william-jin-cmu/dsh-evolve

dsh-evolve

自进化 harness 插件：agent 在 session 内随对话给自己长出/剪掉能力。用户的表述暴露出一个缺口（反复要查的表、天天要算的换算、老要看的端点），agent 现场写一个 cordis 插件挂载给自己——新工具在下一个 step就可调用；不再需要时可逆卸载；重启自动恢复。

进化不限于工具。evolution 是完整的 cordis 插件：常驻 system prompt 规则、agent/step / agent/settled 事件钩子、定时器主动唤醒 agent——改行为、而不只是加能力的进化，同样一次 evolve_add 完成（三条非工具实录）。

依据的机制：dsh 的工具列表每个 step 都从当前挂载的插件实时重算（无 session 级快照），cordis 4 的 fiber 具有可回滚 effect——挂载即生效，dispose 即净。

工具

• evolve_add(name, source, description?, config?) — 把一段纯 ESM cordis 插件源码持久化到 evolve store（~/.dsh/evolve/<name>.mjs + manifest），并热挂载。同名再次调用即替换（旧 fiber 先完整卸载）。
• evolve_remove(name, keepSource?) — 卸载 fiber（它注册的工具/监听/服务全部自动清理）、移出 manifest、删除源码。
• evolve_list() — 每个 evolution 的名称、fiber 状态、版本、用途。

另注册一段 system prompt（order 118）教模型进化姿态：会复用才长、过时就剪、长了剪了要告知用户；并附四条非工具进化的配方（常驻规则 → prompt section、每步自纠 → agent/step 钩子、事后自动化 → agent/settled 监听、主动性 → 定时器 + agent.send 唤醒）。

什么值得进化

不是所有事都配长一个工具——温度换算这种模型口算就对的，进化只是噪音。工具要挣到它的位置，得至少占一条模型裸答做不到的：

1. 跨会话状态 — 随口记的账、喂药时间，下个会话还要接着用；
2. 实时/外部数据 — 天气、汇率、你们的 git 仓库；
3. 精确计算 — 日期边界、分类汇总、利息摊销，模型心算容易出错；
4. 你的私有信息 — 家人的城市、家里的日子、项目的表，长进工具后零参数随口问。

还有第五条，它筛选的不是”值不值得进化”，而是”该进化成什么形态”：工具是 pull——模型得记得去调。凡是”不经过模型决策也必须发生”的需求（每次都要、自动发生、没人问也要来），做成工具就是错的姿态——该长的是 prompt section、事件钩子或定时器，见下面的非工具实录。

生活

工作

以上带工具名的都不是设想——全部有下面的实录。

实证（未剪辑 E2E）

六条真实会话（dsh web + DeepSeek-V4-Flash，RPC 驱动，事件流原样提取）。重点看前两条：

① 家庭记账 — 跨会话状态，模型裸答做不到的事（session 1 · session 2）：session 1 里用户说「帮我记账，买菜 86、加油 400，月底要分类统计」，agent 长出带持久存储的记账工具并入账；session 2 是完全独立的新会话，用户只说「昨天外卖 62 记一下，这个月花了多少」，agent 直接调用上个会话长出的工具——账本延续（¥486 → ¥548，3 笔，分类正确）。

② 团队周报 — 多仓库聚合 + 模型修自己写的 bug（完整 trajectory）：用户说「每周五要汇总三个仓库的提交写周报，想个办法以后一句话就出」。agent 先手动拉数据核对，再把逻辑固化成 team_weekly_report（仓库清单、周界计算长在工具里）；验证 weekOffset: -1 时自己发现了自己写的日期边界 bug（--since 开区间把本周提交漏进上周报表），同名 evolve_add 替换为 rev 2 修复，三条参数路径回归全过。以后说「出这周周报 / 上周的 / 7月20号那周的」一句话即可。

③ 帮家里人看天气 — 个人化别名 + 真实气象 API（trajectory）：接 open-meteo 的天气插件（地理编码→逐日降水概率→带伞建议），家人城市做成别名；挂载后「杭州 / 成都 / 妹妹」三查全过，还结合联网搜索发现台风「白海豚」周末过境，给出「周六带结实的伞、能调就避开周日」的活人建议。

④ 家庭纪念日 — 日子长进工具里（trajectory）：三个日子固化进插件，长出三个工具并逐个验算（宝宝 0 岁 4 个月 19 天、离纪念日 287 天、下一个生日是妈妈还有 88 天）。以后任何会话秒答。

⑤ 汇率换算 — 真实网络请求 + 挂载失败自修复（trajectory）：双数据源容错；前两次挂载因引号转义、additionalProperties 失败，agent 读错误同名重试修复，成功后当场算出 12800 USD ≈ ¥86,372。

⑥ 项目错误码查询 — agent 主动提出进化（trajectory）：用户只抱怨「每天都得来查错误码」，agent 答完当次问题后主动长出查表工具并验证。

挂载后的 store（跨会话、跨重启持久）：

{
  "plugins": {
    "expense-tracker":    { "rev": 1, "description": "个人记账：随口说花钱就记录，自动分类，按月统计。数据持久化在账单文件里" },
    "team-weekly-report": { "rev": 2, "description": "每周五周报：汇总三仓库本周/指定周的 git 提交，按仓库和按人分组" },
    "weather-check":      { "rev": 1, "description": "查任意城市天气…支持家庭成员别名（爸妈→成都、妹妹→深圳）…" },
    "family-reminders":   { "rev": 1, "description": "家庭重要日期常驻工具：宝宝年龄、结婚纪念日倒计时、下次是谁的生日…" },
    "currency-converter": { "rev": 1, "description": "实时汇率换算工具，支持 150+ 币种…" },
    "error-code-lookup":  { "rev": 1, "description": "实时查询 demo-shop 错误码表…", "config": { "path": "…/docs/error-codes.md" } }
  }
}

另验证过：重启 dsh web 后新 session 直接调用已恢复的工具；用户说「不需要了」时 agent 调 evolve_remove，manifest 清空、源码删除、工具消失。

不止工具：改行为的进化

上面六条长的都是工具。但 evolution 是完整的 cordis 插件，而工具是 pull——模型得记得去调。下面三条实录里用户的需求都带着”每次、自动、主动”，工具形态在这些需求面前必败，agent 长出的插件一个工具都没注册：

⑦ 回复长度自我监督 — 守卫的第一个猎物是它自己的出生通告（完整 trajectory）：用户说「超过 300 字符就该被自动提醒，不靠你记得」。agent 长出 brevity-guard（常驻规则 + 事后测量 + 超限唤醒收敛），挂载成功后的”搞定”通告本身 407 字符——立刻被自己刚长出的插件拦下重写成 78 字符。随后的三次误报成了整条 trajectory 的主菜：agent 自己读 dsh 源码和 session 日志，逐层定位出字数语义（reasoning 思考块被计入）、触发时机（agent/step 在步骤开始前触发、量到旧消息）、投递积压（旧版排队的”幽灵提醒”逐轮延迟送达）三个根因，rev 5 收敛稳定——终验 132 字符一次过，45 秒零幽灵。

⑧ 干完活自动记工作日志 — 零工具调用的自动化（完整 trajectory）：worklog 插件只有一个 agent/settled 监听器。关键验证在 turn 2：用户问了个 base64 解码，模型纯回答、事件流里没有任何 tool/call，settle 后 worklog.md 里照样多了一行——”记录”这件事从模型的决策空间里被拿走了，一个 token 都不花。第三轮让 agent 念日志，”念日志”这轮自己也被记了进去。

⑨ 每天早上主动来找我 — 工具在定义上做不到的事（完整 trajectory）：用户要求”你主动发起对话，不是等我来问”，并要求先看 45 秒演示版。agent 长出 morning-reminder-demo（inject: ['agents']，定时器到点对空闲 agent send 唤醒）；45 秒后 turn 2 的 trigger source 是 plugin: morning-reminder-demo——用户全程没发消息，对话是插件造出来的。用户确认后一个 turn 内完成 evolve_add 正式版（自算距下一个 9:00 的毫秒数、fire 后自动重排）+ evolve_remove 演示版（定时器随 fiber dispose 自动清理）。正式版提醒文案还主动引用了此前长出的天气/账本/家庭日期工具——organism 在互相咬合。

一个未剪辑的涟漪：demo 定时器用 ctx.agents.list() 广播，而挂载是进程级的——同进程另一个会话也收到了演示提醒。那个 agent 先怀疑「我没装过定时器插件」，调 evolve_list 查明真相后照做打招呼。广播还是定向是进化代码该考虑的事；但每个 agent 都对突如其来的插件消息做出了正确反应，这本身是鲁棒性的证据。

安装

本插件是标准 Profile Bundle：package.json 的 dsh.bundle 指向 cordis.patch.yml，patch 按包名（而非绝对路径）挂载，dsh 版本升级后挂载不再失效。构建后从 checkout 安装进 profile：

scripts/build.sh                 # 见下
dsh plugin --profile web add .   # 追加为该 profile 的 bundle 层

卸载：dsh plugin --profile web remove @dsh-external/dsh-evolve。另一条互斥通道是 plugin-registry（dsh registry，读 dsh.plugin.json 增量清单）——同一部署二选一，不要双挂载。

构建：scripts/build.sh（需要 dsh 在 PATH，或设 DSH_CHECKOUT 指向 checkout 根；用 checkout 的 tsc 对 symlink 的 checkout 包编译）。测试：$CHECKOUT/node_modules/.bin/vitest run。

evolve store 的 node_modules 会自动 symlink 到本插件的 node_modules（后者已链入 dsh checkout），因此进化源码里可以直接 import { defineTool } from '@deepseek-ai/dsh-tools'，Node 内置模块也完全可用。

配置

设计要点

• 同名重试必须能加载新源码：挂载失败不写 manifest、rev 不前进，若用 rev 做 import() 的 cache-bust，重试会命中 Node 模块缓存加载旧的坏源码（这个 bug 正是在 E2E 里被 agent 自己诊断出来的）。现用进程内单调 seq 作为 cache-buster，与持久 rev 解耦。
• 中途改工具集会使该 session 的 prompt cache 前缀失效，一次性成本，正确性不受影响。
• 信任立场：evolution 是真实模块加载、无沙箱（与主 harness 同权限），面向可信的自用环境；需要人工把关的部署可在此基础上加确认模式（roadmap）。