dsh-skill-evolution
DSH Web 插件：Hermes 风格的技能自我进化。通过 LLM 审查监控代理执行轨迹，从成功回合中提炼可复用技能，逐步改进这些技能，并在专用的 Settings 部分统一管理。
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:VanadisGithub/dsh-skill-evolution#40f7bcafe3418ee9a2d6c391e28e6319d465b0fa
Skill Evolution 以 dsh-skill-evolution 发布，当前版本为 1.1.0。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。
English | 中文
DeepSeek Harness（DSH）的 Hermes 式技能自进化插件：观察 agent 执行轨迹，在每个成功回合结束时按信号触发 LLM 评审，把值得复用的工作流结晶为技能并注册进技能目录；后续同类执行还会把新经验合并进已有技能。插件自带设置页管理面板，技能持久化、重启不丢。
结晶模型参考 Nous Research Hermes Agent 的自进化机制（事件驱动评审，而非纯频率统计）。
事件驱动：每个回合结束（turn/end）时，对满足最小步数的成功轨迹检测三个信号，任一信号触发即送 LLM 评审：
| 信号 | 条件 | 对应 Hermes 触发条件 |
|---|---|---|
complex | 成功回合且工具调用 ≥ minToolCalls（默认 5） | "completed a complex task (5+ tool calls) successfully" |
recovered | 有失败步骤但回合最终成功（找到了绕行路径） | "hit errors or dead ends and found the working path" |
repeated | 同一工具序列出现 ≥ minPatternOccurrences 次且成功率 ≥ minSuccessRate | 重复轨迹学习（GEPA 式） |
评审门禁（Hermes background-review 模型）：评审 LLM 收到完整证据（信号、用户意图、工具序列、每步成败与摘要），决定 SAVE 或 NOTHING_TO_SAVE。硬性负面清单——以下内容绝不结晶：
渐进改进（技能是活的）：当新证据落在已有进化技能的序列上（尤其是错误恢复经验），评审会把新教训合并进已有技能内容并版本 +1，而不是创建重复技能。
产出格式：类级命名的 kebab-case 技能，标准 SKILL.md 结构（# Title / ## When to Use / ## Procedure / ## Pitfalls / ## Verification）。
双面插件包（host + web client）：
| 文件 | 角色 |
|---|---|
plugin.mjs | 宿主半：轨迹观察、信号检测、LLM 评审、技能注册、./generated/ 持久化、/skill-evolution 认证 RPC 通道 |
client.js | 浏览器半：设置页「技能进化」分区（技能卡片、信号展示、两步确认删除/清空、实时模式统计） |
cordis.patch.yml | dsh.bundle.patch 挂载层 |
仅依赖 node: 内建模块，不引入任何 @deepseek-ai 包，避免与宿主 cordis 双实例冲突。
dsh plugin --profile web add dsh-skill-evolution
包内 dsh.bundle.patch 会自动挂载，无需手改 profile 文件。
git clone https://github.com/VanadisGithub/dsh-skill-evolution.git ~/Code/dsh-skill-evolution
在 ~/.dsh/profiles/web/package.json 的 dependencies 中加入：
"dsh-skill-evolution": "link:/Users/<you>/Code/dsh-skill-evolution"
然后在 ~/.dsh/profiles/web 执行 pnpm install，硬刷新浏览器。
把仓库放到任意目录（如 ~/.dsh/plugins/skill-evolution/），在 ~/.dsh/cordis.patch.yml 追加：
- insert:
- id: 'skill-evolution'
name: file:///Users/<you>/.dsh/plugins/skill-evolution/plugin.mjs?v=1
config:
minToolCalls: 5
minPatternOccurrences: 3
autoRegister: true
llmProvider: deepseek # 按你的部署可用的 provider 修改
llmModel: deepseek-chat
?v=N 用于绕过 Node 模块缓存；改了 plugin.mjs 就 +1。宿主半改动需 loader 重放补丁，浏览器半改动硬刷新即可。
⚠️ 三种方式只能选一种，重复挂载会导致双实例。
| 键 | 默认 | 说明 |
|---|---|---|
minTraceSteps | 3 | 轨迹最小步数（噪音地板） |
minToolCalls | 5 | complex 信号阈值 |
minPatternOccurrences | 3 | repeated 信号阈值 |
minSuccessRate | 0.7 | repeated 信号成功率下限 |
signals | 全开 | {complex, recovered, repeated} 分别开关 |
autoRegister | true | 结晶后自动注册进技能目录 |
llmProvider / llmModel | deepseek / deepseek-chat | 评审用的模型（必须是部署中存在的 provider） |
maxEvolvedSkills | 20 | 进化技能容量上限 |
improvementEvery | 3 | 每 N 次同序列重跑触发一次改进评审 |
maxImprovementsPerProcess | 5 | 每进程每技能改进次数上限 |
maxEvidenceSteps | 30 | 送评审的最大步骤数 |
设置 → 技能进化：
设置页「技能进化」总览——信号配置、实时模式统计与已结晶技能卡片：
展开技能卡片——结晶信号、工具序列与完整 SKILL.md 内容：
Expanded skill card with crystallization signals
宿主侧另暴露认证 RPC 通道 /skill-evolution：list / get / remove / clear。
generated/<name>.json（原子写入），服务重启自动恢复注册Hermes-style skill self-evolution plugin for DeepSeek Harness (DSH). It watches agent execution traces and, at the end of every successful turn, fires an LLM review when any signal trips — a complex turn (≥5 tool calls), a recovered turn (failed steps but a working path found), or a repeated tool sequence. The reviewer either crystallizes a class-level reusable skill (registered into the skill catalog and persisted under generated/) or answers NOTHING_TO_SAVE, following Hermes' do-not-capture rules (environment failures, negative tool claims, transient errors, one-off narratives, unresolved failures). Existing evolved skills are progressively improved with fresh evidence instead of duplicated. Ships a Settings-section management UI (view / expand / delete / clear) backed by an authenticated /skill-evolution RPC channel. Host half uses node: builtins only.
Install: dsh plugin --profile web add dsh-skill-evolution (npm), or link: / file:// mounts — see the Chinese section above for details.