算 |
无 |
skill_archive_draft_skill |
task，可选 plan / missing |
SKILL.md 草稿、evalCases、lint、安全扫描 |
无（不写盘、不执行） |
- 没有 install / force / 执行类工具——安装与更新仍然走面板（有预览、安全扫描、备份、回滚）。
- 接口契约见 docs/intelligence-architecture.md；实现状态与实测清单见 docs/claims.md。
- 面板、HTTP（loopback）与 MCP 共用同一个本地引擎；MCP 让 Claude Code / Codex / Cursor 也能用推荐与经验（见 docs/cross-agent.md）。
计划质量评测
真实复杂任务的质量评测（不测 token）：docs/plan-quality.md。
评测与边界（必读）
三类数据严格分开，不混用：
| 类型 | 含义 | 来源 | 当前状态 |
|---|---|---|---|
| 已测：推荐召回 | 30 条半人工任务，Top-4 里是否出现可用的已装技能 | docs/eval.md | Recall@4 = 0.9（27/30），运行于 v2.7.2 工作树，引用需注明口径 |
| 已测：库检索 | 24 条任务在 6,399 索引里的类目命中 | docs/eval.md | Category Hit@5 等指标见文档；Hit@5 偏松，不能证明技能好用 |
| v5：真实任务 A/B | 6 条任务已跑；12 条 fixture 未跑完 | docs/benchmark-live-artifacts.md | 不是效率胜利：meeting +74% token、pptx +29% token；claim = not-achieved |
| v5：规划 / 组队 / 质量 | planCoverage 0.333、compositionValidity 1.00、capabilityCoverage 0.717、hintRecall 0.45、gapDetection 1.00（宽松口径：不假装已覆盖）、contextTokens mean 131.5 / p95 193（延迟为单机快照，不对外作 SLA）；基线 keyword 0.083/0.217/0.25/0.532；installLoad 0.3 | docs/benchmark.md（60 条 held-out，2026-10-30） | 指标是半人工基准，不等于真实成功率；installLoad 0.3 必须一起读 |
规则：
- 所有数字以脚本输出为准：
node scripts/eval-real.mjs、node scripts/eval-discover.mjs、node scripts/benchmark.mjs --smoke；文档不手改数字。 - 效率不是卖点：
efficiencyEstimate只是method: 'estimate'的规划辅助；真实 A/B 没有达到 token/时间双改善，不对外承诺省 token 或更快。 - 评测不是质量榜：评测是半人工用例，不是线上遥测；Recall@4 只衡量「已装技能推荐」，不代表 6,399 条库的整体质量。v5 规划 benchmark 见 docs/benchmark.md。
- 证据矩阵（每条声明 → 证据 → 标签）见 docs/claims.md。
安全边界（先读再装）
- 推荐、拆解、组队、草稿、扫描、自进化全部在本机完成：不调用外部模型、不上传、无遥测。
- 安装前安全扫描是本地启发式提示，不是安全保证：能发现 shell 执行、
curl | bash、动态解码、提示注入、凭据路径、网络访问、文件写入、过宽allowed-tools等模式，但静态扫描覆盖不了全部攻击面；安装前仍要预览全文。 - 高风险默认拒绝：面板安装、更新中心、MCP
install_skill一致——高风险SKILL.md默认拒绝，必须显式 force 才写入/更新（force 是你的责任）。 - 只从
raw.githubusercontent.com/**/SKILL.md拉取，上限 256 KiB，不自动拉脚本 / 资源，不覆盖已有技能；重名安装自动改名。 - draft 不写盘、不执行；DSH 侧没有 install / force 工具；MCP 的
install_skill有同样的扫描与拒绝门槛。 - 新建技能只写入
~/.dsh/skills/<kebab-case-name>/SKILL.md，名称白名单拒绝/、..与绝对路径。 - 数据目录默认
~/.dsh/dsh-ronge-adaptive-skill-archive/；卸载 bundle 不会删除数据。 - 不宣称「无漏洞」：本项目没有安全认证、没有第三方审计报告；「安全」指上面这些本地检查与拒绝策略。
安装
前置
- DeepSeek Harness（Desktop / Web profile）；已验证基线 DSH Desktop 0.2.1-rc.3（见 docs/dsh-compatibility.md）
- macOS（提示音用系统
afplay；Linux 可改为paplay） - 安装插件需要
danger-full-access或审批
四种入口（profile 级，所有会话生效）
| 方式 | 命令 | 适合 |
|---|---|---|
| npx 助手 | npx dsh-ronge-adaptive-skill-archive（体检：npx dsh-ronge-adaptive-skill-archive doctor） |
第一次用；不装东西，只体检 + 打印安装命令 |
| npm | plugin_manager install_bundle [email protected] |
v5.4.2 发布到 npm 后可用 |
| GitHub tag | plugin_manager install_bundle target=git+https://github.com/bugtakue/dsh-ronge-adaptive-skill-archive.git#v5.4.2 |
固定版本、可审源码 |
| 本地目录 | plugin_manager install_bundle target="/absolute/path/to/dsh-ronge-adaptive-skill-archive" |
开发、改代码、离线 |
v5.0.0 打 tag / 发布 npm 之前，
@5.0.0会 404：请先用本地目录，或安装当时最新的已发布版本。安装后 DSH 需重启才会加载新的 Host 模块；浏览器刷新加载 Client。
升级
- 从 v3.x 升级：直接覆盖安装 v5.0.0；数据目录、经验、权重、更新记录沿用。
- 从 v2.x / v1.x 升级：v3.0.0 起包名 / 路由 / bundle id 已改名，先移除旧 bundle 再装新版本；旧数据目录会在首次启动时自动合并（旧目录保留）。见 v3.0.0 发布说明。
数据在哪
| 路径 | 内容 |
|---|---|
~/.dsh/dsh-ronge-adaptive-skill-archive/config.json |
模式（plan / immersive） |
.../experience.md / experience.json |
经验（人读 / 机读） |
.../evolution.json |
权重、探索配额、变更历史 |
.../rec-feedback.json |
推荐反馈 |
.../skills-lock.json |
安装来源 / SHA-256 / 信任 / 许可证 |
.../backups/<skill>/<timestamp>.md |
更新前备份 |
~/.dsh/skills/<name>/SKILL.md |
已安装 / 新建的技能 |
架构
┌─ DeepSeek Harness ──────────────────────────────────────────────┐
│ session header ──[技能]──► 右侧抽屉（client.js，无构建） │
│ │ │ │
│ session events HTTP（仅 loopback，无新端口） │
│ └───────────┬──────────────┘ │
│ ▼ │
│ Host（index.js） │
│ 推荐 / 经验 / 自进化 / 安全扫描 / 更新 / 卷轴馆 │
│ v5 智能引擎：decompose · compose · draft · efficiency │
│ DSH 原生工具：skill_archive_plan / compose / draft_skill │
│ │ │
│ lib/intelligence（纯函数、零依赖、无网络） │
│ MCP server（跨 agent：推荐 / 发现 / 安装 / 经验） │
│ │ │
│ ~/.dsh/dsh-ronge-adaptive-skill-archive/ ← 配置/经验/权重 │
│ ~/.dsh/skills/ ← 安装/新建的技能 │
└─────────────────────────────────────────────────────────────────┘
Host 只依赖 Node 内置模块；Client 是 plain JS（window.__ModuleLoader__.load，无 JSX、无构建）；智能引擎是纯函数模块，零依赖、确定性、无网络。路由只监听 loopback。
已知限制
- 推荐 / 检索是启发式：关键词 + 中文二元组 + 256 维哈希向量 + 信号分，不是神经模型；改写、隐喻、小语种仍会失手。
- 拆解 / 组队是规则引擎：decompose / compose 基于领域词表、交付物识别与能力画像，不是 LLM 推理；多意图任务可能主次颠倒，执行前请先看 assumptions 与 conflicts。
- 效率不是卖点：
estimate不等于实测节省；真实 A/B 未达标，不写效率提升百分比。 - 6,399 不是质量榜：1,001 条无描述、512 个重名、没有人工质量标注；quality 是完整度 + 仓库信号的启发式，stars 是 2026-10-29 快照，会过期。数据口径与来源见 docs/attribution.md。
- 评测覆盖有限：30 条已装技能、24 条库检索，以及 v5 规划 benchmark（见 docs/benchmark.md）；样本小，单条变化会影响指标。
- Plan / Immersive 是 prompt 级：模型可能忽略模式指令；不是权限级硬约束。
- 单宿主：DSH 原生；MCP 可接入 Claude Code / Codex / Cursor，但没有 DSH 面板 UI。
- 12 领域 ≠ 人类专家：领域包提供路由与 playbook，不能宣称达到任何行业的人类专家水平。
- 未审计：没有第三方安全审计或认证；扫描是启发式，不构成安全保证。
开发与贡献
npm run check # 校验 client factory id 与包名一致
npm test # 单元 + 路由 + 迁移 + 兼容性测试（不联网）
node scripts/eval-real.mjs # 30 条真实任务 Recall@K
node scripts/eval-discover.mjs # 24 条库检索评测
node scripts/benchmark.mjs --smoke # v5 智能引擎 smoke（合并后可用）
npm run check:dsh # DSH 兼容性静态检查
欢迎从 Issues 的「拆解错了 / 组队不合理 / 推荐不准 / 声明没证据」开始；声明纠错比 star 更有价值。提交对外文档改动前，请先更新 docs/claims.md 的对应行。
License
MIT。见 LICENSE。索引中的技能元数据归原作者，边界见 docs/attribution.md。
如果这个驾驶舱帮你少想一步「该用哪个技能」，欢迎点一个 Star。
不刷星、不承诺榜单；发现夸大的声明，请直接开 issue 打脸——我们会改文档或删声明。
English
Ronge's Adaptive Skill Cockpit (v5) is a DSH-native skill cockpit for DeepSeek Harness. It goes beyond listing and installing skills: it decomposes a task, composes a skill team, drafts the missing skill, and makes the scope auditable.
- Plan → compose → draft — three read-only DSH tools (
skill_archive_plan,skill_archive_compose,skill_archive_draft_skill) turn one task into deliverables, staged skill plans, and aSKILL.mddraft with eval cases + lint + safety scan. Nothing is written or executed. - Context-aware recommendations — Top 4 with structured reasons (name / keyword / category / experience / affinity / exploration), local heuristic, no model calls.
- Live "now using" — read from real
skilltool calls, not inferred. - Plan / Immersive modes — ask-first orchestration, or no-ask auto-composition.
- Experience + self-evolution — local feedback-weighted learning with a 10% exploration quota (0–30%), logged and rollback-able.
- Honest scope — no token-savings claim; real A/B is recorded even when negative. Claims matrix: docs/claims.md.
- Safety boundary — local heuristic scan (not a guarantee), high-risk installs refused by default, only
raw.githubusercontent.com/**/SKILL.md(≤ 256 KiB), no auto-assets, backup + rollback. - 12 domains — video/creative, Office, software, data, research, marketing, design, security, education, business, productivity, AI.
- 6,399-skill metadata index — public GitHub
SKILL.mdsnapshot (2026-10-28), 14 categories; metadata only, no body redistribution (docs/attribution.md).
Install (in a DSH session):
plugin_manager install_bundle [email protected]
# then open any session → 「技能」 → switch Plan / Immersive
Privacy: everything (recommendations, plans, drafts, scans, learning) runs locally; no telemetry, no uploads. MIT licensed — see LICENSE, CONTRIBUTING.md, and the claim/evidence matrix in docs/claims.md.