Back to home@GMH13552

dsh-longrun-suite

DeepSeek Harness long-run mission suite: mission control, Long-Run Captain preset, patched LLM-as-a-Verifier, self-wake timer

Stars
0
Language
JavaScript
Created
Aug 20, 2026
Updated
Aug 20, 2026
GitHub repo

Introduction

DSH LongRun Suite — DeepSeek Harness 长期任务套件

一个仓库装齐:长期自主任务管理器(mission-control)+ 长跑主持人预设(Long-Run Captain)+ 严格审查修正的 LLM 验证器 + 自主定时唤醒(timer scheduler)。克隆即用。

English README

这个仓库解决什么问题

DSH 原生的 goal / todo / subagent 适合短任务,但做长期困难任务时会有这些问题:

  1. 任务列表规划一次就死:方向失败后不会自动换思路、重规划、追加新任务;
  2. 失败即停:验证不通过经常直接停掉,而不是修 gap、换方向继续;
  3. 中间需要人唤醒/引导:长实验期间 agent 不会自己定时回来检查结果;
  4. 完成标准太松:任务列表空了就算完成,没人逐条核验最终目标;
  5. 大量子 agent 拖慢 DSH:continuable 子会话被频繁扫描,内存/CPU 占用高。

本套件用 Mission 状态文件 + 极小任务状态内核 + 数据驱动验证计划 + 严格独立评审 + 失败强制 replan + 自主定时唤醒 解决以上问题,并且不硬编码任何领域流程

  • 模型优化、数学研究、项目开发都是同一套框架;
  • 每个任务开工前由主持人生成自己的 verificationPlan
  • 只有证据 + 独立评审通过才算 accepted;
  • 最终完成必须逐条映射 success criteria,并经过 final audit。

组件

组件路径作用
dsh-mission-controlpackages/dsh-mission-control/mission 状态机 + mission_* 工具 + 元校验器
Long-Run Captain 预设preset/long-run-captain/主持人 persona + 协议技能(联网调研、自适应验证、苏格拉底自查、LLM verifier 用法)
dsh-plugin-llm-verifierpackages/dsh-plugin-llm-verifier/参考 LLM-as-a-Verifier 论文与上游 DSH 插件、经过更严格审查修正的 LLM 验证器:verify_rollout / verify_select / verify_compare / verify_track
dsh-timer-scheduler-uipackages/dsh-timer-scheduler-ui/schedule_reminder 自主定时唤醒 + 右下角倒计时面板

快速开始

在 Long-Run Captain 会话里直接说:

启动一个 mission:尝试证明或证伪 Erdős–Straus 猜想。
termination_policy: success
budget: { maxRounds: 12, maxHours: 16 }
成功标准:
- 给出完整证明,或给出严格验证的反例
- 对 n <= 2000 完成暴力验证,脚本和结果作为证据
- 完成文献调研,记录已知结果与证明思路
- 尝试至少 2 个不同证明/构造方向,记录精确阻塞点

预期流程:

mission_start
→ 早期大量联网调研
→ mission_add_tasks(每个任务带 acceptance + verificationPlan)
→ 派 researcher / engineer / reviewer
→ 长实验用后台任务 + schedule_reminder 定时唤醒
→ 失败任务 mission_replan + replaces 换方向继续
→ verify_track 监控方向是否跑偏
→ mission_final_audit 逐条核验成功标准
→ mission_complete

核心机制

  • 任务状态只保留 5 个open → active → needs_review → accepted / rejected
  • 拒绝必须有 follow-up:rejected 任务必须有 replaces=... 后续任务,否则 mission_complete 拒绝完成
  • 完成必须有真实 outcome:默认 terminationPolicy=success,映射到成功标准的任务必须 outcome=success
  • 元校验器mission_check 只检查证据诚实性(缺证据/缺评审/缺 final audit 一律 FAIL)
  • 苏格拉底自查:提交前用 socratic-self-audit 技能攻击自己的结论
  • 严格 verify_track:使用 LLM-as-a-Verifier 参考实现的校准 prompt,不信任 agent 的自我宣称;pivot 选择与 rollout 评分标准也已对齐论文/参考实现

仓库结构

dsh-longrun-suite/
├── README.md                 # 中文入口
├── README.en.md              # English version
├── install.sh                # 一键安装
├── packages/
│   ├── dsh-mission-control/
│   ├── dsh-plugin-llm-verifier/
│   └── dsh-timer-scheduler-ui/
└── preset/
    └── long-run-captain/

安装

要求:Node 20+、DSH 0.1.0-rc.8+、已配置好 LLM provider。

方式 A:一行命令(只装插件)

dsh plugin --profile web add github:GMH13552/dsh-longrun-suite

这会一次安装全部三个插件。之后还需要装预设(二选一):

# A1: 从仓库目录复制
git clone https://github.com/GMH13552/dsh-longrun-suite.git
cp -R dsh-longrun-suite/preset/long-run-captain ~/.dsh/.agent-presets/

# A2: 或从 profile 的 node_modules 里复制(版本可能与插件包不同)
cp -R ~/.dsh/profiles/web/node_modules/dsh-longrun-suite/preset/long-run-captain ~/.dsh/.agent-presets/

方式 B:克隆 + 一键脚本(推荐,插件和预设一起装)

git clone https://github.com/GMH13552/dsh-longrun-suite.git
cd dsh-longrun-suite
./install.sh            # 默认安装到 web profile
# ./install.sh tui      # 安装到其他 profile

安装脚本会:

  1. 把三个插件加入你的 profile;
  2. long-run-captain 预设复制到 $DSH_HOME/.agent-presets/
  3. 打印重启提示。

重启 DSH:

dsh web

新建会话时选择 Long-Run Captain 预设即可。

手动安装

等价命令:

dsh plugin --profile web add ./packages/dsh-mission-control
dsh plugin --profile web add ./packages/dsh-plugin-llm-verifier
dsh plugin --profile web add ./packages/dsh-timer-scheduler-ui

mkdir -p "$HOME/.dsh/.agent-presets"
cp -R preset/long-run-captain "$HOME/.dsh/.agent-presets/long-run-captain"

dsh-plugin-llm-verifier 默认使用 provider: deepseek-official + model: deepseek-v4-pro。如果你的模型路由不同,改 profile 的 cordis.patch.ymlllm-verifier 行的 provider / model,或者改本仓库 packages/dsh-plugin-llm-verifier/cordis.patch.yml 后重新安装。

已知边界

  • DSH 流式接口不暴露 logprobs,所以 LLM verifier 用温度采样平均近似论文的 logits 期望;
  • schedule_reminder 目前只在 session live 时唤醒;跨重启冷恢复是后续方向;
  • 独立评审是流程约束,不是沙箱隔离。

致谢

License

MIT