Shizuku-keop/dsh-micro-inversion-standard
Shizuku-keop★ 2JavaScript最后同步: 2026-08-25
一个可复用的 DSH Agent Preset:双阶段、Token 精益的编码智能体模式。 核心目标:把模型思维链的起手习惯从 "let me" 翻转为 "we need",同时把上下文占用与 Token 消耗压到最低,并保持供应商 KV Cache 对未变前缀持续命中。
README 摘要
dsh-micro-inversion-standard(微逆标准模式) 一个可复用的 DSH Agent Preset :双阶段、Token 精益的编码智能体模式,并把 模型思维链的起手习惯从 "let me" 翻转为 "we need" (v5 起同时支持中文起手词 "我们需要 …" 的检测),同时把上下文占用与 Token 消耗压到最低,保持供应商 KV Cache 对未变前缀持续命中。 这是 DSH Agent Preset (预设),不是 web profile 插件。DSH 通过扫描 /.agent-presets/ / 目录来发现预设( dsh-agent-presets 的 includeUserRoot 默认开启),因此"安装"就是把本仓库的 preset/ 目录原样 放进该位置,然后重启 dsh web 。 五项核心能力 1. 首轮锚定(Bootstrap) — 第一条请求只暴露 Minimal 双工具 (持久 shell bash / pwsh + str replace editor ),系统提示词只留 persona 与 "we need" 推理协议,输出预算钳制在 1024 token,强制第一条推理块以 "we need …" 起手。 2. 动态晋升(Dynamic Promotion) — 同一 Session 内,首次工具调用或首次 实质性回复后立即解锁完整标准工具目录(fs / 检索 / jobs / skills / goals / plan / subagents / workflows / ask-user / todo / web …),恢复全部提示词 sections 与运行时上下文;compaction 后重置回受控阶段(v5:不再套用 1024 冷启动输出上限,温热会话保持完整输出预算),等新的晋升信号。 3. 全局运行态锚(v2,anchor-sustainer) — L1 认知 persona 晋升时整体换装; L2 每次请求在尾部注入恒定近场锚;L3 每个工具结果经 harness 原生 additionalContexts 挂接续锚;D 漂移检测闭环增量扫描推理块起手词 ( 中英文双语 ),违规时升级锚文案并注入重述消息(纯软强化,绝不触发 裁剪或输出收紧)。 v6 稳态锚降载 :连续 throttleAfterConforms (默认 4) 个合规推理块后跳过 L2 近场锚(L1 persona 仍强制协议;任意 soft/违规起手词 立即重新武装)——只在合规已被证明时才省这一步的锚 token。 4. 上下文瘦身(Context Slimming) — tools/post-execute 把超过 8192 字符 的工具结果裁剪为 头4096 + 标记 + 尾1024(v5:按真实标记长度动态拟…
在 GitHub 查看完整 README →分类
🌊 The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated
★ 69,644
volcengine/OpenVikingSelf-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.
★ 34,132
tt-a1i/archifyAgent skill for beautiful, verifiable architecture, workflow, sequence, data-flow, and lifecycle diagrams—self-contained HTML with motion and crisp export.
★ 27,048