GTC2080 / dsh-APEX_Plugin

DSH APEX Plugin

APEX 是一个 DeepSeek Harness 实验 preset。它让每个真实用户任务先用官方 Minimal 的首请求 形状锚定模型轨迹，再在第一次动作后按需开放工具。v0.5 进一步加入轻量任务状态和专用 V4 Flash 研究子代理：主模型负责提出问题、判断证据和作最终决策，Flash 只执行有边界的网络 研究。目标是在不污染 Minimal 首请求的前提下，提高长任务恢复、资料质量和工具使用效率。

当前版本是 APEX v0.5。它是可测试的实验版本，不代表已经证明 DeepSeek V4 Pro 在所有 任务上都优于官方 Minimal。

可选 preset

Preset id	界面名称	用途
apex-v05	APEX v0.5（实验）	v0.4.1 + 持久任务状态 + Pro 判断/V4 Flash 定向研究
apex-v041	APEX v0.4.1（实验）	v0.4 + 自适应研究租约 + Standard 工具白名单
apex-v04	APEX v0.4（实验）	按任务动态提升 + 压缩恢复 + 跨平台 Guard/验证
apex-v03	APEX v0.3（实验）	Minimal 锚定 + 一次性 APEX 策略 + 按需 Standard 工具
minimal-max-v2	Minimal Max v0.2（实验）	不含 APEX 策略的稳定对照组

升级到 v0.5 不会覆盖或改写 apex-v041、apex-v04、apex-v03 或 minimal-max-v2。包名暂时继续使用 dsh-minimal-max，以保持现有 DSH profile 的插件升级路径稳定；对用户显示的产品名称和 新 preset 使用 APEX。

APEX v0.5 如何工作

每条真人 user/message
  -> 清除上一任务的临时解锁和任务状态，开始新的任务锚点
  -> 请求 1：官方 Minimal persona + bash + str_replace_editor
  -> 每次工具执行前：拒绝宽泛名称终止、重复研究和超预算研究
  -> 首次 assistant/message 或 tool/call 写入 session log
  -> 当前任务动态晋级并注入一次近场 APEX 策略
  -> 常驻：bash + str_replace_editor + apex_state + dev_tool_search
  -> 复杂长任务：apex_state 保存 Goal/Verified/Open/Next/Evidence
  -> dev_tool_search(query=...) 发现白名单内的候选
  -> dev_tool_search(toolNames=[一个已发现名称])
  -> 只有成功 tool/result 的租约会让下一次请求加入该 Standard 工具
  -> 多来源研究：按需解锁 apex_research
  -> Pro 给出结构化 brief -> V4 Flash 仅使用 web_search -> Pro 判断证据
  -> compaction/end：临时工具清零，先重新锚定，再恢复当前任务的最新状态
  -> 下一条真人 user/message：状态和预算全部进入新任务

首请求的 system prompt 仍然只有：

You are a helpful software engineer assistant.

并保持 complete: true、includeRuntimeContext: false。首请求会过滤 agent-instructions 和 skill-catalog，APEX 策略也不会在这一轮出现。

晋级后，APEX 只添加一条带来源标记的 user-role instructions 消息；它会写入 session log， 因此同一任务或压缩恢复周期无需在每个请求重复注入。策略要求模型：

• 在正确位置做满足需求的最小可靠改动。
• 依次优先复用现有代码、平台能力、标准库和已有依赖。
• 只为下一项具体工作解锁一个所需工具。
• 简单任务不创建状态；长任务只在产生实质进展、进入风险分支或受阻时更新一次完整状态。
• 由主模型定义研究缺口、审查 Flash 返回的来源与冲突，再决定是否续轮。
• 默认只做一次相关静态检查和一次运行时 smoke；发现具体失败或风险才扩大验证。
• 复用现有浏览器、运行时、测试框架和依赖；确实缺失时才安装，且不重复安装。
• 记录当前任务启动的 PID，只按明确 PID 结束进程。
• 交付前检查文件形状、真实用户路径、page error、黑屏和核心交互；单 HTML 任务验证 file://。
• 避免推测性抽象、依赖、配置、脚手架和重复探索，不伪造失败检查为通过。

晋级、解锁、任务状态和重新锚定都由持久 session events 重建，不依赖进程内缓存。每条来源为 kind: user 的真人消息会建立新的任务边界，清空上一任务的临时解锁；插件注入的 policy 消息不会被误判为新任务，上一任务的 policy 也会从新任务首请求的消息投影中移除。 compaction/end 会清空旧解锁并重新进入 Minimal 锚点，但不会丢失当前真人任务的最新 apex_state；下一次模型动作后，policy 会把该状态作为有界 data-only JSON 恢复。普通子 agent 保留完整工具目录并获得精简子任务策略；专用研究子代理再通过官方 toolFilter 收窄为 web_search。

这里的“按任务动态提升”是一个可复现的事件状态机，不是关键词猜测：每个任务都先锚定， 只有当前任务真的继续执行时才晋级；额外 Standard 工具仍由模型针对具体步骤显式解锁。

v0.5 保留 v0.4.1 的直接研究 Guard：每个任务默认有三次 web_search，工具目录发现最多四次；规范化后相同的查询在第二次就会被拒绝。如果三次后仍有 明确的证据缺口，模型必须通过 dev_tool_search 说明 researchGap 并提交一条不重复的 nextWebQuery；成功结果只发放该查询的一次性租约，直接搜索单任务上限仍为十次。

这十次不再是全部研究的统一上限。复杂、多来源或陌生技术问题应使用 apex_research：它复用 Harness 官方 spawn provider，继承主模型当前 provider，但把子模型固定为 deepseek-v4-flash，只开放 web_search，禁止后台运行和二次委派，深度上限为 1。第一轮可直接 执行；第二轮开始，主模型必须先写入一个更新后的 apex_state，明确仍未解决的 Open 证据缺口， 并提交不同的 brief。v0.5 的实验安全上限是每个真人任务四轮 Flash 研究；重复 brief 会在工具执行 前被拒绝。该数值尚不是“最优解”，将由 Benchmark 的完成率、证据覆盖、token 和延迟共同校准。

要求

• Node.js >=22.19.0
• 与固定基线兼容的 DeepSeek Harness
• Windows 额外要求 Git Bash 的 bash.exe 可从 PATH 找到

当前审查基线对应 DeepSeek Harness commit 74bd5f76ba8035639bf5b4f94ce0449187ca5489。完整来源与固定 commit 见 NOTICE。

安装与升级

使用已安装的 dsh：

cd /path/to/dsh-APEX_Plugin
dsh plugin --profile web add .
dsh web

从 Harness 源码运行：

cd /path/to/deepseek-harness
pnpm dsh plugin --profile web add /path/to/dsh-APEX_Plugin
pnpm dsh web

启动日志应同时出现：

[dsh-apex] installed and mount-validated preset "minimal-max-v2"
[dsh-apex] installed and mount-validated preset "apex-v03"
[dsh-apex] installed and mount-validated preset "apex-v04"
[dsh-apex] installed and mount-validated preset "apex-v041"
[dsh-apex] installed and mount-validated preset "apex-v05"

相同内容已存在时，installed 会显示为 existing。安装器只创建缺失目录，不覆盖同名 用户内容；若新复制的 preset 挂载失败，只回滚该目录。

确认 bundle 已进入 profile：

dsh --profile web --dump-config

输出应包含 minimal-max-preset-installer 和 dsh-minimal-max。随后在 Web UI 新建会话并 选择“APEX v0.5（实验）”。preset 不会重组已有会话，所以旧会话不会自动切换到 v0.5。

安全进程清理

v0.5 使用 Harness 的 ctx.tools.guard 在工具体运行前拒绝已知宽泛终止形式，包括 pkill、 killall、taskkill /IM、Stop-Process -Name，以及同一命令中的 pgrep | kill 和 Get-Process | Stop-Process。使用当前任务启动时记录的 PID：

kill -TERM 12345

Windows 对应使用 taskkill /PID 12345 或 Stop-Process -Id 12345。该 Guard 不增加 prompt 或工具 schema，因此不会改变 Minimal 首请求形状。

使用 Standard 工具

通常只需直接描述任务。第一轮之后，模型会看到 dev_tool_search 的能力索引；当任务需要 联网、技能、目标、子 agent、工作流、后台任务或 Standard 文件工具时，应先解锁对应工具， 而不是用 bash 模拟缺失能力。

即使知道精确名称，也必须先搜索一次，让白名单候选写入持久结果：

{"query":"web"}

然后每次只解锁一个由该任务早先搜索返回的名称：

{"toolNames":["web_search"]}

不知道名称时可使用更自然的长查询；v0.5 按命中词数量排序，不要求每个词都匹配：

{"query":"filesystem grep"}

搜索最多返回 20 个白名单工具及其首行说明，不会把完整 Standard schema 放进每个请求。 只有成功的解锁结果从下一条模型请求生效，并持续到下一条真人用户消息或本次 compaction。 外部插件临时注册但不属于当前 Standard 清单的工具不会被发现或解锁。

专用研究工具同样先搜索再解锁：

{"query":"focused Flash research"}

{"toolNames":["apex_research"]}

通常不需要用户手动调用 apex_state 或 apex_research；v0.5 policy 会让主模型在确有长任务 状态或外部证据缺口时使用。若要检查当前状态，可在晋级后调用 apex_state 的 get 动作。

跨平台状态

• macOS / Linux：复用 Harness 的 persistent Bash 与相同的 preset composition。
• Windows：保留原生 PowerShell，并通过 Git Bash fallback 提供 Minimal-compatible bash。
• Guard：同时识别 POSIX/Windows 的宽泛终止命令，并用同一持久事件算法限制研究调用。
• CI：仓库内的 cross-platform.yml 会在 push / PR 后分别使用 Ubuntu、macOS、Windows 运行 完整 npm run check。

当前本地真实安装、挂载、Web 启动和 HTTP smoke 已在 macOS 完成。Linux 与 Windows 的代码 路径已有单元/安装 contract 和 CI 入口；在对应原生主机或 CI 实际跑绿之前，不宣称已完成 这两个系统的端到端实测。

自动验证

插件没有第三方开发依赖，不需要运行 npm install：

cd /path/to/dsh-APEX_Plugin
npm test
npm run check

验证覆盖：

1. v0.2 基线保持不变，官方 Minimal composition 仍逐字节匹配固定基线。
2. v0.3/v0.4/v0.4.1 对照树保持逐字节不变，v0.5 首请求仍只有官方 Minimal system prompt 与双工具。
3. 每个真人任务重新进入 Minimal 锚点，任务内按需晋级；插件 policy 消息不会造成假边界。
4. apex_state 的边界校验、任务切换清零、跨 compaction 恢复和三次无进展停滞提示。
5. apex_research 的 V4 Flash/web_search/深度 1 配置、先发现后解锁、主模型评审续轮、重复 brief 拒绝和四轮安全上限。
6. Guard 拒绝宽泛终止、重复查询、无租约的第四次直接 Web 搜索、第十一次直接 Web 搜索、 默认预算后的通用委派绕过和第五次工具目录发现。
7. Standard package rows、白名单租约、恢复和普通/专用子 agent 行为。
8. 五个版本 preset 的幂等安装、内容冲突拒绝、符号链接拒绝、挂载失败隔离回滚。
9. macOS、Linux 和 Windows 的组合路径，以及 Windows Git Bash fallback contract。

如果插件与 Harness 不在默认相邻目录，可指定 checkout：

DSH_CHECKOUT=/path/to/deepseek-harness npm test

隔离挂载验证

不要用日常 DSH home 做安装试验：

TEST_ROOT=/path/to/test-directory
TEST_HOME="$(mktemp -d "$TEST_ROOT/apex-v0.5-home.XXXXXX")"
DSH_HOME="$TEST_HOME" dsh plugin --profile web add /path/to/dsh-APEX_Plugin
DSH_HOME="$TEST_HOME" dsh --profile web --dump-config
DSH_HOME="$TEST_HOME" dsh web --port 0

检查 .agent-presets/apex-v05/ 是否包含 composition、策略、Guard 和全部跨平台运行模块，并在 新会话中确认请求工具序列：

1. 每条真人任务的首次请求：bash + str_replace_editor
2. 当前任务晋级后：bash + str_replace_editor + apex_state + dev_tool_search
3. 当前任务先发现、再由成功结果显式解锁的单个工具
4. 下一条真人任务或 compaction 后：回到步骤 1

模型能力评测

结构正确与模型能力是两个独立验收层。v0.5 的发布验收使用 DSH 原生的轻量测试，分为：

• 结构合同：验证安装、Minimal 首请求、任务边界、工具租约、研究 Guard、跨平台组合与回滚。
• 真实模型链：验证 V4 Pro 主会话、两轮 V4 Flash 定向研究、主模型复核、精确 PID、压缩恢复和 新任务状态归零。

这类测试证明插件功能链真实可用，不等于证明模型能力稳定提升。若要测量相对收益，使用自有、 可复现的同题盲测：

• A：官方 minimal
• B：apex-v041
• C：apex-v05

保持同一模型端点、版本、推理强度、max tokens、题目、workspace 初始状态和权限。每次使用 全新会话，每组至少重复 10 次，并记录：完成率、硬性需求覆盖率、首个动作、工具参数合法率、 返工次数、输入/输出 token、延迟、直接搜索次数、Flash 研究轮数、来源覆盖率和错误。比较 A/B 判断旧 APEX 的净影响，比较 B/C 判断任务状态与 Pro/Flash 研究分工的增益和开销。不要以单次 成功宣称普遍提升。

已发布的 pilot

• 2026-08-16 USP Match 四模式真实模型对比： APEX v0.3、Minimal Max v0.2、官方 Minimal 与官方 Standard 的同题单样本测试，包含原始 提示词、结构化指标、浏览器验收、最终产物和截图。该记录为 n=1，不代表稳定排序。

已知边界

• v0.5 的动态提升按真人消息划分任务，不做语义任务分类或自动预测工具。
• APEX 策略是新的实验变量，必须通过 B/C 重复评测判断收益与副作用。
• apex_state 是模型主动维护的有界快照，不是自动理解器；错误状态仍可能被模型写入，主模型 必须用真实工具结果校正它。
• 停滞检测是三次快照上的确定性启发式，不理解语义；Benchmark 若证明漏报或误报，再调整， 不预先增加分类模型。
• apex_research 固定 V4 Flash、单轮最多使用其直接 Web 预算；每任务四轮是 v0.5 安全参数， 不是已证明的最优值。
• 进程 Guard 覆盖已知宽泛终止形式，不是完整 shell 解析器；复杂间接包装仍由 PID-only policy 约束。
• 研究预算已强制计数，但静态检查、运行时 smoke、截图和构建次数仍由一次性策略约束；若这些 路径也出现可重复失控证据，再增加对应状态而不是预先扩张 Guard。
• 工具白名单固定为当前 Standard 的模型工具；Harness 新增 Standard 工具时必须审查后显式加入。
• Windows fallback 每次调用是新进程，不保留 shell 状态，也不应用 Harness OS sandbox； Linux/Windows 已有跨平台 contract 与 CI 入口，仍需对应 runner 或真实主机端到端跑绿。
• Harness 升级若改变 Minimal 或 Standard composition，基线测试会有意失败，必须审查差异 后再升级。
• 删除 bundle 不会自动删除用户 preset。停止 DSH 后，再通过 preset 管理能力显式删除不再 使用的 apex-v05、apex-v041、apex-v04、apex-v03 或 minimal-max-v2。

研究依据与致谢

• DietrichGebert/ponytail：提供最小必要实现、 YAGNI 和复杂度约束思路。
• xiaobright/modeltest：提供 V4.1b 首请求工具形状与 轨迹触发实验。
• xiaobright/dsh-anchored-standard： 提供 Minimal 锚定、持久晋级和按需工具门控基础。
• yjh051108/dsh-routing-suite：提供将模式选择 放在首请求之外、避免污染已承诺轨迹，以及 Pro/Flash 分工的设计启发。
• Tiger3807861189/J-Space-Cognition-Suite-V3.6： 提供 Goal/Verified/Open/Next、停滞检测和压缩后任务连续性的设计启发。
• DeepSeek Harness 官方 preset 与插件开发文档。

感谢以上作者和项目公开实验、代码与设计思路。APEX 是独立社区项目，不隶属于 DeepSeek， 也不代表 DeepSeek 官方背书。

许可证

MIT。第三方来源、采用范围与固定 commit 见 NOTICE。