W
AI-Wiki
SOURCE

dsh-advisor 插件介绍 - 今日头条文章摘要

文档概览

这篇文章介绍的是 DSH 插件 dsh-advisor。文章用一个常见的 AI 写代码 场景开头:用户让 AI 跑长任务、改多个文件,AI 一口气改了八个文件,看起来过程很顺;用户半小时后才发现方向从第三步就已经偏了。作者由此引出 dsh-advisor 的定位:它不是替主 AI Agent 干活的工具,而是给主会话配一个“旁观的人”或“第二大脑”。

dsh-advisor 的核心做法,是给主会话挂接第二个模型。这个副模型不执行任务、不插手主流程、不调用工具,只在每一轮对话结束后旁观一遍主对话,然后按严重程度返回一条建议。文章强调,这种设计的价值不在于让副模型接管主 Agent,而在于在主 Agent 跑偏、漏看用户约束、陷入无效循环之前,给出一条可识别、可忽略、可追踪的审阅意见。

文章还特别强调 Advisory only AI 审阅边界:副模型永远不批准、不否决主 Agent 的动作,也不冒充主 Agent 下命令。它只是一个零工具权限的独立模型调用,只能说话,不能操作系统、不能调用外部工具、不能直接改变主流程。

关键事实

旁观副模型的基本机制

  • dsh-advisor 会给主会话挂接第二个模型,可理解为一个旁观式审阅模型。
  • 副模型不干活、不执行任务、不调用工具,也不替主 Agent 决策。
  • 它只在每一轮对话结束后审阅主对话。
  • 每轮审阅后,它按严重程度返回一条建议。
  • 每条建议会带有类似 [advisor:concern] 的前缀,明确表明这是一条 advisor 建议,而不是主 Agent 的系统指令或用户指令。
  • 这种机制对应一种 旁观式 AI 副模型审阅机制:主模型继续作为执行者,副模型只作为观察者和提醒者。

建议分级

文章把 dsh-advisor 的建议分为三档:nit、concern、blocker。

等级含义文章中的解释典型场景
nit小毛病风格、表述、质量上的碎碎念例如“这段可以抽成个函数”
concern实质风险或更优方向继续之前值得掂量的问题当前方案可能有风险,或者存在明显更好的方向
blocker阻断级问题继续下去明显白费功夫与用户明确指令冲突、原地绕圈、根本方向错误

这三档不是简单的文本标签,而会影响建议进入主会话的方式:

  • nit 采用不打断式注入,到下一轮边界才被消费。
  • concern 和 blocker 会主动“拨一下”主 Agent,让主 Agent 更及时地注意到问题。
  • 所有建议都用前缀标明身份,例如 [advisor:concern],避免把旁观建议伪装成主 Agent 自己的结论或命令。

Advisory only 边界

文章认为 dsh-advisor 最值得肯定的地方,是它给自己划定了清晰边界:Advisory only AI 审阅边界|Advisory only。

这一边界包含几层约束:

  • 副模型不批准主 Agent 的动作。
  • 副模型不否决主 Agent 的动作。
  • 副模型不以主 Agent 的口气下命令。
  • 副模型不拥有工具权限。
  • 副模型作为独立模型调用存在,除了输出建议之外什么也做不了。

这意味着 dsh-advisor 的目标不是建立一个“上级模型”或“裁判模型”,而是建立一个低权限、可忽略、可失败的审阅者。文章把它描述为“旁边的人”:看到风险时顺口提醒一句,但不会抢过键盘。

重要细节

三道保险:发送守卫、冷却轮数和失败策略

文章提到,作者给 dsh-advisor 套了三道保险,用来限制副模型异常时的影响半径:

  1. 发送守卫。
  2. 发完一条建议后的冷却轮数 immuneTurns。
  3. 失败策略。

immuneTurns 的默认值是 3。它的作用是:副模型发出一条建议后,会有若干轮冷却期,避免 advisor 每一轮都频繁打扰主 Agent,也降低副模型输出异常时连续污染会话的风险。

失败策略也很明确:即使副模型抽风、配额耗尽,或者接口故障,也只丢弃它自己的待发队列,不阻塞主流程,不污染主流程。文章评价这种设计为“我知道自己可能会出事,所以先把出事半径焊死”。

这说明 dsh-advisor 的安全设计重点不只是“能提出建议”,还包括“建议系统坏掉时不能拖垮主系统”。

网页端的下一句提问预测

文章还提到一个网页端小功能:每轮结束后,dsh-advisor 会预测用户下一句大概要问什么,并在网页输入框下方给出一条一键采纳提示。

采纳方式有两种:

  • 直接点击提示。
  • 在输入框为空时按右箭头 → 采纳。

这个功能有明确边界:

  • 它只在网页端提供。
  • TUI 没有这个功能。
  • 如果预测不准,它会安静失败,不打扰用户。

配置硬门槛:provider 和 model 必须填写

文章强调,dsh-advisor 的配置有一个关键硬门槛:provider 和 model 必须填写。

具体规则是:

  • provider 必须填。
  • model 必须填。
  • 两者少一个或留空,副模型一次都不会被调用。
  • 状态信息会直接告诉用户它“因为啥没启动”。

作者认为,这不是偷懒,而是为了避免用户在不知情的情况下烧掉另一个模型的钱,却不知道实际调用的是哪个供应商、哪个模型。

会话级别还支持临时切换审阅模型:

/advisor model set <provider>/<model>

这个命令只影响当前会话,不会修改全局配置。

安装方式与前端支持

文章给出的安装方式分别覆盖网页端和终端前端。区别在于 --profile 后面的配置名。

dsh plugin --profile web add dsh-advisor
dsh plugin --profile dsh-tui add dsh-advisor

安装完成后,还需要在插件页把对应开关打开。文章特别指出,这个插件页开关才是总闸。

启用后,可以用下面的命令查看状态:

/advisor status

/advisor status 可用于查看:

  • dsh-advisor 是否在运行。
  • 当前使用的是哪个审阅模型。
  • 是否有丢消息等状态信息。

成本、隐私与限制

文章把几个坑提前列出,避免用户误以为这是无成本、无风险功能。

第一,dsh-advisor 会吃额外一个模型调用。它不是免费功能;只要副模型被调用,账单就会多一份。

第二,如果主对话中带有密钥等敏感信息,审阅内容也会一起发给副模型。文章指出 README 明说没有做脱敏,因此建议用户配置一个自己信得过的审阅模型。

第三,它是从 omp 的 advisor 子系统移植过来的 MVP,仍有不少限制。文章列出的限制包括:

  • 单会话只能有一个副模型。
  • 没有会话内面板。
  • 没有成本统计。
  • 长会话会按窗口截断早期上下文。

这些限制被写在项目的 Limitations 中。文章认为这种坦白反而降低了误用风险。

适用与不适用场景

适合安装的人

文章认为 dsh-advisor 适合以下用户:

  • 经常让 AI 跑长任务的人。
  • 经常让 AI 改多文件的人。
  • 担心 AI 中途跑偏,但又不想每一轮都盯着的人。
  • 做代码审查、方案复核,需要第二双眼睛的人。
  • 手上有便宜、快速模型,想拿它当“审稿人”的人。
  • 喜欢折腾 多模型协作 的用户。

不太适合的人

文章也给出了不适合场景:

  • 只想问一句答一句的用户,通常没必要启用。
  • 对额外 token 开销非常敏感的用户,不适合把它当默认功能使用。

文章中的评价与背景信息

文章最后补充说,这次抽插件使用的是真随机,并且种子固定、可以复现。作者称插件池有一千多款,榜单前三是百万级的明星项目,而 dsh-advisor 是五千量级的小众工具。

尽管如此,作者认为“给 AI 配个副驾驶”这个思路,比很多花哨功能更有价值。这里的“副驾驶”并不是接管主 Agent,而是在主 Agent 执行过程中作为低权限旁观者,提供分级、可识别、可失败的审阅建议。

相关条目