skill-dag · GraSP Skill DAG Compiler for DeepSeek Harness

把扁平技能编译成类型化可执行 DAG（state/data/order 三类因果边），带节点验证、有界局部修复、记忆条件化检索与置信度路由——DSH 真实 LLM 驱动，零手工标注。

首个开源的 GraSP（Tencent 2026）复刻实现，以 DeepSeek Harness 插件 + 零依赖 npm 核心包两种形态交付。

---

一图流

你在聊天里说一句任务，AI 提取任务 → 联合推断技能谓词（共享词汇表）→ 目标复用 effect → goal-aware 提议 → 编译出图：

src ──→ brainstorming ──→ snk
  │        (eff: design_defined, ready(...))
  └───→ tdd ──────────→ snk
           (eff: failing_test_written, test_passing)
PLAN: [brainstorming → tdd]

（SVG 可拖拽；节点悬停显示 args/pre/eff 详情）

为什么值得 star

亮点	说明
首个 GraSP 开源实现	论文无官方代码；本仓库精确复现其架构与数字（c_ret 0.4831→0.9009→0.3248、InsertPrereq 有界修复）
零标注桥	联合推断让散文技能共享一套谓词词汇表——任何人的技能库无需写 grasp: frontmatter，直接可编译
真集成	接 DSH 真实 LLM（llm.stream）+ 真实技能库（会话+工作区，scope+cwd）+ 工具/槽位/内联 SVG
双形态交付	① DSH 插件（市场可装）② skill-dag 零依赖 npm 包（别的 harness 可复用）
可复现	18 项回归断言全过，npm test 一键跑

快速开始

作为 DSH 插件（聊天即用）

dsh plugin --profile web add skill-dag-dsh   # 或从 dsh-market 安装

然后直接在对话里说："brainstorm a new feature design then write tests for it" —— DAG 以 SVG 直接渲染在工具卡片里。

作为 npm 核心包

npm install skill-dag

const { createGraspCore, memoryStore, manifestSource, createProposer } = require('skill-dag')
// 见 skill-dag/README.md 的完整示例

架构

┌─────────────────────────────────────────┐
│ Layer 3  Client — SVG DAG 可视化（可拖拽） │
└──────────────┬──────────────────────────┘
               │ host.call JSON RPC
┌──────────────▼──────────────────────────┐
│ Layer 2  Adapter — ctx.skills/llm/       │
│           storage → SkillSource/Proposer/│
│           Store 接口（换 harness 只改这层） │
└──────────────┬──────────────────────────┘
               │ 依赖注入
┌──────────────▼──────────────────────────┐
│ Layer 1  skill-dag 核心（零 harness 依赖） │
│   绑定→过滤→推边→解环→四约束→拓扑→布局      │
│   验证(strict/soft) + 5算子本地修复        │
└─────────────────────────────────────────┘

仓库结构

├── skill-dag/                  # 零依赖核心 npm 包（createGraspCore + adapters）
│   ├── index.js                # 核心引擎
│   ├── index.d.ts              # TypeScript 声明
│   └── test/verify.js          # 18 项回归断言（npm test）
├── plugins/skill-dag-dsh/      # DSH 插件 bundle（cordis.patch.yml + client + screenshots）
│   └── …                       # 见 plugins/skill-dag-dsh/README.md
├── docs/                       # demo 截图 + awesome-dsh-plugin 条目 + 推广草稿
├── grasp-spec.md               # 完整复刻规格（自包含，可独立复刻）
└── LICENSE                     # MIT

论文对齐

GraSP 四阶段全部实现：记忆条件化检索（Eq.1/2 + 校准置信度）→ DAG 编译（typed edges + 解环 + 目标完备）→ 验证执行（strict/soft 双档）→ 置信度路由（低置信回退 ReAct）。超参数对齐 Appendix C.1；置信度权重 w/b 为自定经验值（论文未公开）。

诚实声明

• 本项目为 unofficial reproduction，未见官方代码（论文仅附录 F 提到 src/esg.py 孤立路径）。
• LLM 推断的谓词是符号性的，未绑定可观测状态；GraSP 形式化编译在手写一致谓词的技能库上价值最大（如 ALFWorld），散文技能 + LLM 推断是 best-effort。
• 检索用 token Jaccard 近似，非 embedding（扩展点：注入 similarity 函数）。
• DAG 假设无环；循环任务不在范围（论文 §6 自身边界）。

Roadmap

• 核心引擎 + 验证 + 五算子修复 + 检索/路由
• DSH 真实 LLM + 真实技能库（会话+工作区，scope+cwd）
• 聊天内联 SVG + 可拖拽可视化
• 独立 npm 核心包发布（skill-dag ✓ 就绪）
• DSH 插件 bundle 发布（cordis.patch.yml + dsh.client）
• LangGraph / MCP adapter（复用同一核心）
• embedding 检索替换 tokenSim
• 复现论文一个消融结论（局部修复 vs 全局重规划恢复率）

License

MIT