dsh-task-planner DSH 插件

dsh-task-planner 为 DeepSeek Harness 增加了条件反射式的规划系统。它维护一个经验库，以 Markdown 格式存储过往任务，通过关键词匹配回忆，并由 LLM 评估是否复用或重新规划。每次计划自动草拟经验，任务结束时由 agent 更新结果。

skills-workflows

如何安装 dsh-task-planner DSH 插件

dsh plugin --profile web add github:<your-user>/dsh-task-planner

来源命令需要人工核对。复制不会执行命令。

dsh-task-planner DSH 插件数据来源

dsh-task-planner DSH 插件快照日期：2026年8月16日

discovered

dsh-task-planner DSH 插件能做什么

经验库支持 save、recall、list 命令，以纯 Markdown 存储经验，带签名关键词。
条件反射规划：通过 `plan_task` 回忆过往经验，LLM 评估适配性，分解步骤并匹配能力。
LLM 驱动决策：模型使用过往经验和可选能力目录决定复用或重新规划。
De-AI 交付标准：任何文本输出步骤必须包含人性化再审查的环节。
自动持久化：`plan_task` 自动草拟经验，agent 在循环结束时标记为已验证并记录结果。
零密钥、零绝对路径：所有路径可配置，默认经验库位于 `~/.dsh/planner-lessons`。

dsh-task-planner DSH 插件适合哪些场景

规划复杂多步骤任务，通过回忆类似解决方案并调整来适配。
构建可复用的任务计划知识库，通过反馈不断改进。
自动记录每次任务执行的经验教训，形成文档。
强制在生成文本输出（文档、脚本等）前加入人工审查步骤。
结合能力目录，将每个步骤与可用技能和插件匹配。

dsh-task-planner DSH 插件适合谁

使用 DeepSeek Harness 的开发者，需要管理复杂任务工作流。
需要结构化、经验驱动规划方式的 AI agent 或用户。

dsh-task-planner DSH 插件的限制

需要 `llm`、`shell` 和 `tools` 服务，这些在 DSH 标准配置中已有，但必须启用。
模型调用使用 harness 默认模型；推理模型可能需要较大的 `maxTokens`（内部使用 8k）。
经验库仅存储为本地 Markdown 文件，不支持远程或共享存储。
插件处于早期开发阶段，可能测试不充分。

dsh-task-planner DSH 插件的仓库 README 摘录

以下文字摘自 dsh-task-planner DSH 插件的上游仓库 ztl34245881-commits/dsh-task-planner 的 README，版权归原作者，仅作引用。

Task planning with **experience muscle-memory** for [DeepSeek Harness](https://github.com/deepseek-ai/deepseek-harness) (`dsh`). Give a task → the agent recalls **past similar solutions** (condition reflex), evaluates whether they fit, and produces a dynamic plan matched against its capabilities — **never hard-coded combos**. Every plan auto-drafts a lesson into the experience library; when the task closes, the agent updates the outcome. The more you work, the smarter the reflex. ## Features - 🧠 **Experience library** (`task_memory save/recall/list`): persistent lessons as plain Markdown with signature keywords. Recall uses a 2–3-char sliding-window tokenizer, so "weekly report" still hits a "daily report" lesson. - ⚡ **Condition-reflex planning** (`plan_task`): recall → LLM evaluates fit (reuse & improve, or explain why not and plan fresh) → decomposed steps with capability matching → risks → next actions. - 🤖 **LLM-driven, not rule-driven**: the model decides what to use per task; the plugin only supplies context (past experiences + optional capability catalog). - ✍️ **De-AI deliverable standard**: any textual output step (docs/sheets/slides/copy/scripts) must include a huma

阅读完整 README仓库许可: MIT

dsh-task-planner DSH 插件常见问题

如何安装 dsh-task-planner？

在终端中运行 `dsh plugin --profile web add github:<你的用户>/dsh-task-planner`，将 `<你的用户>` 替换为实际的 GitHub 用户名或组织。你也可以克隆仓库后，使用 `dsh plugin --profile web add /路径/to/dsh-task-planner` 添加为本地包。

可以更改经验库的存储位置吗？

可以。在配置文件的 `cordis.patch.yml` 中，为插件 `dsh-task-planner` 添加 `config` 字段，设置 `lessonsDir` 为你想要的路径。默认是 `~/.dsh/planner-lessons`。例如：`config: { lessonsDir: /自定义/路径/lessons }`。

如果 LLM 找不到匹配的过往经验会怎样？

插件会从头开始规划。`plan_task` 命令会尝试回忆过往经验，但如果没有匹配或 LLM 评估认为都不适用，它会生成全新的计划，并自动将新计划草稿存入经验库，因此经验库会不断增长。

如何查看所有存储的经验？

在 DSH 环境中使用 `task_memory list` 命令，即可列出经验库中的所有经验。你也可以使用 `task_memory recall { task }` 通过关键词搜索特定经验。

这个插件需要 API 密钥或外部服务吗？

不需要。插件是零密钥的，它使用 DSH 配置中已有的 LLM 服务（默认模型）。你只需确保 `llm`、`shell` 和 `tools` 服务可用即可，无需为插件本身提供额外的 API 密钥。