🚀 dsh-j-space
DSH Market 收录徽章
简体中文 | English Version
J-Space Cognition Suite SV1 原生 DeepSeek Harness (DSH) Agent Preset 预设与独立 Cordis 插件包。
注入内部表征认知路由、持久控制器（control.py）、工作区状态外化账本（.jspace/）与自适应检验，全面释放大语言模型推理潜能。
兼容：已适配 DSH 0.1.6 的 dsh-workflow-ptc 与 DSH 0.1.5 的 dsh-persona schema（config.prefix / config.suffix）。
🌟 项目简介
dsh-j-space 将 J-Space Cognition Suite（SV1 发布版，延续 V3.7 演进路线）完整集成为 DeepSeek Harness 的一等公民 Agent 预设 (Preset)。
它不是粗暴的 Prompt 拼接，而是真正参与 Cordis Agent Scope 生命周期隔离、多层认知路由、持久控制器、工作区状态外化账本（.jspace/）与自适应验证 的完整体系，完全解耦并兼容任意大语言模型（DeepSeek-Chat、DeepSeek-Reasoner、Claude、GPT 等）。
✨ 核心特性
- 即插即用（Zero-Config Preset）：部署预设后，DeepSeek Harness 会话创建菜单自动出现
J-Space Cognition Suite 预设。
- 全生命周期 Scope 隔离：遵循 Cordis 作用域规范，工具和认知技能严格限定在 J-Space Agent 会话中，不污染其他预设。
- 持久控制器与状态外化（Active Control & Ledger）：包含 SV1 的持久控制器（
control.py）、宿主适配器（host_bridge.py）以及轻量级账本（jspace.py），在任务工作区（cwd）维护 .jspace/，实现目标跟踪、接缝审计（Seam）、自检断言、代码语义地图与断点恢复。
- 全面扩展的 13 大认知与工程模块：除原版的容量控制、深层推理、定向聚焦等模块外，SV1 引入了
cyber（安全分析）、epistemics（认识论与信念检验）、orchestration（多智能体编排）和 repository（代码仓库工程语义地图）。
- 模型解耦与动态路由：无缝适配各类基底模型，动态解析模型路由与工作区上下文。
📊 实验与评测数据报告（实测对比）
完整实测报告引自原作者测试发布：
🔬 评测一：GLM-5.3-Flash 实测对比（最新报告）
1. 主基准测试准确率对比（Main Benchmark Table）
| Benchmark 基准测试 | GLM-5.3-Flash (基线) | GLM-5.3-Flash + J-Space V3.7/SV1† | GLM-5.3 | Opus-5 | Fable 5.1 |
|---|
| HLE (w/ tools) | 55.3 | 59.2 | 62.5 | 64.7 | 65.0 |
| Terminal Bench 2.1 | 84.3 | 88.8 | 88.2 | *89.1 | *91.4 |
| DeepSWE v1.1 | 63.4 | 68.0 | 66.9 | 68.8 | 67.4 |
| Agents' Last Exam | 26.3 | 30.5 | 28.5 | 31.6 | — |
| AutomationBench (Public) | 48.8 | 51.1 | 48.2 | 50.3 | — |
* 注：Terminal Bench 2.1 的 Opus-5 与 Fable 5.1 为第三方独立测评，无官方数据。
\† 为基于有限对照实验的估算值。
2. 速度与 Token 消耗效率对比 (GAIA 对照)
| 指标维度 | 提升比率 / 效果 |
|---|
| 运行速度 (Speed) | 1.87× |
| Token 效率 (Token Efficiency) | 1.41× |
🔬 评测二：DeepSeek-V4-Flash 实测对比（历史存档）
- 评测基底：
DeepSeek-V4-Flash-Vision-Exp
- 运行环境：DeepSeek Harness (标准模式)
- 评测方式：对权威基准子集与同类型小集（Terminal-Bench 2.1 中 medium 20 / hard 10，DeepSWE 中 TypeScript 10 / Python 10 / Go 10 / JavaScript 2 / Rust 2，GAIA 中 level1 / level3 等）进行严格的 有/无 J-Space 臂对照（A/B Testing），同模型、同环境、同采样参数，仅切换 J-Space 接入。
- 测算维度：① 准确率（Accuracy）；② 墙钟与 token 效率（Wall-Clock & Token Efficiency）。
1. 主基准测试准确率对比（Main Benchmark Table）
| Benchmark 基准测试 | DeepSeek V4-Flash (基线) | DeepSeek V4-Flash + J-Space V3.7 | GLM-5.3 | Kimi-K3 | Opus-4.8 | Fable 5 (w/ fallback) |
|---|
| HLE (w/o tools) | *37.8 | 37.8 | — | 43.5 | 49.8 | 53.3 |
| HLE (w/ tools) | *51.5 | 51.9 | 62.5 | 56.0 | 57.9 | 63.0 |
| Terminal Bench 2.1 | 83.9 | 85.5 | 88.2 | 88.3 | 85.0 | 88.0 |
| NL2Repo | 57.7 | 60.4 | 58.0 | 58.0 | 69.7 | — |
| CyberGym | 75.3 | 77.8 | 84.5 | 80.0 | 78.3 | 83.1 |
| DeepSWE | 59.3 | 61.8 | 66.9 | 67.5 | 58.0 | 70.0 |
| Toolathlon-Verified | 75.9 | 77.4 | 73.0 | 76.5 | 76.2 | 77.9 |
|
* 注：HLE 数据未披露，沿用 DeepSeek V4-Flash-0731。综合均分覆盖六列均有值的 7 个项目行。
2. 速度与 Token 消耗效率对比（Speed & Token Efficiency）
| Benchmark 基准测试 | 墙钟时间比 τ | 提速幅度 | 输出 Token 变化 | 总 Token 变化 | 单位时间得分 (产出比) | 每成功任务成本 |
|---|
| HLE (w/o tools) | *1.02 | −2% | −10% | +5% | 0.98× | +5% |
| HLE (w/ tools) | 0.88 | +14% | −22% | +3% | 1.15× | +2% |
| Terminal Bench 2.1 | 0.79 | +27% | −28% | −3% | 1.29× | −5% |
| DeepSWE | 0.78 | +28% | −28% | −3% | 1.34× | −7% |
| Toolathlon-Verified | 0.86 | +16% | −25% | +2% | 1.19× | +0% |
| AutomationBench (Public) | 0.76 | +32% | −31% | −5% | 1.41× | −12% |
* 注：HLE (w/o tools) 的 τ=1.02 是有意为正（即单轮无工具任务下略微变慢），因为在单轮短任务中注入完整的技能条目是净开销；而在长链路、多轮工具交互任务中（如 Terminal Bench、DeepSWE、AutomationBench），J-Space 认知套件带来 +14% ~ +32% 的大幅提速、降低 28%~31% 的输出 Token 冗余，单位时间产出比提升高达 1.15× ~ 1.41×。
🚀 安装与一键部署
本插件内置了开箱即用的原生 Node.js CLI 工具，无需额外安装其他依赖即可直接执行安装：
方式一：通过 npm / pnpm 安装（官方源）
# npm 安装
npm install -D @anonyjcy/dsh-j-space
# pnpm 安装
pnpm add -D @anonyjcy/dsh-j-space
# 运行 CLI 一键部署预设
npx @anonyjcy/dsh-j-space install
方式二：克隆仓库直接安装（本地使用）
git clone https://github.com/AnonyJcy/dsh-j-space.git
cd dsh-j-space
# 一键部署预设到 ~/.dsh/.agent-presets/j-space
node bin/cli.js install
# 检查安装状态与完整性
node bin/cli.js status
💡 使用方法
1. Web UI 界面
- 打开 DeepSeek Harness Web 界面，点击 New Session（新建会话）。
- 在 Agent Preset 下拉选单中，直接选择 J-Space Cognition Suite。
- 选择任意兼容的模型（
deepseek-chat / deepseek-reasoner 等）开始任务。
在 Web UI 中为 spawn 子代理启用模型选择
J-Space 的 spawn 子代理使用 DSH 官方 tool-subagent。公开预设默认不打开此选项，以兼容没有 Host 设置插件的 DSH 配置。若要让 Agent 为每个子任务选择模型和推理强度，在预设的 tool-subagent 配置中加入：
config:
provider: spawn
toolName: subagent
modelSelectionSettings: true
backgroundMode: continuable
然后在 DSH Web 设置中打开 插件 → Subagent → Model selection，启用 允许 Agent 为 Subagent 选择模型，并从当前 DSH 模型目录勾选允许使用的路由。新建会话后生效。
模型路由由每个 DSH 部署自己的模型目录和授权列表决定；J-Space 不绑定任何提供方或模型 ID。新增模型后，在 Subagent 设置中勾选对应路由即可。此官方选项要求 Host 组合加载 @deepseek-ai/dsh-tool-subagent/model-selection-settings；不含该 Host 插件的配置文件应保持 modelSelectionSettings 未设置。设置只作用于新会话。fork 子代理按 DSH 设计继承父会话模型。
2. CLI 命令行
dsh --preset j-space "全面重构此模块并补充单元测试"
3. Cordis 配置文件组装 (cordis.yml)
- id: j-space-plugin
name: '@anonyjcy/dsh-j-space'
config:
autoDeploy: true
🧩 核心架构与数据流
flowchart TD
A[新建 Session] --> B[选择 j-space 预设]
B --> C[Preset Discovery: AgentPresets.list]
C --> D[Preset Mount: AgentPresets.mount]
D --> E[Agent Scope]
E --> F1[Persona: J-Space SV1 认知系统]
E --> F2[Tools: 完整编码与思考工具]
E --> F3[Skill Filesystem: 挂载 skills/j-space/]
E --> F4[J-Space Suite: SKILL.md, 13大模块, 7大参考, 控制器与适配脚本]
E --> G[Session Model Route: 任意兼容模型]
E --> H[Agent 运行 J-Space 认知闭环]
H --> I[Task Workspace: 生成并维护 .jspace/ 账本与控制状态]
🛠️ CLI 命令一览
node bin/cli.js install # 安装 J-Space Preset 到 DSH 用户预设目录 (~/.dsh/.agent-presets/j-space)
node bin/cli.js uninstall # 干净卸载 J-Space Preset
node bin/cli.js verify # 校验已安装预设的套件完整性
node bin/cli.js status # 查看当前安装状态与配置路径
📄 开源许可证
本项目基于 MIT License 开源。套件第三方声明见 THIRD_PARTY_NOTICES.md。
维护 / Maintenance
版本变更见 CHANGELOG.md。
