omdsh-dev/dsh-deep-research
122最近提交 2026年8月12日
dsh-deep-research DSH 插件
该插件将深度研究流程实现为 DSH 插件，使用官方 workflow 引擎，应用控制论和信息论原理创建自适应研究闭环。自动拆解主题、并行子研究、边际增益验证，直到收益递减时停止。
如何安装 dsh-deep-research DSH 插件
dsh plugin --profile <profile> add git+https://github.com/dsh-external/dsh-deep-research.git来源命令需要人工核对。复制不会执行命令。
dsh-deep-research DSH 插件数据来源
dsh-deep-research DSH 插件快照日期：2026年8月16日
discovered
dsh-deep-research DSH 插件能做什么
- 自动将主题拆解为子问题，基于信息维度枚举
- 并行子研究，每轮进行边际增益验证，自适应再规划
- 可选的对抗性审查：引用纠错、覆盖度审计、矛盾标注
- 模型分层：可分别配置规划、研究、综合、审查模型
- 深度控制（1-3）和审查开关，调节精度与质量
dsh-deep-research DSH 插件适合哪些场景
- 对特定主题进行深度研究，多源信息综合
- 比较多个实现或方案的对比分析
- 决策支持型研究，明确用途以缩小答案空间
- 文献搜集与基于证据的报告生成
dsh-deep-research DSH 插件适合谁
- 需要自动化深度研究能力的 DSH 用户
- 希望获得结构化、自适应研究流程的研究人员和分析师
dsh-deep-research DSH 插件的限制
- 需要提供官方 workflow 引擎和内置 web 工具的 DSH profile（如 tui/headless 组合）
- 规划/综合任务需要强模型，研究模型可便宜但需具备基本能力
- 插件早期阶段，复杂研究场景可能存在边缘情况
dsh-deep-research DSH 插件的仓库 README 摘录
以下文字摘自 dsh-deep-research DSH 插件的上游仓库 omdsh-dev/dsh-deep-research 的 README，版权归原作者，仅作引用。
把 deep-research 流程做成 **DSH 扩展插件**（plugin，与 skill 体系分开）， 基于 **DSH 官方 workflow 引擎**（`ctx.workflows` / `@deepseek-ai/dsh-workflow-workerthread`） 实现，按 **控制论 + 信息论** 设计——不是固定提示词流水线，而是**活的、自适应的研究闭环**。 ## 理论 → 机制 | 理论 | 插件里的落地 | | --------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------- | | 控制论：参考信号校准（闭环控制错误目标 = 白费） | 规划代理先定义**答案空间**（`scope`：研究支撑什么判断/决策）与每个子问题的**验收标准**（`acceptance`），再开始研究 | | Ashby 必要多样性定律（控制器多样性 < 系统多样性 ⇒ 必有盲区） | 规划代理枚举主题的**信息维度**，每个子问题映射一个维度，并输出**覆盖度自检** `coverage_gaps` | | 信息论：信息 = 不确定性的减少 | 研究子代理维护三态证据 `confirmed / uncertain / gaps`——条件熵的工程表达；报告保留置信度与矛盾，不掩盖不确定性 | | 信息论：边际信息增益（EIG）递减 ⇒ 无限搜索是错的 | 每个研究子代理：预测（针对哪个高熵点、预期新增什么）→
阅读完整 README仓库许可: MIT
dsh-deep-research DSH 插件常见问题
如何安装这个插件？
运行 `dsh plugin --profile <profile> add git+https://github.com/dsh-external/dsh-deep-research.git`，将 `<profile>` 替换为你的 DSH profile 名称（如 tui、headless、web）。然后重启 DSH：`dsh --profile <profile>`。插件会以 `deep_research` 工具的形式注入。
不同角色应该使用什么模型？
插件支持模型分层：`plannerModel` 和 `synthesizerModel` 建议使用强模型（如 GPT-4、Claude 3.5 Sonnet）进行规划和综合。`researcherModel` 可以使用便宜模型（如 GPT-3.5、Claude 3 Haiku）以降低成本。`reviewerModel` 可选。在 DSH profile 配置中设置这些参数。
这个插件能在任何 DSH profile 中使用吗？
不能，它需要提供官方 workflow 引擎（`ctx.workflows`）和内置 web 工具（`web_search`、`web_fetch`）的 profile。默认的 tui 和 headless profile 包含这些。如果你的 profile 不包含，插件会保持 pending 状态。你需要在 DSH Hub 注册 workflows provider 或切换到兼容的 profile。
如何更新或卸载插件？
更新所有插件：`dsh plugin --profile <profile> update`。单独卸载：`dsh plugin --profile <profile> remove @dsh-external/dsh-deep-research`。或者从 profile 的 package.json 中移除依赖后运行 `dsh plugin --profile <profile> update`。
depth 参数的作用是什么？
depth 参数控制研究的精度/容差：depth=1 为初步，depth=2（默认）为深入，depth=3 为穷尽。它决定了最大研究轮次（depth+1）。更高的 depth 意味着更多迭代，但也会增加成本。