/
← Back to home@walksls

not-smarter-just-faster

DSH「我们需要」preset 的 20+ 批实测｜负面结论：不会更聪明，但更快更省（中等任务 2.4–3.8×）。附一个没预料到的发现——它让模型少查资料、多靠猜。

Stars
2
Language
JavaScript
Created
Sep 24, 2026
Updated
Oct 15, 2026
Skills
GitHub repo

Introduction

「我们需要」模式（we-need）

跑了 20 多批实验，结论是：这个模式不会让模型更聪明，但确实更快、更省。 附带一个我们没预料到的发现：它会让模型少查资料、多靠猜。

一个给 DeepSeek Harness（DSH）用的 agent preset，把模型的思维链锚定成中文「我们需要…」的风格。

License: MIT

先说结论

这是一个「风格」功能，不是「性能」功能。

你会得到你要知道
中文思维链（对照 0% → 43%）能力上没有任何提升，多次 A/B 通过率都测不出差异
「我们需要…」句式思考更短，所以更快更省（幅度取决于任务规模，见下）
长任务风格不崩需要重启 dsh web 才生效

快多少、省多少

实测数据，附适用条件：

任务规模（标准模式基准）加速数据
中等（16–32 次工具调用，1–3 分钟）2.4× – 3.8×n=12–20/臂，外部判卷
超大（239 次调用，46 分钟级）1.5×n=2，样本小
  • 花费：超大任务上 ¥0.55 vs ¥1.14，约 0.5×；输出 token 0.57×。
  • 两组数据配置不同（早期实验的臂少 4 个插件），不能据此画趋势线。早期「速度优势随任务变长而增大」 的说法已被新数据质疑，现标为未定。
  • 所有能力指标（通过率）多次实验均未测出差异。这是「没测出」，不是「证明等价」。

装之前先看这两条限制（2026-09-26 真实使用反馈 + 本机复核）

限制实测建议
长任务稳不住工具调用 <100 时漂移 10%；200–300 时 46%（r=0.748）超过 150 次工具调用的任务别用它
需要查证的任务会做错首次写代码前查证 30 → 6 次；搜索 1/5 → 0/0要查资料、讲精确的任务，用标准模式

真实用户原话：「不查证都是错的；Let me 会仔细一点点查反而能作对。难度上来就很难受。」

这个模式适合短任务（快 2.4–3.8×）和自包含任务，不适合长任务、需要查证或精确性的任务。 详见 已知问题 与 docs/feedback-2026-09-26.md。

安装

先知道一件事：dsh 0.2 起，模式目录不再被自动扫描。 旧版的 @deepseek-ai/dsh-agent-presets 会扫 ~/.dsh/.agent-presets/<id>/， 0.2 换成了声明式注册表，官方 README 的原话是「注册表不扫描目录，也不接受 preset 路径」。 所以放好目录之后，还要跑一次仓库里的同步脚本，把目录转成 profile 里的注册声明。 少这一步，重启后模式列表里什么都不会出现。

git clone https://github.com/walksls/not-smarter-just-faster.git /tmp/we-need
mkdir -p ~/.dsh/.agent-presets
cp -R /tmp/we-need/. ~/.dsh/.agent-presets/we-need/

# 把目录同步成 0.2 认的声明。加 --check 只预览，不加参数才写入。
node ~/.dsh/.agent-presets/we-need/tools/sync-agent-presets.mjs --check
node ~/.dsh/.agent-presets/we-need/tools/sync-agent-presets.mjs

然后完全重启 dsh web，新建空白会话，在模式选择里选「我们需要模式」。

为什么必须重启、不能只刷新页面：脚本写的那段配置里有 agent-preset-registry 覆盖， 热重载它会让注册表服务被销毁重建，当前所有会话的工具面当场消失 （bash / read / edit 全变成 unknown tool）。

目录名必须是 we-need（preset.yml 里的 name: 只是显示名）。

注意 cp 结尾的 /.：如果副本目录已存在，cp -R <源> <目标>（不带 /.）不会覆盖已有文件， 还会造出嵌套目录。已装过的话建议用 rsync -a --delete <源>/ ~/.dsh/.agent-presets/we-need/。

不需要装 npm 包，也不需要改 dsh 源码。

目录

文件说明
README.md你正在看的这份（总览）
README-preset.md完整实验日志（20+ 批实验、含被推翻的结论）
agent.cordis.ymlpreset 定义（persona + 插件装配）
preset.yml显示名 / 描述 / 排序
lib/*.mjs10 个插件 + 2 个内部模块（delegation.mjs 全体共用、detect-v2.mjs 只给 thinking-guard）
tools/sync-agent-presets.mjs把模式目录同步成 dsh 0.2 认的注册声明（装完必跑一次）
docs/独立实验的原始报告（见下）

docs/：独立实验

文档内容
docs/feedback-2026-09-26.md真实使用反馈复核（长任务失守 + 不查证做错）
docs/finding-guessing-vs-researching.md「少查证、多靠猜」的完整数据
docs/mario-ab-report.md马里奥任务 A/B：效率、花费、温度根因、真实使用复核
docs/methodology-pitfalls.md8 个方法坑（含「用同一个脚本校验自己」的循环论证）

它做什么

把 DeepSeek-V4.1-Flash（含 deepseek-flash）的思维链锚定成「我们需要…」的中文风格， 同时保留全部工具能力。

机制本身不依赖具体模型（靠首轮条件塑形），但实测只在 V4.1-Flash 上做过；其他模型 （V4-Pro、V4-Flash 等）未验证，见文末「已知问题」。

原理是把「首轮条件」和「干活条件」拆开：

阶段工具面思维链
首轮（锚定）只有 bash + edit走进「我们需要…」轨迹
之后（晋升）全部工具自动恢复保持已锚定的风格

晋升信号是会话里出现第一个持久事件（tool/call 或 assistant/message），不需要重启， 也不需要手动切换。

实测结论

有效的

改动效果
锚定首轮工具面风格锚定成功（对照 0% → 43% 中文）
每步重新锚定（re-anchor）压住 step 之间的漂移
种子植入（seed-graft）真实多轮密度 1.52×
压缩后重整（compact-reanchor）长会话风格不崩
急停阀（escape-valve）复读正在生成时当场中止本回合，不等下一步
折叠退化块（thinking-guard）把退化的思考块从模型可见历史里折掉，不让它每轮重放

防退化两件套：escape-valve 与 thinking-guard

这两个跟「中文思考」没关系，治的是退化：上下文一长，模型会陷进复读（同一句喷几百遍）， 而且回合看起来还是成功的，不专门检测根本发现不了。你就算不用这个 persona，也可以单独拿去用。

插件做什么什么时候动手
escape-valve（急停阀）当场中止这一回合复读正在生成时
thinking-guard把退化的思考块从模型可见历史里折叠掉，不让它每轮重放下一步开始时

两者是上下半截，不是重复：阀管正在喷的那一段，折叠管已经进了历史的那一块。 它们共用同一个判据 detect；detect-v2.mjs 是 2026-10-14 加的第二把尺子（英文碎片轮换）， 只给 thinking-guard 用，默认不启用。

三者的分工要说清楚，别指望一个顶三个：折叠管不到一次生成内部；压缩管不到刚生成的那一块 （它落在逐字保留尾里，要下一次压缩才带走）；阀是唯一能当场断的。

本机实跑时这两个改挂到了宿主层，对所有模式生效，因为退化跟模式无关，标准模式一样会复读。 仓库里的 agent.cordis.yml 保留 enabled: true 的自包含写法，装在这个模式下就能用； 想对所有模式生效，把这两条挪到 profile 的宿主层即可。

被自己推翻的（这些也留在文档里）

曾经的结论实测推翻后
temperature: 0.1 有 1.93× 收益复现失败，且长任务上导致退化循环（3/3 崩溃），已于 2026-09-23 关闭
「整段用中文」的提醒有效改成「第一句锚定」后实测无改善（p=0.21），已退回
本模式提升能力两次 A/B 通过率均无差异
加条款能治退化循环不能。循环会把条款本身当填充物（实测「（停止空转）」出现 325 次）

本项目的原则是：每次推翻自己都留在文档里，不删。完整记录见 README-preset.md。

贯穿全部实验的单一根因：思考长度

它同时决定风格漂移、token 成本和速度。所有有效的改动都在压它；所有无效的 （并行提示、观察层、历史改写）都没碰到它。

副作用：先查证的行为显著减少

这是使用者最该知道的一点，也是它「只提速不提智」的机制。

同一任务（「生成马里奥游戏，越像越好」）下对比标准模式与本模式：

指标标准模式本模式
首次写代码前真正查证次数（中位）306
web_search / web_fetch1 / 50 / 0
思考中「猜疑词」密度（每千字符）0.010.96

典型对比：

  • 标准模式：前 20 步全在查资料。搜 SMB 物理常数反汇编，抓逐帧数据，下载真实关卡数据， 然后才开始写。
  • 本模式：探完环境，第 8 步就开始写代码，全程一次网都没搜。

怎么解读（请不要过度解读）

可以说：本模式的「更快更省」（30 分 vs 46 分、127 vs 239 次调用、¥0.55 vs ¥1.14） 主要来自少做调研，而不是「想得更高效」。

不能说「查得少 = 成品更差」。该任务下两边判卷都是 16/16 关键词、都能运行；标准模式反而有 1/2 有效样本是白屏 bug（lv.kinds.charAt is not a function），本模式 3/3 能跑。

可能的原因是马里奥这类任务不需要精确常数（差不多就能玩）。在必须查准的任务上 （真实 API 对接、特定版本行为、精确规格），少查才可能致命。

这一点在 2026-09-26 被真实使用反馈证实了（见下方「已知问题」第 5 条）： 有用户实测「不查证都是错的，Let me 会仔细一点点查反而能作对」。 在需要精确性的任务上，请用标准模式。

已知问题与限制

下面第 5、6 两条来自 2026-09-26 的群友真实使用反馈，我用本机会话日志独立复核过 （docs/feedback-2026-09-26.md）。这两条会直接影响你该不该用它。

  1. 退化循环（模型陷入无意义重复直至输出预算耗尽）。

    • 触发场景：开放式、没有明确终点的任务（比如反复权衡要不要验证）。
    • 已缓解：关闭 temperature（实测 3/3 崩溃 → 3/3 正常）。
    • 未根除：加条款、改措辞都被证明无效，循环会换形态。

  2. 风格会随对话变长衰减。语言在每段思考的前 40 字符就锁定，火源是「紧跟英文工具输出之后」。

  3. 需要重启 dsh web 才能让 .mjs 改动生效（刷新页面无效）。

  4. 本 preset 只测过 DeepSeek V4.1-Flash，其他模型未验证。

  5. 长任务会稳不住，拐点约在 150–200 次工具调用。实测 14 个真实会话：工具调用 <100 时 漂移中位 10%；200–300 时跳到 46%；会话内部同样成立（0–49 次工具时 7% → 150–199 次时 69%）。 相关系数 r = 0.748（工具次数 vs 漂移）。长任务请不要指望它守住风格。

  6. 在需要查证或精确性的任务上，它更容易做错。

    2026-09-27 已改软：删掉了 persona 里两句会压制查证的话 （「已经知道答案的事，不要再调工具去验证」「用最少的调用把事做完」），换成 「必要的查证不算无谓调用，拿不准的必须先查」「一次把事做对；调用次数少不是目标」。 效果未验证：短任务消融测不出差异（三臂全过），长任务消融未跑。

    本模式会显著减少查资料：首次写代码前查证次数中位 30 → 6、web_search/web_fetch 1/5 → 0/0、思考里「猜疑词」密度 0.01 → 0.96。真实用户反馈：「不查证都是错的； Let me 会仔细一点点查反而能作对」。API 对接、版本行为、精确规格这类任务，请用标准模式。 （在自包含任务上未测出通过率差异，四种任务类型的 A/B 全部无差异。）

我不维护这个项目

这是个人实验的副产品，作者不提供维护、不承诺修 bug、不保证跟进 DSH 版本。

  • 结论可能被后续实验推翻（文档里每次推翻都留着，欢迎继续推翻）。
  • 欢迎 fork、改、拿去用（MIT 许可）。
  • 有想法或数据想补充，欢迎开 issue 或 PR，但别期待及时回复。

如果你做出了更有意思的实验，那正是这个仓库被公开的原因。

许可

MIT，与 DSH 本体一致。

本 preset 只依赖官方包（@deepseek-ai/dsh-*），不含任何第三方代码，也不含任何密钥。