dsh-skill-recommender

面向 DeepSeek Harness 的 skill 推荐器。它浏览你本地 Codex / Claude / DSH 三种会话记录，生成一份紧凑的用户画像，摄取开源 skill 目录，并用加权打分 + 可调匹配指数排序推荐——指数越高，只返回关联度越高的 skill。

它能做什么

1. 读取会话：DSH（~/.dsh/sessions/**/session.jsonl.zstd）、Codex（~/.codex/*.jsonl）、Claude（~/.claude/projects/**/*.jsonl）——纯本地读文件，无需任何 API/凭据。
2. 构建画像：主题分布、高频工具、任务类型、常用项目目录、语言/模型来源。
3. 摄取目录：本地 skill 目录（~/.agents/skills、~/.dsh/skills、Obsidian 2️⃣ AI/Skill）+ 远程 awesome 聚合（awesome-dsh-skills、awesome-dsh-plugin、awesome-deepseek-harness、Claude skills 生态），另带一份内置种子目录兜底。
4. 打分排序：加权模型 score = Σ(w_i × sim_i) / Σ(w_i)，维度=主题 / 工具 / 任务 / 邻近已装。全局匹配指数（0–100，默认 60）为门槛：仅 score ≥ index 的 skill 入选，再取 top-N。

与 dsh-skill-studio 的区别

dsh-skill-studio 是从你自己的会话里提取可复用 skill；本插件是外推你的画像 → 推荐第三方开源 skill。两者互补。

工具（agent 可用）

工具	用途
recommender_scan	扫描会话、建画像、产出一次初步推荐。
recommender_recommend	推荐开源 skill，可临时覆盖 index/topN/weights。
recommender_profile	查看当前画像（主题/工具/任务/项目）。
recommender_config	配置来源、目录、窗口、匹配指数、每维度权重、可选 LLM 富化。
recommender_status	查看插件状态（不回显密钥）。

Web 设置面板

设置页新增「Skill 推荐器」卡片：扫描按钮、匹配指数滑条（0–100）、四个每维度权重滑条（主题/工具/任务/邻近）、目录源开关、以及带分数/分项/跳转链接的推荐卡。指数与权重保存到 ~/.dsh/dsh-skill-recommender/config.json（0600）。

兼容性

要求 DeepSeek Harness ≥ 0.1.5-rc.1（已在包清单的 dsh.engines.dsh 中声明，DSH 插件市场据此显示兼容版本），并已在 0.1.5-rc.1 上实测通过。本构建包含 DSH 0.1.5 的适配：工具结果的严格校验契约（lossless-JSON 快照、additionalProperties: false 的 schema 校验、output.render 必须返回 ContentBlock[]），以及不依赖宿主 PATH 的可执行文件解析（launchd 托管的宿主 PATH 只有 /usr/bin:/bin）。 本版起在 peerDependencies 中显式声明兼容 DSH 0.2.0-rc.2（官方 DSH 包的版本范围已含 ^0.2.0-rc.2），在 0.2.0-rc.2 上不会再出现兼容告警；功能与行为无变化。

安装

1. 把插件装进你的 profile：

   # 从 npm 安装
   dsh plugin --profile web add dsh-skill-recommender
   
   # 或从 GitHub 安装（仓库带 dsh-plugin topic）
   dsh plugin --profile web add github:zhengjy01/dsh-skill-recommender
   
   # 本地开发
   dsh plugin --profile web add link:/path/to/dsh-skill-recommender
   

   预期结果：命令打印解析到的包名，并写进该 profile 的 dsh.profile.bundles。

   截图位 1 —— 安装输出。 怎么截：命令执行完立刻截终端最后约 10 行（包名 + profile）。要不要打码：出现用户名 / 家目录就打码。文件名建议 docs/images/dsh-skill-recommender-1-install.png。

2. 重启宿主（工具与路由生效），再强刷浏览器页面（客户端面板生效）。配置键：patch 层的 skill-recommender。

   预期结果：设置 页出现「Skill 推荐器」卡片。

   截图位 2 —— 设置卡片。 怎么截：卡片首屏（扫描按钮 + 匹配指数滑条）。 要不要打码：私密的目录名打码。文件名建议 docs/images/dsh-skill-recommender-2-card.png。

3. 点 扫描。

   预期结果：进度条推进，随后出现带分数、分项与可点击来源链接的推荐卡。

   截图位 3 —— 带分数的推荐结果。 怎么截：结果列表，2–3 张卡即可。文件名建议 docs/images/dsh-skill-recommender-3-results.png。

4. 可选：把 匹配指数 滑条拉高后重新扫描。

   预期结果：推荐更少、关联度更高（指数 90 通常只剩很少几条）。

   截图位 4 —— 指数闸门生效。 怎么截：拉高指数前后各一张列表。文件名建议 docs/images/dsh-skill-recommender-4-index.png。

补图清单

#	放在哪	展示什么	怎么截	建议文件名
1	安装	安装命令输出（包名 + profile）	第 1 步后立刻截终端最后约 10 行；家目录打码	docs/images/dsh-skill-recommender-1-install.png
2	安装	设置页的「Skill 推荐器」卡片	设置页，卡片标题 + 扫描按钮	docs/images/dsh-skill-recommender-2-card.png
3	使用	带分数的推荐卡	结果列表，2–3 张	docs/images/dsh-skill-recommender-3-results.png
4	使用	拉高匹配指数后列表变短	同一列表，拉高指数前后	docs/images/dsh-skill-recommender-4-index.png

补图后请重跑 npm pack --dry-run 与可移植性门禁（npm run verify）——README 属于 发布物。

构建

pnpm install
pnpm bundle      # 产出 lib/index.js (ESM) + lib/client.js (浏览器 bundle)
node tests/smoke.mjs

说明

• 默认权重 {topic: 50, tool: 50, task: 35, near: 40}；指数门槛默认 60。
• 远程目录 12s 超时并缓存；离线时回退到缓存 + 内置种子目录。
• 不保存/不回显任何密钥；可选 LLM 富化复用 OpenAI 兼容配置。

License

MIT

安装 / Install

# from npm (published package)
dsh plugin --profile web add dsh-skill-recommender

# or local development
dsh plugin --profile web add link:/path/to/dsh-skill-recommender

# then restart dsh web to activate