dsh-fengcha
Fengcha 2.0 — DeepSeek Harness agent 预设，使模型使用第一人称复数进行推理（We need / Our）。包含两个预设：风插标准（standard）和风插 PTC。这是硬指令约束，而非吸引器；不代表任何能力声明。
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add github:yjh051108/fengcha-2.0#67b02d5e1096830995e00f332490ec75fdb6ef8fFengcha 以 dsh-fengcha 发布，当前版本为 2.0.0。Plugin Hub 会校验它的 manifest，并保存精确安装来源，便于复现安装结果。
让模型在思考时更多说「我们来……」（We need / Our），而不是「我来……」（Let me / I）。
这是一个 DeepSeek Harness（DSH）的预设。装上之后，你会在模型的「思考过程」里 看到更多
We need to check...这样的开头。它不保证让模型变聪明。 我们测的是「思考时用哪种口吻」，没测「答得对不对」。 详见下方 这份方案能做什么、不能做什么。
在 DSH 里安装（推荐）：
插件管理 → 安装插件 → 填这个地址：
https://github.com/yjh051108/fengcha-2.0
装完重启 DSH，新开一个会话，在预设列表里选「风插标准」或「风插 PTC」。
手动安装（可选）：
git clone https://github.com/yjh051108/fengcha-2.0
cd ~/.dsh/profiles/desktop
pnpm add /path/to/fengcha-2.0
# 然后在 profile 的 package.json 里把 dsh-fengcha 加进 dsh.profile.bundles
卸载： 插件管理里点卸载，或在 profile 目录 pnpm remove dsh-fengcha。
只想要效果、不关心原理的人，看到这里就够了。
让模型的思考口吻从「我来算一下」变成「我们需要算一下」。实测（下面有数据）： 思考块里出现「我们」类词的比例，从 3% 提升到 81%。
如果你看到有人说「这个能让模型变强」，那是他说的，不是我们说的。 我们的证据只支持「思考口吻变了」。
模型每次思考前，会先读到一段「当前环境说明」——里面写着沙箱权限、 当前时间、可用工具之类。这段说明每个步骤都会重新生成一遍。
我们在这段说明的最前面和最后面，各塞进同样一句话：
每次思考都要以「We need」开头。整段思考保持第一人称复数：We / Our / Let's。 不要写「Let me」「I」「my」。每一段都要以「We」或「Our」开头。
为什么要放两遍？ 因为这段说明本身很长（1000-3000 字），而且每次都在变。 只放在最后面的话，前面那些变化的内容会把这句话「淹没」，模型容易忽略它。 实测放两遍比放一遍效果好（0.81 vs 0.56，数字含义见下节）。
为什么不用更「自然」的说法？ 我们试过。比如写「我们是一个团队，一起思考， 没有旁观者」这种有感染力的描述——结果几乎没用，和什么都不写几乎一样（0.13 vs 0.02）。 模型只认「可以逐条检查的硬规定」，不认「氛围描述」。
我们数每个「思考块」里出现了多少「我们」类词（We / Our / Us / Let's）， 和多少「我」类词（Let me / I / my），算一个比例：
下文所有「We 占比」都是这个意思。
| 那句话放的位置 | We 占比 |
|---|---|
| 开头 + 结尾各一遍（本方案） | 0.81 |
| 只放前 1/4 处 | 0.71 |
| 只放开头 | 0.68 |
| 只放中间 | 0.59 |
| 只放结尾（上一版的做法） | 0.56 |
| 什么都不放 | 0.02 |
上一版只放结尾，是所有放法里最差的。这就是这次升级的原因。 图见 charts/fig2-snapshot-position.svg。
我们做了 8 种写法对照，同样是那句话，换个说法效果天差地别：
| 写法 | We 占比 |
|---|---|
| 「每一段必须以 We 或 Our 开头」（硬规定） | 0.77 |
| 「每句话必须以 We 开头」（更硬） | 0.82 |
| 「整段保持第一人称复数」（旧版，较宽松） | 0.64 |
| 「我们是一个团队，一起思考，没有旁观者」（氛围描述） | 0.13 |
| 「我们的思考发生在一体中」（氛围描述） | 0.00 |
| 什么都不写 | 0.02 |
结论：模型听不懂「氛围」，只认「规定」。 图见 charts/fig1-sentence-type.svg。
我们也试过把整个系统提示词（13,000 字）改写成第一人称： 把人格从「你是编码助手」改成「我们是一个编码团队」、把所有的 "you" 换成 "we"、 在开头结尾各插一段。全部无效，结果和什么都不做几乎一样（0.01–0.07）。
唯一有用的是在这个「环境说明」里塞那句话（0.88）。
结论：说什么不重要，在哪说才重要。 图见 charts/fig3-system-prompt.svg。
三条可检验的判断：
我们可以复现。 experiments/ 里 50 多个脚本，任何人都能重跑。
数据和脚本都在仓库里，不是「我们发现了一个秘密」。
我们公开了失败。 上面那三张表里，大部分尝试是失败的。 吸引力描述失败了、改系统提示词失败了、把话挪到更靠后也失败了。 这些失败结论和成功结论一样重要——它们能帮你少走弯路。
我们标了边界。 比如「位置实验每组只有 10 个样本， 方向可信但精确数字不可外推」这种话，写在 docs/TECHNICAL.md 里，没有藏起来。
| 风插标准 | 风插 PTC | |
|---|---|---|
| 适合 | 日常写代码、改文件、多步任务 | 复杂工具编排、多任务并行 |
| 内容 | 官方「standard」预设的完整复制 + 那句约束 | 官方「PTC」预设的完整复制 + 那句约束 |
| 效果 | 完全一样 | 完全一样 |
两个预设的差别只有「底层能力集」，那句话的效果完全相同。 平时用 standard 就选「风插标准」，平时用 PTC 就选「风插 PTC」。
不会。 那句话只挂在「风插标准」和「风插 PTC」这两个预设里面：
选别的预设 → 完全没影响。 这是结构上的保证，不是靠自觉。
├── lib/index.js 插件本体（那句话说两遍的实现）
├── cordis.patch.yml 两个预设的定义
├── package.json DSH 靠这个文件认出「这是一个插件」
├── docs/
│ ├── TECHNICAL.md 详细技术文档（方法学、机制澄清、待补充项）
│ └── charts/ 8 张实验图（SVG 可缩放，PNG 可直接看）
├── archive/ 回退用的旧版配置
├── research/
│ ├── experiments/ 50+ 个可复跑的实验脚本
│ ├── data/ 脱敏后的实验数据（只有数字，没有对话内容）
│ └── scripts/ 发布工具：密钥清洗 / 隐私扫描 / 图表生成 / 仓库轮询
├── check-yaml.mjs 自检脚本（验证这个包能被 DSH 装）
└── build-presets.mjs 从 DSH 配置重新生成预设
deepseek-v4.1-flash 上做的。
换别的模型（v4-pro、glm、kimi）我们没测。完整方法学见 docs/TECHNICAL.md。
# 重新生成预设（DSH 升级后用）
node build-presets.mjs
# 重新生成图表
node research/scripts/make-charts.mjs
# 复跑某个实验（需要 d1 中转的 key）
export D1_API_KEY=你的key
node research/experiments/snapshot-position.mjs
node research/scripts/watch-repo.mjs # 查一次
node research/scripts/watch-repo.mjs --json # 机器可读
node research/scripts/watch-loop.mjs --interval 3600 # 常驻
所有脚本从环境变量读 D1_API_KEY，仓库里没有任何硬编码密钥。
可用 node research/scripts/clean-secrets.mjs . --verify 自行验证。
TL;DR: A DeepSeek Harness preset that makes the model's reasoning use "We need / Our" instead of "Let me / I". It changes how the model talks to itself.
What it does NOT do: we have not measured correctness, code quality, latency, or cost. We do not claim the model gets smarter. We only measured the change in reasoning style (3% → 81% "we"-style).
Install:
Install via the DSH plugin manager with this repository URL:
https://github.com/yjh051108/fengcha-2.0
Why it's not a prompt trick: we ran controlled ablations. Identity-narrative phrasings ("we are a team thinking as one") scored 0.13 — barely above no prompt at all (0.02). Only a checkable formal directive works (0.77–0.82). The same sentence placed at the tail of the context scored 0.56; at head + tail, 0.81.
Everything is reproducible: scripts in experiments/, anonymized aggregates in
data/. Failures are documented alongside successes.
License: Apache-2.0