dsh-plugin-miliastra-toolbox
DeepSeek Harness 插件：接入千星沙箱知识库（原神千星奇域 UGC 编辑器的节点/指南/教程/FAQ，300+ 篇文档）。
这个插件是什么
可以让你在Deepseek harness对话里直接问千星沙箱的问题：
- 「角色实体和玩家实体有什么区别？」
- 「复杂造物怎么做定点位移？」
- 「我的碰撞触发器不触发是为什么？」
- 「奥黛塔的经典模式 ID 是？」
插件注册 4 个工具（模型会自动选用，不需要你指定）：
| 工具 | 用途 |
|---|---|
get_node_info | 按节点名查功能、参数、归属端（服务端/客户端/双端）与来源文档 |
list_documents | 按关键词列出文档标题（不含正文），不确定文档名时先看有哪些 |
get_document | 按标题获取官方文档全文 |
rag_search | 自然语言语义检索文档片段，适合开放问题与排障 |
插件还注册同名技能 miliastra-knowledge：模型看到匹配的问题会先加载技能正文，按其中的指引（选工具优先级、批量原则、输出规范）使用工具。也可以主动说「用 miliastra-knowledge 技能查一下」，或发送 /miliastra-knowledge。
怎么集成到 DeepSeek Harness 里
前置条件：已安装Deepseek Harness，要求环境 Node 22.19+
Quick start
方式一：bundle 安装（推荐，官方 dsh plugin 工作流）。一条命令安装进 profile 并持久化（自动追加 bundle 层，每次启动生效）：
# 从本仓库安装（建议固定 commit：#<sha>，参见下方说明）
dsh plugin --profile web add github:1475505/dsh-plugin-miliastra-toolbox
# 或本地路径（开发时）
dsh plugin --profile web add /path/to/dsh-plugin-miliastra-toolbox
dsh web # 启动即带插件卸载：dsh plugin --profile web remove dsh-plugin-miliastra-toolbox。
方式二：临时挂载（--patch）。不改动任何配置，仅本次启动生效；插件路径必须是绝对路径：
dsh web --patch /path/to/dsh-plugin-miliastra-toolbox/cordis.yml
dsh --profile headless --patch /path/to/dsh-plugin-miliastra-toolbox/cordis.yml "嘲讽目标节点的参数是什么"配置项
在 profile 的 cordis.patch.yml 里覆盖插件行配置（不需要可跳过）：
- insert:
- id: miliastra-knowledge
name: dsh-plugin-miliastra-toolbox
config:
baseUrl: 'https://ugc.070077.xyz' # 知识库服务器地址
timeoutMs: 30000 # 单次工具调用的超时预算（毫秒）备选：纯 Skill 集成（不安装插件）
技能文件由上游维护，位于 Miliastra-toolbox 仓库的 skills/miliastra-knowledge（SKILL.md + references/tools.md）。Harness 原生支持 SKILL.md 技能（dsh-skill-filesystem 扫描项目与用户技能根），集成流程：
1. 获取技能目录（任选其一）： ``sh # 方式一：克隆上游仓库后取目录 git clone --depth 1 https://github.com/1475505/Miliastra-toolbox.git /tmp/miliastra-upstream # 方式二：直接下载两个文件 mkdir -p /tmp/miliastra-knowledge/references curl -o /tmp/miliastra-knowledge/SKILL.md \ https://raw.githubusercontent.com/1475505/Miliastra-toolbox/main/skills/miliastra-knowledge/SKILL.md curl -o /tmp/miliastra-knowledge/references/tools.md \ https://raw.githubusercontent.com/1475505/Miliastra-toolbox/main/skills/miliastra-knowledge/references/tools.md ` 2. 复制到任一技能根（rank 顺序：<项目>/.dsh/skills、<项目>/.agents/skills、~/.dsh/skills、~/.agents/skills；也可用 dsh-skill-filesystem 的 customSkillDirs 配置自定义目录）： `sh mkdir -p ~/.agents/skills cp -r /tmp/miliastra-knowledge ~/.agents/skills/ ` 3. 启动 dsh：dsh web（或 headless）。模型在技能目录中看到 miliastra-knowledge，匹配问题时会先加载技能正文，按其中的 HTTP 调用方式 curl 请求知识库 API，并按需读取 references/tools.md（参数表、关键词表）。 4. 使用：直接提问千星沙箱问题；或消息里带 /miliastra-knowledge` 注入技能正文。
注意：本插件与纯 Skill 都注册同名技能 miliastra-knowledge，技能注册表按 rank 二选一，不要同时启用。
知识库 API 端点：https://ugc.070077.xyz
两种方式对比：
| 插件（本仓库） | 纯 Skill | |
|---|---|---|
| 调用方式 | 4 个原生工具，schema 校验、超时、无需 curl | 模型自行 curl（需要 bash 能力） |
| 技能正文 | 本仓库双模版 skill.md（原生工具优先、curl 兜底） | 上游原版（skills/miliastra-knowledge） |
| 依赖 | dsh-tools/dsh-skill/schemastery | 无 |
文件结构
dsh-plugin-miliastra-toolbox/
├── src/
│ ├── index.ts 插件入口：导出 name/inject/Config/apply，注册 4 个工具和技能
│ ├── http.ts 知识库 Skill API 客户端：POST 调用、信封解包、信号取消
│ ├── tools.ts 4 个工具定义（defineTool）：参数 schema、语义校验、超时、并发声明
│ └── skill.ts 读取 skill.md 并注册为运行时技能
├── skill.md 模型侧使用指引（基于上游 mcp/SKILL.md 的双模版：插件工具优先、HTTP curl 兜底）
├── cordis.yml bundle patch：插件行声明，dsh plugin add 时作为 bundle 层插入
├── tsdown.config.ts tsdown 打包配置：src/ → lib/index.js（单文件 ESM，依赖保持 external）
├── lib/index.js build 产物（已提交仓库，git/本地安装无需构建即可加载）
├── package.json 包清单：dsh.bundle 声明、registry 依赖、入口指向 lib/index.js
├── pnpm-lock.yaml 依赖锁定，保证可复现安装
├── pnpm-workspace.yaml 发布年龄豁免（minimumReleaseAgeExclude）
├── .gitignore 排除 node_modules 等
└── README.md 本文档注意事项
- 入口必须是构建产物
lib/index.js：宿主 dsh 用 Node 直接import插件包，而 Node 对node_modules下的.ts文件禁用类型剥离（ERR_UNSUPPORTED_NODE_MODULES_TYPE_STRIPPING），所以不能把main指回src/index.ts。改动src/后请运行pnpm build并提交新的lib/index.js。 - 工具名未加前缀，与上游 SKILL.md 保持一致；与其他插件重名时需要改名并同步
skill.md。 - 工具结果是知识库 API 的原样 JSON（
data.result解包后），字段含义由技能正文向模型说明。 - 依赖：
@deepseek-ai/dsh-tools、@deepseek-ai/dsh-skill、@deepseek-ai/schemastery取 npm registry 的0.1.0-rc.6线；@deepseek-ai/cordis是 peerDependency，由宿主 dsh 提供（^4.0.1）。
上游与贡献
知识工具由 Miliastra-toolbox 维护，本插件只是消费方，不拥有知识库：
- 节点说明、官方指南/教程/FAQ 与社区经验由该仓库的
knowledge/管线构建（爬虫抓取原始文档、process_docs.py派生结构化索引）。