pi-dsh-minimal

DeepSWE 实测(2026-08-16,全量 113 题)

官方 DeepSWE v1.1 全量:pi agent 跑在官方任务容器内,opencode-go/deepseek-v4-flash:max,v0.3.1 默认配置, 官方 verifier 逐题判分。

配置	解出	说明
V4 Flash + 本扩展 — 全量 113 题	69/113 = 61.1%	中位 24 分钟/题
官方榜 `deepseek-v4-flash [max]`	53%	mini-swe-agent harness
官方榜 `deepseek-v4-pro [max]`	63%	成本 ~2.4×
pi 原生 Flash(汇总 n=26)	15/26 = 57.7%	内部参照

解读:比官方 Flash 榜高 8pp,距 V4 Pro 只差 2pp(去掉唯一超时题后 69/112 = 61.6%)。对 pi 自身原生表面的聚合提升更小(约 +3pp,n=26 噪声量级;最初的 10 题配对 A/B 是 9/10 vs 6/10,但未在大样本复现,应视为乐观样本)。失败画像:44 个未解中 32 个只差 1-5 个测试,方向性全塌仅 4 题,超时仅 1 题。注意事项: 单次采样;agent 容器有网络(7/113 题抓取过上游仓库,全部剔除后 61.3%,最坏按污染计 57.5%,仍高于 53%)。完整数据: runs/deepswe/RESULTS-full.md。

这是什么

这是一个 Pi 扩展：把 DeepSeek V4 模型映射到实测过的 DeepSeek Harness 表面。

模型	配置	做什么
V4 Pro	anchored-standard	首轮：官方双工具 schema。之后：恢复 Pi 原来的工具。
V4 Flash	anchored-standard(v0.3.1 起)	同样的引导——全量 DeepSWE v1.1 解出 61.1%,官方 Flash 榜为 53%。

V4 Pro 会过拟合首轮工具 schema。官方极简（bash + str_replace_editor）思维链首行是 We need… / I need…；工具一变丰富就会落到 Let me…。首轮锚定之后轨迹不会翻，所以后面可以把 Pi 的完整工具还回去。

v0.2.x 的 Flash weak-routing 配置已在 v0.3.0 移除——同一套 harness 实测无提升（见上表），且上游 P21 数据显示其近场引导在相关任务链上是负收益。anchored-standard 引导没有引导文本，不存在该失败模式; v0.3.1 起对 Flash 默认开启。

pi install npm:pi-dsh-minimal

这是社区项目，并非 DeepSeek 或 Pi 官方预设，也不代表 DeepSeek 的认可或背书。

V4 Pro / V4 Flash — 锚定后晋升

默认触发：模型名/id 包含 deepseek-v4-pro 或 deepseek-v4-flash （v0.3.1 起两者都是）。其他模型一律不动，除非打开 useOnAllModels。 /dsh unmatch deepseek-v4-flash 可让 Flash 完全退出。

阶段	何时	表面
引导（第 1 次请求）	新会话，或压缩后的第一次请求	系统提示词 = `You are a helpful software engineer assistant.` 工具 = 官方持久 `bash` + `str_replace_editor`。没有 AGENTS.md，没有 skill 目录。
晋升（之后的请求）	第一次持久的助手消息或工具调用（`promoteOn: either`）	只保留官方首句，不恢复 Pi identity。同一枪恢复 Pi 工具、tools-guide、文档路径、`<project_context>`、`<available_skills>`，以及其它 extension 加进 system prompt 的内容。
压缩之后	`session_compact`	回到引导面，直到出现新的晋升信号。

/dsh promote either|tool-call|assistant-message 改晋升信号。 tool-call 下如果首答是纯文字，会话会一直停在双工具。

为什么移除了 v0.2.x 的 Flash 配置

v0.2.0 移植过 dsh-routing-suite 的 weak 路由 + mode-boost（换 persona + Router: classify this task… 引导）。移除依据，按权重排序：

受控 DeepSWE A/B（2026-08-16）：官方 DeepSWE v1.1 的 10 题 × 扩展开/关，同一 pi agent + opencode-go/deepseek-v4-flash:max，官方 verifier 判分。开 4/11、关 5/10，平均 partial 0.810 vs 0.901， McNemar p=1.0。每个 run 都验证过插件正常激活；失败尸检显示的是普通的实现走偏而非引导病态——即「无信号」，不是「移植坏了」。
上游自己的相关链数据（dsh-routing-suite P21）：近场引导在同文件演进链上是负收益（deep 46% vs baseline 63%），机制是引导让模型偏向分类而不是读已有代码。真实 SWE 会话正是这种形态。
探针与分数的鸿沟：已发表的 Flash「提升」（路由命中率、思考深度、收敛率）全部是 fixture 微任务探针；上游自己的 P2/P9 就注明简单任务分数饱和、困难任务上的分数级验证从未做过。

基线合理性：不开扩展时 pi 在该子集解出 50%，与官方 DeepSWE v1.1 榜 deepseek-v4-flash [max] 的 53%（mini-swe-agent harness）一致—— 「无提升」不是 harness 伪影。

安装

pi install npm:pi-dsh-minimal

从 git 安装：

pi install git:github.com/Averyyy/pi-dsh-minimal

重启 Pi（或 /reload）。新建会话，选 DeepSeek V4 Pro。

本地检出：

pi -e /path/to/pi-dsh-minimal

设置

/dsh 打开设置界面（交互方式对齐 pi-codex-conversion 的 /codex）：

页	内容
General	启用、对所有模型触发、Pro 晋升条件、状态栏
Models	Pro pattern（默认 `deepseek-v4-pro`）
About	GitHub / changelog / 模型卡 / issues

命令：

/dsh                      打开设置
/dsh on|off               总开关
/dsh all                  切换「对所有模型触发」（未知模型走 Pro）
/dsh status               切换状态栏
/dsh models               打开 Models 页
/dsh match <pat>          添加 Pro 触发
/dsh unmatch <pat>        删除 Pro 触发
/dsh promote either|tool-call|assistant-message

配置文件：~/.pi/agent/pi-dsh-minimal.json。

{
  "enabled": true,
  "statusLine": true,
  "useOnAllModels": false,
  "modelPatterns": ["deepseek-v4-pro", "deepseek-v4-flash"],
  "promoteOn": "either"
}

（v0.2.x 配置里的 flashPatterns / flashRouting 会被忽略。）

状态栏：Pro 引导期是 dsh anchored，晋升后是 dsh anchored • promoted。

如何验证

Pro

启用扩展并选择 DeepSeek V4 Pro。
发一个小的改文件任务（main.py 打印 hello，改成 world）。
第一段 thinking 应以 We need… / I need… 开头，而不是 Let me…。
第一次请求应只暴露 bash 和 str_replace_editor。系统提示词应正好是官方那一句。
第一次助手回复或工具调用之后，后续请求应看到 Pi 原来的工具；read 开着时还应看到 skill 目录。

Flash

与 Pro 完全相同的引导（首轮双工具 + 官方 persona；首个助手消息/工具调用后晋升）。/dsh unmatch deepseek-v4-flash 可让 Flash 完全退出。

设置 PI_DSH_MINIMAL_DUMP=/tmp/dsh-minimal-request.json 可把改写后的表面写到文件（含 profile 和 promoted）。

npm test
npm run live:trajectory   # 需要已配置 DeepSeek V4 Pro

重要行为

Pro 的第一次请求决定轨迹。工具 schema 身份 是决定变量；本包装会改写 provider 请求，即使 TypeBox 本来会加上 strict / additionalProperties，模型看到的仍是官方双工具目录。
晋升之后官方 persona 仍是第一句。同一枪恢复 Pi 工具、tools-guide、文档路径、AGENTS.md、skill 目录，并保留其它 extension 对 system prompt 的追加。Pi identity 不恢复。
引导期内 bash 是持久进程。cd 和 export 会保持到晋升、会话结束，或 300 秒超时重置。
anchored 配置生效时，若 DeepSeek V4 把完整工具调用泄漏成助手文本（官方 <｜DSML｜tool_calls>、裸 <invoke>，或已观察到的 tool_calls store: 变体），扩展会在派发前把其中已存在于 Pi 当前 active tool 目录的调用转换成原生工具调用。未知、未闭合或参数无效的标记仍保留为文字，不会执行。
str_replace_editor 要求 绝对路径，与 dsh 一致。
扩展不发起网络请求，也不增加遥测。

项目	宿主	表面
dsh-anchored-standard	DeepSeek Harness	两阶段：先极简锚定，再晋升 Standard
dsh-routing-suite	DeepSeek Harness	Flash weak 路由 + mode-boost（v0.2.0 已移除的 Flash 配置的来源）
pi-deepseek-anchor	Pi	上述两阶段 preset 的 Pi 移植
pi-dsh	Pi	在 Pi 里把 DSH 当成 provider 跑
pi-dsh-minimal	Pi	Pro 锚定晋升

许可证

MIT。工具描述、schema 和编辑器回包字符串源自 DeepSeek Harness / dsh-anchored-standard（MIT）。见 NOTICE。

pi-dsh-minimal

Signals

Download trend

README

pi-dsh-minimal

DeepSWE 实测(2026-08-16,全量 113 题)

这是什么

V4 Pro / V4 Flash — 锚定后晋升

为什么移除了 v0.2.x 的 Flash 配置

安装

设置

如何验证

重要行为

相关项目

许可证