Awesome DSH Plugin 怎么用?给 DeepSeek Harness 搭建自己的插件生态

AI Coding Agent 的能力越来越强以后,一个比较明显的趋势是:

复制代码
以前:
模型决定 Agent 能做什么

现在:
模型
+
Tools
+
Skills
+
Plugins
+
Workflow
共同决定 Agent 能做什么

DeepSeek Harness(DSH)采用的就是比较彻底的插件化思路。

模型、工具、Sandbox、Session Storage、UI,甚至 Agent Loop 本身,都可以通过插件体系进行扩展。awesome-dsh-plugin 则负责解决另一个问题:

这么多社区插件,到底去哪里找?

它把散落在 GitHub 上的 DSH 插件集中整理成一个目录,方便用户按照用途寻找插件。

它不是插件,而是"插件目录"

这一点需要先区分清楚。

不是:

复制代码
DeepSeek Harness
       ↓
awesome-dsh-plugin
       ↓
新增一个功能

而是:

复制代码
awesome-dsh-plugin
       ↓
寻找插件
       ↓
选择插件
       ↓
安装到 DSH
       ↓
增加功能

所以它更接近:

复制代码
Awesome List
+
Plugin Directory

而不是传统软件。

项目目前收录的插件都要求声明:

复制代码
dsh.bundle

manifest,这是插件能够通过 dsh plugin add 安装的重要标志。

当前插件已经分成很多类别

目前目录主要包括:

  • UI Enhancements;
  • Themes & Appearance;
  • Sessions & Messages;
  • Memory;
  • Tools & Capabilities;
  • Skills;
  • Workflow & Automation;
  • Notifications & Integrations;
  • Models & Providers;
  • Development & Runtime;
  • Just for Fun。

因此可以把自己的 DSH 环境逐步组装成

复制代码
DeepSeek Harness
│
├── UI Plugins
├── Memory Plugins
├── Tool Plugins
├── Skill Plugins
├── Model Providers
├── Workflow Plugins
└── Runtime Plugins

这也是 DSH 插件生态比较有意思的地方。

UI 插件能做到什么程度?

目前已经不只是简单换主题。

例如目录中可以找到:

复制代码
文件浏览
终端
Git Review
多会话
Diff Viewer
Command Palette
移动端适配
生成式 UI
任务状态

等不同方向的插件。

所以一个原本比较基础的 DSH Web UI,可以逐步扩展成:

复制代码
DSH
│
├── Chat
├── Files
├── Terminal
├── Git
├── Diff
├── Task Status
└── Agent

更接近完整 AI Coding Workspace。

还有 Memory 插件

对于 Coding Agent 来说,一个比较实际的问题是:

复制代码
Session A
↓
知道项目情况

关闭

Session B
↓
很多东西重新解释

Memory 类插件就是针对这类需求。

可以进一步形成:

复制代码
Repository
   ↓
Agent
   ↕
Memory
   ↓
长期项目上下文

当然,Memory 是否准确、保存哪些内容以及隐私问题,仍然需要根据具体插件判断。

Tools 类插件更丰富

Tools & Capabilities 主要负责让 Agent:

复制代码
不仅会聊天
还可以调用实际工具

例如可以围绕:

复制代码
Browser
Search
File
Terminal
Image
Git
MCP
API

继续扩展。

这样 DSH 就可以逐渐从:

复制代码
LLM Chat

变成:

复制代码
LLM
 ↓
Agent Loop
 ↓
Tools
 ↓
真实开发环境

模型也可以通过插件扩展

DSH 的插件体系并不只负责 UI。

Models & Providers 类别可以用于增加不同模型接入方式。当前插件目录已经单独设置这一分类。

因此一套 DSH 环境可以设计成:

复制代码
                ┌→ Provider A
DSH → Model API ├→ Provider B
                ├→ Local Model
                └→ Other Provider

具体支持什么模型,要以对应 Provider 插件自身说明为准。

最简单的插件安装方式

当前 awesome-dsh-plugin 给出的 npm 安装方式是:

复制代码
dsh plugin --profile <name> add <npm-package>

例如 Web Profile:

复制代码
dsh plugin --profile web add <npm-package>

npm 方式通常使用预构建产物。

也可以直接从 GitHub 安装

格式:

复制代码
dsh plugin --profile web add \
  github:<owner>/<repo>

例如:

复制代码
dsh plugin --profile web add \
  github:owner/plugin-name

但 GitHub 来源与 npm 包有一个很重要的区别:

安装 GitHub 来源插件时,第三方构建脚本可能直接在你的机器上执行。

因此不要看到插件就直接安装。

更安全的 GitHub 安装方式

对于生产或长期使用环境,可以锁定 Commit:

复制代码
dsh plugin --profile web add \
  github:owner/repo#<commit-sha>

这样至少不会因为:

复制代码
仓库 main 分支更新

导致下次安装的代码与之前完全不同。

项目官方也明确建议,对 GitHub 来源尽量锁定 Commit。

可以直接安装插件市场

如果不想天天打开 GitHub 找插件,目前目录推荐使用:

复制代码
dsh-market

安装:

复制代码
dsh plugin --profile web add dshmarket

它会在 DSH 内增加插件市场,可以:

复制代码
搜索
安装
升级
管理插件
切换主题

当前 awesome-dsh-plugin 中收录的插件可以通过这个方向进行浏览。

也可以直接问 Agent 找插件

另一个比较有意思的方式是:

复制代码
dsh-find-plugin

安装:

复制代码
dsh plugin --profile web add \
  dsh-find-plugin

之后可以直接告诉 Agent:

复制代码
帮我找一个可以查看 Git Diff 的 DSH 插件。

或者:

复制代码
找一个改善移动端界面的插件。

这就形成:

复制代码
需求
 ↓
Agent
 ↓
插件搜索
 ↓
选择
 ↓
安装

当前项目 README 已经把这种方式作为可选方案提供。

awesome-dsh-plugin 本身需要服务器吗?

严格来说:

不需要。

它只是插件目录。

直接浏览:

awesome-dsh-plugin GitHub 仓库

就可以寻找插件。

真正可能需要服务器的是:

复制代码
复制代码
DeepSeek Harness
+
Plugins
+
Coding Environment

如果只是自己电脑使用:

复制代码
复制代码
Windows / macOS
│
└── DSH Desktop
      └── Plugins

已经足够。

但如果希望构建长期在线的 AI Coding 环境,就可以考虑 Linux 云服务器。

为什么适合搭配 Linux 服务器?

例如:

复制代码
复制代码
开发者电脑
     ↓
Browser / Desktop
     ↓
Linux Server
│
├── DeepSeek Harness
├── Git
├── Docker
├── Node.js
├── Python
│
├── Memory Plugin
├── Tool Plugin
├── Git Plugin
└── Workflow Plugin

这样项目代码、Agent 和插件环境都长期保留。

换一台电脑以后仍然可以继续使用同一套开发环境。

莱卡云适合放在哪一层?

如果准备搭建远程 DSH 开发环境,可以选择普通 Linux VPS 作为 Host。

例如:

复制代码
复制代码
PC / Laptop
     ↓
HTTPS / SSH
     ↓
莱卡云 Linux Server
│
├── DeepSeek Harness
├── Docker
├── Git
├── Node.js
├── Python
├── DSH Plugins
└── Projects

这种情况下,莱卡云主要承担的是长期在线 Linux 开发主机角色。

已有其他 Linux VPS、自建服务器或者公司内部虚拟机,也可以采用相同方案。

配置需要多高?

awesome-dsh-plugin 本身基本没有服务器资源需求。

真正消耗资源的是:

复制代码
复制代码
DSH
+
插件
+
Docker
+
项目 Build
+
Agent Tools

个人轻量使用可以从:

复制代码
复制代码
2 核 CPU
4GB RAM
40GB SSD

开始。

日常 AI Coding 更推荐:

复制代码
复制代码
4 核 CPU
8GB RAM
80GB SSD

如果同时运行:

复制代码
复制代码
Docker
多个 Agent
多个项目
数据库
自动化任务

可以考虑:

复制代码
复制代码
8 核 CPU
16GB RAM
150GB+ SSD

如果模型通过外部 API 提供,一般不需要 GPU。

不要一次安装几十个插件

看到 300 多个插件,很容易产生一种想法:

复制代码
复制代码
全部安装

实际上并不建议。

更合理的是:

复制代码
复制代码
基础 DSH
 ↓
确定需求
 ↓
安装一个插件
 ↓
测试
 ↓
确认稳定
 ↓
继续添加

例如先装:

复制代码
复制代码
UI
+
Git
+
Memory
+
一个 Tool

使用一段时间,再决定是否继续增加。

插件越多:

复制代码
复制代码
依赖冲突
权限范围
攻击面
维护成本

通常也会跟着增加。

插件安全尤其重要

awesome-dsh-plugin 自己也明确声明:

收录不代表安全背书。

插件由不同第三方开发者维护,安装插件意味着在自己的环境中执行第三方代码。

所以长期服务器上安装前建议至少检查:

复制代码
复制代码
Repository
 ↓
package.json
 ↓
dsh.bundle
 ↓
dependencies
 ↓
install/build scripts
 ↓
插件需要的权限

特别注意:

复制代码
复制代码
postinstall
preinstall
prepare

等生命周期脚本。

不要让 DSH 直接使用 root

如果服务器用于 Agent Coding,建议:

复制代码
复制代码
root
  ↓
只负责系统管理

developer
  ↓
DSH
Git
Node.js
Projects
Plugins

例如:

复制代码
复制代码
adduser developer

然后:

复制代码
复制代码
/home/developer/
├── projects/
├── .config/
└── dsh/

日常 Agent 使用普通用户运行。

因为 Agent + Tool + Plugin 的组合,本质上已经拥有相当强的系统操作能力。

Docker 权限也需要注意

很多人认为:

复制代码
复制代码
普通用户 + Docker
=
安全

实际上并不是。

如果用户属于:

复制代码
复制代码
docker

组,通常已经拥有接近 root 的系统控制能力。

因此对于不可信插件,更合理的方式是:

复制代码
复制代码
Host
 ↓
隔离 Container
 ↓
DSH
 ↓
Plugin

而不是把未知插件直接安装到生产宿主机。

还可以自己开发插件

如果准备做自己的 DSH Plugin,awesome-dsh-plugin 也可以作为生态参考。

当前项目要求可安装插件声明:

复制代码
复制代码
dsh.bundle

manifest。

开发完成以后,可以给 Repository 添加:

复制代码
复制代码
dsh-plugin

Topic,并按照项目贡献规则提交收录。

这样其他 DSH 用户也能发现插件。

一个比较合理的 DSH 开发环境

最终可以形成:

复制代码
复制代码
                  Developer
                      ↓
               Browser / Desktop
                      ↓
                    HTTPS
                      ↓
                Linux Server
                      │
            ┌─────────┴─────────┐
            │                   │
           DSH               Projects
            │                   │
      ┌─────┼─────┐           Git
      │     │     │           Docker
     UI   Tools  Memory       Build
      │     │     │
      └─────┼─────┘
            │
          Agent
            │
            ↓
        Model API

这比单独讨论某一个插件更能体现 DSH 插件生态的价值。

部署总结

awesome-dsh-plugin/awesome-dsh-plugin 更准确的定位是一个 DeepSeek Harness 社区插件索引与发现项目,而不是需要单独部署的 Web 服务。

当前主目录已经收录约 365 个插件,覆盖 UI、主题、Memory、Tools、Skills、Workflow、通知、模型 Provider 和开发 Runtime 等多个方向。

如果只是寻找插件,直接使用项目目录即可;如果希望长期运行 DeepSeek Harness、多个插件、Git、Docker 和 Coding Agent,则可以搭建独立 Linux 开发环境。

莱卡云可以作为这种 Linux 开发环境的一个候选,用于承载 DSH、Git、Docker、项目代码以及经过审核的社区插件;其他 VPS、自建服务器或内部虚拟机同样适用。

个人使用可以从 2 核 4GB 起步,比较完整的 AI Coding 环境建议考虑 4 核 8GB。真正需要优先关注的不是堆高服务器配置,而是:

插件来源是否可信、安装脚本是否经过检查、Agent 权限是否受控、插件版本是否锁定,以及重要项目是否做好 Git 与数据备份。

另外需要注意:这个项目是社区维护的 DSH 插件目录,并非 DeepSeek 官方插件市场,对外介绍时最好保留这一点,避免造成官方合作或背书的误解。

相关推荐
hh9501 小时前
gent Plan × DeepSeek Harness Agent 单元测试与行为回归框架
人工智能·数据挖掘·回归·单元测试·agent plan·adg成都社区·adg社区
楷哥爱开发1 小时前
IPFoxy爬虫代理配置指南:从0搭建Crawl4AI网页爬虫教程
大数据·运维·人工智能·爬虫
JJJennie7771 小时前
【AI 网关】七类网关方案横向测评|MAI Gateway 会带来什么不同
人工智能·大模型·gateway·ai网关·魔芋ai
咖啡星人k1 小时前
2026 多模态大模型:AI 如何“看图+读字+听音“三合一,MonkeyCode 免费上手
人工智能·深度学习·神经网络·计算机视觉·自然语言处理
AI工具测评家1 小时前
AI检测器是怎么判断论文由AI生成的?从文本概率、语言规律到检测模型一次讲清
人工智能·aigc·降重·ai检测·查重·降ai·快降重
钓鱼的小小猫1 小时前
从零拿捏Linux(一) ---- 命令(视频秒解)
linux·linux命令
abnH_1 小时前
精度焦虑与预算博弈:高性价比DD马达如何守住自动化产线的“底线精度”?
人工智能·机器人·自动化·制造
云间月13141 小时前
Elasticsearch 数据怎么看?部署 Kibana,从索引查询到可视化图表
大数据·elasticsearch·jenkins