Install
Inside DeepSeek Harness, with dsh-market
dsh plugin --profile web add dshmarket
Or from the command line
dsh plugin --profile web add dsh-gungnir
Installing runs third-party code with your own permissions — it can read your files, use your credentials and reach the network. Review the source first, and pin a commit (github:owner/repo#sha) when you can.
README
This plugin publishes its README in Chinese only.
30 秒了解
Gungnir 是 DeepSeek Harness 的证据驱动目标校验插件。 目标经 /ultragoal 锁定为版本化契约，执行过程中的工具结果自动落入追加式证据账本；模型宣称完成时，退出码、工件与 LLM 评审三级验证器对照证据裁决，证据齐备才放行。
Gungnir 为大语言模型智能体提供面向任务结果的控制面能力：
- Lock the goal（目标锁定）：建立版本化目标契约，明确预期交付物和检验标准。
- Prove the hit（证据裁决）：模型输出只是待检验的声明，测试退出码与文件状态等环境证据才有裁决权。
- 静默守护与最小介入：正常执行路径保持静默，只有观测到确定性证据冲突时才注入面向任务的明确反馈。
核心特性
| 维度 | 原生智能体执行 | Gungnir 控制面 |
|---|---|---|
| 完成判定 | 依赖模型自我宣称 | 依据环境证据与退出码客观裁决 |
| 假完成拦截 | 容易放行未完成的任务 | 运行时拦截虚假完成并要求修正 |
| 正常任务开销 | 基础开销 | 保持静默，Token 额外开销仅 +7.8% |
| 控制面额外交互 | 无 | 正常路径零额外模型往返 |
架构设计
Gungnir 采用分层解耦的插件化架构，全面适配 DeepSeek Harness 生态：
┌─────────────────────────────────────────────┐
│ Gungnir Goal Contract │ 目标锁定：定义任务交付物与验证规则
├─────────────────────────────────────────────┤
│ Gungnir Evidence / Verifier / Reconciler │ 证据裁决：收集环境事实，静默验证并按需介入
├─────────────────────────────────────────────┤
│ DSH Agent Contract / Session Log / Services │ 基础平台：提供会话与工具交互能力
└─────────────────────────────────────────────┘
控制流程
- 环境监听：在智能体调用工具的过程中，被动收集命令退出码与生成文件状态。
- 契约校验：当智能体发出完成任务的声明时，系统基于已捕获的环境证据执行确定性验证。
- 精准反馈：若验证通过，系统保持静默放行；若存在未满足的检验条件，系统注入简明的客观事实反馈，引导模型完成修复。
实验评测
Gungnir 建立了标准化的评测基准，并在 54 组真实环境运行中完成了多模型对比实验。
| 评测场景 | 具体用例 | 原生执行 (E0) | Gungnir 控制面 (E2) |
|---|---|---|---|
| 虚假完成拦截 | CLI 任务重试场景 | 0% (0/2) | 100% (2/2) |
| 语义缺陷修复 | 状态重入场景 (Ledgerd) | 0% (0/2) | 100% (2/2) |
| 验证错配修复 | 消息中继场景 (RelayPump) | 50% (1/2) | 100% (2/2) |
| 标准开发任务 | 常规开发基准 (H1) | 100% (6/6) | 100% (6/6) |
| 模型类型 | 虚假完成拦截率 | 语义缺陷修复率 | 标准任务通行率 |
|---|---|---|---|
| DeepSeek 系列 | 100% | 100% | 100% |
| GPT 系列 | 100% | 100% | 100% |
| GLM 系列 | 100% | 100% | 100% |
| 评测指标 | 原生执行 | Gungnir 控制面 | 控制面开销增量 |
|---|---|---|---|
| 中位 Token 消耗 | 24,151 | 26,025 | +7.8% |
| 中位模型交互轮次 | 12.0 轮 | 12.0 轮 | 0 轮 |
| 任务执行超时率 | 3.7% | 0.0% | -3.7% |
快速上手
兼容性：插件以 dsh v0.1.2-rc.1 为基线，peerDependencies 锁定实测版本。
安装
在 DeepSeek Harness 中执行安装命令：
dsh plugin add dsh-gungnir
配置
插件装载后自动注册 /ultragoal 与 /gungnir 命令及模型侧工具。需要调整时，在配置文件中覆盖插件参数：
plugins:
- name: dsh-gungnir
config:
maxGoalRounds: 64
常用配置项：maxGoalRounds（目标轮次上限）、rubricProvider / rubricModel（LLM 评审模型）、passive（被动观察形态）。
参与项目
欢迎提交 Issue 与 Pull Request。提交修改前请在本地运行测试：
pnpm -r typecheck
pnpm -r test
许可协议
本项目采用 Apache License 2.0 开源许可协议。版权所有 © 2026 Zonghe Wu。
Comments
Comments live in GitHub Discussions. Sign in with GitHub to post or react.