Skip to content
BranchesTags

Latest commit

 

History

5 Commits

Folders and files

NameName
Last commit message
Last commit date
preset
preset
 
 
skills/adg-add-agent
skills/adg-add-agent
 
 
tools
tools
 
 
.gitattributes
.gitattributes
 
 
.gitignore
.gitignore
 
 
README.md
README.md
 
 
install.ps1
install.ps1
 
 
install.sh
install.sh
 
 

Repository files navigation

Adg 多智能体模式（DSH agent preset）

一个 DSH 自建 agent preset：一个调度智能体 + 八个专家智能体名册。 任务由调度智能体判断范围后分派给对应专家；专家之间不能直接互相转交，越界时由调度智能体再派发下一步。

八个专家各一行职责：

  • agent_file｜文件管家：文件与文档的检索定位、阅读理解与问答、批量整理归类、格式转换与文档生成
  • agent_computer｜系统运维专员：系统与硬件信息查询、系统设置修改、优化清理、故障排查、进程与服务控制
  • agent_app｜应用操作专家：桌面软件启停/安装卸载与命令行接口调用、Android 模拟器上的手机 App、微信小程序
  • agent_browser｜网页交互专员：需要登录、多步表单、点击选择、多页跳转抓取的网页操作
  • agent_search｜全网搜索专员：多轮联网检索与多源资料综述，结论带来源链接；只联网，不碰本地文件与系统
  • agent_researcher｜代码与仓库事实检索员：在本仓库/本机文件里定位实现、配置与出处，只读、必须带行号
  • agent_coder｜实现工程师：按已确定的方案改动工作区代码，并运行验证证明改动有效
  • agent_reviewer｜审查验证员：对已有改动做对抗性审查，只报告不修改

配套技能 adg-add-agent：让你在任何模式（包括创造模式）下说一句「给 Adg 加一个智能体」就能新增专家。

安装

装到两个位置（${DSH_HOME:-~/.dsh} 是你的 dsh 用户根）：

仓库里的路径 安装到
preset/（两个文件） ${DSH_HOME:-~/.dsh}/.agent-presets/adg/
skills/adg-add-agent/SKILL.md ${DSH_HOME:-~/.dsh}/skills/adg-add-agent/SKILL.md

方式 A：把仓库地址交给 AI（推荐）

把这个仓库的地址发给 dsh 里的 AI，说一句「按仓库 README 装到本机」即可 —— 下面的 给 AI 的安装指令 一节就是写给它看的。

方式 B：手动

git clone <repo-url> ~/adg-multi-agent
sh ~/adg-multi-agent/install.sh                     # macOS / Linux
git clone <repo-url> $HOME\adg-multi-agent
powershell -ExecutionPolicy Bypass -File $HOME\adg-multi-agent\install.ps1   # Windows

装完必须重启 dsh

已挂载的 preset 不会因为 composition 文件变化而重新组合。 已实测：preset 挂载之后把 composition 的行改掉，compositionInventory() 仍然返回旧行。所以安装完必须重启 dsh， 重启后在新建对话里选择「Adg 多智能体模式」。 （在重启之前，Adg 模式会用旧组合运行，不要拿它做验证。）

专家名册与 Marvis 对应关系

名册分两组：前五个参考腾讯 Marvis 的专项 Agent 划分（PM + File / Computer / App / Browser / Search Agent），后三个是 Adg 原有的代码向专家。缺口一栏写的是本环境的真实实现口径， 不是宣传语：

Marvis 的 Agent Adg 专家（toolName） 覆盖的能力 本环境的实现口径 / 缺口
File Agent agent_file 文件与文档的检索定位、深入阅读与问答、复制/移动/重命名/批量归类、格式转换与文档生成 图片内容理解走 read_image（把图片交给模型看，需要模型路由支持图像输入，调用报错就如实说明）；文本类文档（PDF/Word/Excel/PPT）用 pwsh 调本机已有工具提文本。OCR（图片里的文字）、人像/场景检索、跨设备传输取决于本机工具链（Python 库、Office、同步盘目录等）：persona 要求先用 pwsh 探测可用工具，缺什么就直说「本机缺少 X，无法完成」并给替代方案，不允许假装完成
Computer Agent agent_computer 系统与硬件信息查询、系统设置修改、优化清理、故障排查、窗口与桌面管理、进程/服务/计划任务控制 不依赖模拟点击的 Windows API 路线可用（PowerShell / CIM / P-Invoke）。会改变系统状态的操作要先说明影响与回退；不可逆或高风险操作必须先停下、写明「需要用户确认后才能执行」
App Agent agent_app 桌面软件启停/安装卸载与内部功能调用、Android 模拟器上的 App、微信小程序 Marvis 的 GUI 视觉识别 + 模拟点击在 DSH 没有对应工具：只能走 CLI / adb / winget / 软件自带接口。凡是「看界面点按钮」类需求必须明说不具备，并给出替代（应用 CLI、adb 命令、官方 API、或请用户手动完成）
Browser Agent agent_browser 登录态下的站点操作、多步表单、点击与下拉选择、多页跳转抓取 优先 Playwright / Puppeteer / Edge CDP（用 pwsh 调 node 脚本）；没有可用自动化运行时就降级成 web_fetch 单次抓取（只能取静态内容、不能交互），并在回答里说明是降级执行。遇到登录墙 / 验证码 / 二次验证必须立刻停止并请用户介入，不得绕过
Search Agent agent_search 多轮联网检索与多源资料综述、关键信息引用溯源 只联网：allow 里只有 web_search / web_fetch，本地文件与系统级请求被硬性排除（这不是偏好）。天气、汇率、股价这类简单事实查询由调度智能体直接回答，不派给它
（Marvis 无对应） agent_researcher 在本仓库/本机文件里定位实现、配置与出处，只读、带行号 Adg 原有：硬只读 —— allow 里没有 write / edit / pwsh，真的改不动东西；公网发现式调研归 agent_search，它自己的 web_search / web_fetch 只用于已知 URL 的定点核对
（Marvis 无对应） agent_coder 按已确定的方案改工作区代码，并运行编译/测试自证 Adg 原有：只在当前工作区内改动文件；不做需求解读、方案设计与系统级运维
（Marvis 无对应） agent_reviewer 对已有改动做对抗性审查，尽量用只读命令或测试验证 Adg 原有：只报告不修改；每条结论给路径与行号或命令依据

怎么用

  1. 新对话选择 Adg 多智能体模式，直接说需求。
  2. 调度智能体自己负责意图理解、任务拆解、调度与汇总，先判断范围再按 8 个专家的范围派发：
需求范围 派给
文件与文档（检索、整理、转换、生成） agent_file
系统 / 硬件 / 设置 / 清理 / 故障排查 agent_computer
软件与 App 操作（CLI、adb、winget、小程序） agent_app
网页登录 / 填表 / 点击 / 多页抓取 agent_browser
全网检索与综述（只搜不点） agent_search
在本地代码库与文件里定位事实与出处 agent_researcher
改工作区代码并自证 agent_coder
审查已有改动 agent_reviewer
  1. 需要多个专家时，它在同一条回复里并行启动多个委派，不串行等待。
  2. 专家越界时会回一句「超出能力范围，需要 agent_X」；调度智能体据此再派发下一步，链路可追踪。 专家之间不能直接互相转交 —— 它们看不到 agent_* 名册行（见「设计要点」）。
  3. 专家的返回值只是给调度智能体汇总用的中间材料，不是给你的最终答复；最终交付由调度智能体整理后给出。

怎么加一个智能体

在任何模式里说，例如：

给 Adg 加一个智能体：文档员，负责把内部笔记改写成对外口径，只能读不能改文件，需要改动时报告需要 agent_coder。

AI 会加载技能 adg-add-agent，一次问清岗位 / 能力范围 / 越界时报告需要谁，然后改两处 （新增专家行 + 顶部调度名册）。改完在仓库里跑一次自检：

node tools/check-preset.mjs

通过（exit 0）之后重启 dsh 即可生效。

设计要点（为什么这么做）

  • 刻意删掉了通用的 subagent / subagent_fork 行。 子代理会继承父代理的整套 composition；一旦存在通用委派行，专家就能绕过自己的范围再开一个"什么都能干"的子代理 （已在创造模式实测复现）。删掉之后，「每个智能体只负责有限范围」才真正成立。 注意这现在是双重保险：allow 名单本身也会把未列出的工具裁掉，通用委派行与专家 名册行都进不了专家的工具目录。
  • toolFilter.allow 是真实的能力边界，不是提示级约束。 已实测：给 agent_coder 委派任务，它报告的可见工具目录恰好等于它的 allow 名单，agent_* 名册行与通用 subagent 都不在其中 —— preset 自己注册的工具也一起被裁。persona 只是补充说明。
  • 因此专家之间不能直接互相转交。 专家越界的正确做法是回一句「超出能力范围，需要 agent_X」，由调度智能体据此再派发下一步（链路可追踪）。如果确实想让某个专家能直接 转交，把对应的 agent_* 名字加进它的 allow 即可。
  • 能力边界不是安全沙箱。 allow 给出的是工具面上的真实限制（专家的工具目录确实被裁）， 但 pwsh 这类通用执行工具本身能做很多事 —— 例如 agent_reviewer 的 allow 里有 pwsh， 机制上它完全能改文件，靠的是 persona 里"只报告不修改"这条提示级约束。要的是分工清晰、 越界会被报出来，不是权限隔离。按工具面看，硬边界（toolFilter 强制、越界直接调不动） 是 agent_researcher（无 write/edit/pwsh）、agent_search（只有联网工具）、agent_reviewer （无 write/edit）；agent_file 与 agent_coder（只差一个 read_image）、agent_computer 与 agent_app（完全相同）的工具面几乎一样，它们的边界靠 persona 与调度规则维持。
  • allow 里只能写已注册的工具名。 dsh-tools 的 restrict() 遇到未知名会直接抛 names unknown global tool ...。改 composition 的 tool 行时要同步 tools/check-preset.mjs 里的 KNOWN_TOOLS，并用它提前拦下拼错的名字。条件性注册的名字 （bash 在 Windows 上被 disabled 关掉、read_image 依赖 attachments 服务）与策略越界 的名字（workflow / ralph 只留给调度智能体）都只给「提示」—— 所以看到 1 个警告 仍是 通过（exit 0）。自检里 ERROR 的含义只有一个：这次委派必然抛错（名字没注册）。
  • 有 pwsh 的专家一律同时给 job_list / job_output / job_kill。 工具的指导段落 会讲后台任务，只给 pwsh 不给收集工具会让"后台跑了但取不回来"。

目录结构

preset/
  preset.yml            # 在模式选择器里显示的名称与简介
  agent.cordis.yml      # 调度智能体 persona + 八个专家智能体行
skills/
  adg-add-agent/
    SKILL.md            # 「给 Adg 加一个智能体」的操作手册
tools/
  check-preset.mjs      # 静态自检：专家行字段、toolName 唯一、allow 合法性、
                        # 通用委派行、调度名册与专家行双向一致
install.ps1             # Windows 安装脚本
install.sh              # macOS / Linux 安装脚本

兼容性

  • 从 DSH 出厂 preset standard（标准模式）复制而来，只有两处实质改动： persona 增加调度名册与分派规则；delegation 组由通用委派行换成专家行。
  • 依赖标准模式本来就有的出厂包（@deepseek-ai/dsh-tool-subagent、@deepseek-ai/dsh-persona、 @deepseek-ai/dsh-skill-filesystem、@deepseek-ai/dsh-tool-subagent-control 等）。
  • 新增/删除/修改智能体后需要重启 dsh 才生效，这是 preset 挂载机制决定的，不是缺陷。
  • install.ps1 带 UTF-8 BOM，是有意的，不要去掉。 Windows PowerShell 5.1 在没有 BOM 时 会按系统 ANSI 代码页读取脚本，中文会变成乱码并直接解析失败（本仓库已实测复现并修复）。

给 AI 的安装指令

（人类可忽略；把仓库地址交给 AI 时让它照此执行。）

  1. git clone <repo-url> <tempdir>
  2. 复制 <tempdir>/preset/preset.yml 与 <tempdir>/preset/agent.cordis.yml → ${DSH_HOME:-~/.dsh}/.agent-presets/adg/
  3. 复制 <tempdir>/skills/adg-add-agent/SKILL.md → ${DSH_HOME:-~/.dsh}/skills/adg-add-agent/SKILL.md
  4. 目标目录通常在工作区之外，写入会被沙箱拒绝一次；按提示用 sandbox_permissions 升级重试同一条命令（用户会在界面上批准）。
  5. 校验：挂一个注入 agentPresets 的临时插件（见技能 editing-cordis-compositions），
    • await resolve('adg') 的 broken 必须为空；
    • await standingKeyFor('adg') 走一次真实挂载（能报出包解析不到、配置非法、行未激活、 服务发布到全局 realm 四类错误）；
    • await compositionInventory() 里 adg 必须出现 8 行专家：agent-file、agent-computer、 agent-app、agent-browser、agent-search、agent-researcher、agent-coder、 agent-reviewer，且没有 tool-subagent、tool-subagent-fork 行。
    • 也可以直接 node tools/check-preset.mjs 做静态自检（零依赖，exit 0 表示通过）； 校验已安装的那一份时传路径：node tools/check-preset.mjs "${DSH_HOME:-~/.dsh}/.agent-presets/adg/agent.cordis.yml"。
  6. 明确告诉用户：必须重启 dsh，之后在新建对话里选择「Adg 多智能体模式」。
  7. 如果用户还需要在创造模式里说「给 Adg 加一个智能体」被识别，确认第 3 步的技能已就位—— <dshHome>/skills 是 dsh-skill-filesystem 的用户技能根（rank 400），两种模式都会扫描且热加载。

About

No description, website, or topics provided.

Resources

Readme
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

Packages

Contributors

Languages