DSH 插件 · 社区项目

Ouroboros DSH Plugin

把 Ouroboros 自我迭代 Agent 运行时接入 DeepSeek Harness,可选择 DSH 或其他后端执行优化循环。

5.5k StarsMITPython今天更新
01

项目介绍

Ouroboros DSH Plugin 是一项DSH 插件,核心内容是把 Ouroboros 自我迭代 Agent 运行时接入 DeepSeek Harness,可选择 DSH 或其他后端执行优化循环。它把运行自我迭代循环、选择 Agent 运行时放在同一个公开项目里,安装前可以先看清目录、命令和限制,再决定是否接入自己的 Agent 工作流。

02

核心功能

01

运行自我迭代循环

仓库 README 或组件说明记录了运行自我迭代循环的用途。实际启用前应继续查看原文,确认当前版本的行为和依赖。

02

选择 Agent 运行时

仓库 README 或组件说明记录了选择 Agent 运行时的用途。实际启用前应继续查看原文,确认当前版本的行为和依赖。

03

切换模型后端

仓库 README 或组件说明记录了切换模型后端的用途。实际启用前应继续查看原文,确认当前版本的行为和依赖。

04

把任务接入 DSH

仓库 README 或组件说明记录了把任务接入 DSH的用途。实际启用前应继续查看原文,确认当前版本的行为和依赖。

03

安装与使用

按照公开 GitHub 说明配置 Ouroboros DSH Plugin,首次接入时保持较小权限范围,再用低风险任务验证,确认正常后再投入日常使用。

AI AGENT INSTALL

让 AI Agent 帮你安装

把这段话发送给 Codex、Claude Code 或其他可以操作本地环境的 AI Agent。

请帮我安装并配置Ouroboros DSH Plugin。
项目地址:https://github.com/Q00/ouroboros
组件路径:integrations/dsh-plugin

请先阅读仓库 README 和许可证,确认当前宿主、依赖、目标目录与所需权限。严格采用仓库记录的方法,不要把凭据写进文件或日志;如果支持只读或最小权限模式,优先从该模式开始。完成后运行一个小型验证,并告诉我实际修改、执行命令、配置位置和验证结果。遇到覆盖文件或扩大权限的操作时先停下说明。
01开始前准备
  • DeepSeek Harness 已安装
  • 已准备 Ouroboros 使用的 Agent 运行时和模型后端
02复制安装命令或配置
dsh plugin --profile default add "github:Q00/ouroboros#main&path:integrations/dsh-plugin"
03按步骤完成安装
  1. 1
    确认依赖和使用范围

    先读 README,确认目标宿主,并准备这些条件:DeepSeek Harness 已安装;已准备 Ouroboros 使用的 Agent 运行时和模型后端。执行前检查目标目录和权限范围。

  2. 2
    按仓库方式完成配置

    执行仓库给出的命令: dsh plugin --profile default add "github:Q00/ouroboros#main&path:integrations/dsh-plugin"

  3. 3
    用小任务验证

    运行 dsh --profile default --dump-config,或把 default 换成实际 profile,确认 Ouroboros DSH Plugin 已加载,再调用仓库中最小的一项示例操作。

如何确认安装成功

运行 dsh --profile default --dump-config,或把 default 换成实际 profile,确认 Ouroboros DSH Plugin 已加载,再调用仓库中最小的一项示例操作。

使用前注意
  • 自我迭代会消耗更多模型调用和时间
  • 需要先理解运行时与后端变量,配置成本高于普通插件
04

使用场景

SCENARIO 01

迭代改进提示词或 Agent 配置

当仓库记录的依赖和权限模型与当前环境相符时,可以把它用于迭代改进提示词或 Agent 配置。

SCENARIO 02

比较不同模型后端的结果

当仓库记录的依赖和权限模型与当前环境相符时,可以把它用于比较不同模型后端的结果。

SCENARIO 03

把优化实验纳入 DSH 工作流

当仓库记录的依赖和权限模型与当前环境相符时,可以把它用于把优化实验纳入 DSH 工作流。

05

使用评价

这次评价依据仓库 README、组件说明、许可证和维护元数据。比较值得肯定的是插件目录与主项目分开,安装身份清楚;后端可以按环境选择。同时也要把限制说清楚,自我迭代会消耗更多模型调用和时间;需要先理解运行时与后端变量,配置成本高于普通插件。本次收录没有把资料核验写成本机实测。

值得一试的地方

  • 插件目录与主项目分开,安装身份清楚
  • 后端可以按环境选择

使用前要知道

  • 自我迭代会消耗更多模型调用和时间
  • 需要先理解运行时与后端变量,配置成本高于普通插件
06

README

Ouroboros DSH Plugin


Overview

把 Ouroboros 自我迭代 Agent 运行时接入 DeepSeek Harness,可选择 DSH 或其他后端执行优化循环。 把 Ouroboros 自我迭代 Agent 运行时接入 DeepSeek Harness,可选择 DSH 或其他后端执行优化循环。

Getting started

  • 按照公开 GitHub 说明配置 Ouroboros DSH Plugin,首次接入时保持较小权限范围,再用低风险任务验证,确认正常后再投入日常使用。
  • 仓库把 Ouroboros DSH Plugin 定位为把 Ouroboros 自我迭代 Agent 运行时接入 DeepSeek Harness,可选择 DSH 或其他后端执行优化循环。重点不在做一份泛泛的合集,而是把运行自我迭代循环、选择 Agent 运行时、切换模型后端、把任务接入 DSH这些能力整理成可以继续使用或核验的内容。
  • 从公开 README 可以确认的要点包括GitHub path 插件安装、支持多种 LLM 后端、通过环境变量配置、面向迭代优化工作流。这些信息来自仓库说明和目录,本次收录没有把文档描述写成已经在本机完成的实测结果。
  • 运行 dsh --profile default --dump-config,或把 default 换成实际 profile,确认 Ouroboros DSH Plugin 已加载,再调用仓库中最小的一项示例操作。

Configuration

dsh plugin --profile default add "github:Q00/ouroboros#main&path:integrations/dsh-plugin"
在 GitHub 阅读完整 README