效果示例

用户：帮我写个排序算法

模型（正常输出）：已写入 /tmp/qs.py：原地分区版快速排序，6 组测试全部 PASS。

你看到的：已写入 /tmp/qs.py：原地分区版快速排序，6 组测试全部 PASS。喵~ (｡･ω･｡)

核心思想

传统做法让 LLM 自己"演猫娘"：几百 token 的长 persona 注入 system prompt，每个请求重复付费，模型输出还变啰嗦。

本插件反其道而行——Persona Virtualization：

• 会话日志保存原文，模型上下文零污染
• 猫娘风味 0 LLM Token，全部本地渲染
• 工具 schema 裁剪：25 → 8 个，省下每请求数千 token

实测结果

真实 DeepSeek API 实测（2026-08-14）：首个请求新输入 -67%，稳态缓存命中 -66%，质量无退化。

完整对比数据（同一任务：写快速排序 + 保存 + 运行验证）

冷启动（首个 agent 请求，无缓存）

配置	首个请求新输入	全程新输入	全程缓存命中	输出
基线（无插件）	12,372	12,520	25,856	838
传统猫娘	12,576	13,156	26,240	860
Lite + Economy	3,881	4,178	8,960	739

稳态（第二次运行，缓存已建立）

配置	新输入	缓存命中
基线	497	38,144
Lite + Economy	386	12,800（-66%）

结论

1. 传统长 persona 猫娘更费 token（+5%）——persona 是 per-request 重复成本
2. 极短 persona ≈ 基线——它的价值是让模型输出正常文本，把猫娘风味让给本地渲染
3. 工具 schema 裁剪才是省 token 引擎——ctx.tools.restrict() 在 agent 作用域裁剪，模型看到的与可执行的保持一致

质量对比

5 类任务实测（编码 / Web 搜索 / 文件搜索 / 纯问答 / Subagent）：质量无退化，模型自适应（web 任务用 curl 绕过、subagent 任务直接回答）。

完整对比数据（基线 vs 本插件）

任务	工具状态	基线质量	插件质量	基线 token（新输入/缓存）	插件 token
编码	保留	✅	✅（+边界处理）	309 / 37,760	725 / 22,016
Web 搜索	被裁	✅ 新闻数据	✅ 实时 API（curl）	2,476 / 65,408	1,403 / 17,024
文件搜索	保留	✅ 215 个	✅ 215 个	7,066 / 40,832	3,490 / 22,912
纯问答	无工具	✅ 详细	✅ 简洁	192 / 12,288	149 / 3,840
Subagent	被裁	⚠️ 输出截断	✅ 直接回答	18,702 / 61,312	189 / 3,840

退化边界：需要专用工具的任务（subagent 并行、skill 调用）——模型会改变策略。enable_tool 渐进式披露解决：

▼
text
复制代码
模型：enable_tool("subagent") → 工具已解锁
模型：subagent × 2（并行委派）→ 子代理完成 → 汇总

实测：模型识别到 subagent 缺失 → 调用 enable_tool → 并行派发两个子代理 → 正确汇总。能力完整恢复，父 agent 的工具 schema 在解锁前保持最小（省 ~2,000 token/请求）。

如果请求解锁的工具未安装在当前 profile，enable_tool 会返回不可用提示并保留原白名单，会话可以继续正常解锁其他工具。

快速开始

▼
sh
复制代码
# 从 npm 下载安装
dsh plugin --profile demo add dsh-catgirl-plugin

然后加入 profile patch：

▼
yaml
复制代码
- insert:
    - id: catgirl-lite
      name: dsh-catgirl-plugin/catgirl-lite
      config:
        persona: 'Be concise, friendly, and natural.'
    - id: neko-renderer
      name: dsh-catgirl-plugin/neko-renderer
    - id: catgirl-economy
      name: dsh-catgirl-plugin/catgirl-economy
      config:
        profile: coding

Web UI 渲染（可选）：安装 dsh-catgirl-plugin-client 并加入 profile patch：

▼
yaml
复制代码
- insert:
    - id: neko-renderer-client
      name: dsh-catgirl-plugin-client

插件家族

插件	作用	Token 影响
catgirl-lite.js	极短 persona（6 token）	每请求 +6
neko-renderer.js	headless 显示层喵化	0
catgirl-economy.js	工具裁剪 + enable_tool 按需解锁	每请求 -8,491（-69%）
client/	Web UI 渲染（shadow assistant 渲染器）	0
index.js	传统长 persona（对比用）	每请求 +数百
usage-meter.js	开发工具：usage 记录	0

工具档位

profile	初始工具	用途
coding	编辑、文件、搜索和 todo	默认，适合开发任务
normal	读取、搜索和 Web	调研与日常助手
chat	无全局工具	纯对话，需要时通过 enable_tool 解锁

allow 设置后会覆盖档位，包括显式空列表；escalatable 可自定义允许按需解锁的工具。插件会过滤当前 profile 中未安装的初始工具，避免启动失败。

后续方向

• Reasoning Router 需要先建立跨模型质量基线，不默认自动开启
• 按任务类型预判工具档位，保留显式配置作为回退
• 把 agent 生命周期映射为更完整的 Web UI 状态

已知限制

• headless 一次性进程不等待后台 subagent：run_in_background: true 的子代理在父进程退出时被终止（headless 应用限制，Web UI 无此问题）；同步模式完整可用
• nya 工具输出随机（Math.random()），不适合快照测试
• 人设文案为中文单语：INTENSITY_TEXT 在 index.js，可自行修改或通过 traits 扩展

开发

▼
sh
复制代码
npm ci && npm test && npm run pack:check
npm ci --prefix client
npm run --prefix client typecheck
npm run --prefix client build
npm run --prefix client pack:check

真实 Loader 组合测试通过环境变量指向已构建的 Harness：

▼
sh
复制代码
DSH_HARNESS_PATH=/path/to/deepseek-harness npm run test:composition

质量实验会将 usage、输出、overlay 和机器可读元数据写入同一目录：

▼
sh
复制代码
DSH_BIN=/path/to/dsh BENCHMARK_OUTPUT_DIR=/tmp/bench \
  npm run test:quality -- quicksort lite "写快速排序并运行测试"

overlays/ 使用 npm 包路径，不包含个人机器绝对路径。根包与客户端保持同版本；显式推送 v* tag 时，Release workflow 才会发布 npm 包并创建 GitHub Release。首次发布前需在仓库中配置 NPM_TOKEN Secret。

License

MIT