科学家模式（scientist）— 通用科研 agent preset

面向 数理 / 物理·工程·材料 / AI·计算科学 的跨学科科研 agent。

三根支柱

支柱	能力	技能
领域调研	把方向测绘成可决策的地图：流派、时间线、方法对比、gap 判定、最小切入点	domain-survey
文献检索	4 个原生工具：lit_search（多源检索）/ lit_doi（DOI 元数据）/ lit_bib（生成 BibTeX）/ lit_pdf（取全文）	literature-retrieval
读 PDF	页面画像 → 结构化 md / 纯文本 / 表格 / 渲染成图四路并用，公式与图表视觉兜底，产出带页码的笔记	pdf-reading
专业推导	sympy 符号推导写成可重跑脚本 + pint 量纲 + uncertainties 误差传播 + 数值/极限/展开/文献交叉验证 + LaTeX 成文	derivation-lab

文献链路（4 个原生工具）

取代了已移除的 paper-search-mcp：57 个工具（定义体量 35,560 字符 ≈ 9.4k tokens/请求）→ 现在 4 个工具（约 2.4k 字符 ≈ 0.6k）。

工具	作用
lit_search	多源并发检索 + 去重，返回带 citekey 的表格与各源状态
lit_doi	按 DOI 取权威元数据（Crossref → Europe PMC）
lit_bib	生成 BibTeX 并写入 literature/references.bib（按 DOI 幂等）
lit_pdf	取全文：arXiv → LibGen（仅 DOI 精确匹配）

配套的读 PDF 工具（2 个）：

工具	作用
pdf_outline	页面画像：页数、目录、每页文本量/图片数、公式风险页、无文本层页
pdf_read	按页取内容：markdown（结构化）/ text（保留版式）/ render（PNG 供视觉读公式）/ table（表格抽取 + 可用性判定）

表格与图片的边界（实测）：markdown 模式的图片只有占位符，要图用 images:"extract"（落盘 .pdf-assets/）或 mode:"render"；表格自动抽取在这类无框线多行表头的论文上全部判为不可靠，工具会拒绝输出并提示渲染看图，不会给错数据。

先 pdf_outline 判断怎么读，再 pdf_read 指定页范围——整本转换会瞬间吃掉几万字符上下文。

当前接入的源（2026-10 实测）：

源	状态	用途
Crossref	✅	检索 + DOI 权威元数据
arXiv	✅	预印本检索 + PDF 直取
PubMed	✅	生医检索
Europe PMC	✅	生医检索 + OA 全文
LibGen（libgen.li）	✅	有 DOI 论文的全文兜底

未接入（实测限流/缺凭证）：OpenAlex（429，retry 16 h）、Semantic Scholar（429 无 key）、 Unpaywall（422 需真实邮箱）、Anna's Archive / libgen.is（连接失败）。 不含 sci-hub（按用户决定）。

文献库（工程化管理）：lit-lib 把每篇文献落成 literature/notes/<citekey>.md 的结构化记录 （受控关键词 + 命名空间标签 + 时间戳 + 引用数 + 评估分档），入库自动抓元数据、下 PDF、写 bib， lit-lib check 做词表 ↔ bib ↔ PDF 三方校验。

命令行等价物：lit search|doi|bib|pdf|doctor、lit-lib init|add|list|search|tag|set|stats|index|check。

---

质量闭环（P0）

结论要能被验证，所以四件事都做成可执行检查，而不是"请注意"：

环节	机制	技能/工具
环境可复现	conda/uv 环境固定 → envs/*.lock.yml → artifact_save(envFile) 记录环境哈希	conda-environments
数据可追溯	data/manifest.tsv：来源、获取命令、sha256、许可、版本；大文件不进 git/工件	data-inventory
图可重跑	plot.py + 矢量 PDF + 色盲友好 + caption 四要素；图是工件不是截图	figure-craft
图型选对	数据图 / 流程图（Mermaid 内联渲染）/ 关系图（Graphviz）/ 论文插图（TikZ）的选型与规范	diagram-craft
统计说得清	检验选型、假设检查、多重比较校正、bootstrap CI、效应量、多种子实验纪律	stats-and-inference
引用可校验	cite-check：bib 必填字段、DOI↔Crossref/DataCite 元数据比对、正文引用与 bib 双向对应	scripts/cite-check.mjs

底座（复用 dsh-science，不重复挂载）

profile 层全局挂载的三个引擎：

• research_* —— ReAct 研究循环（提问 → 假设 → 实验 → 观察 → 分析 → 结论 → 迭代），状态在 research-manifest.json
• artifact_* —— 版本化工件 + 溯源（artifacts/<name>/v<N>/、SHA-256、provenance.md、可复现）
• remote_* —— SSH / SLURM 远程计算（长跑仿真、GPU、集群）

安装（bundle 包，一条命令）

# 本地源码（符号链接：改源码即时可见，但重新组合需要重启）
dsh plugin --profile web add link:~/workspaces/deepseek-harness/scientist-preset

# 或从 npm / git 安装
dsh plugin --profile web add dsh-scientist

装完重启 dsh web 进程（bundle 在启动时组合），新建会话的模式选择器里出现「科学家模式」。

# 卸载
dsh plugin --profile web remove dsh-scientist

为什么是 bundle 而不是 preset 目录

本部署的 web profile 只挂载了 @deepseek-ai/dsh-agent-preset-registry（读组合里声明的 preset 行），没有挂载 @deepseek-ai/dsh-agent-presets（扫 ~/.dsh/.agent-presets/ 的 目录发现服务）。所以放在目录里的 preset 永远不会出现在选择器中。

本包的做法与 web-app 的 standard 完全同机制：cordis.patch.yml 里插一行 @deepseek-ai/dsh-agent-preset，config.plugins 就是 agent.cordis.yml 的行。

改了之后怎么生效

node scripts/build-patch.mjs    # agent.cordis.yml → cordis.patch.yml
# 然后重启 dsh web 进程

技能是热加载的（provider 每次 list() 重新读盘），但 plugins 行变了需要重新组合。

依赖

依赖	说明
dsh-science bundle	提供 research_* / artifact_* / remote_*。从 profile 移除后本 preset 会失去这三组工具。
Node ≥22.19	文献工具用内置 fetch，无额外运行时依赖（原 paper-search-mcp 的 uv/uvx/Python 已不再需要）。
Python ≥3.10 + sympy/numpy/scipy/matplotlib/pandas	推导与数值验证（本机已有）。
pint 0.24.4 + uncertainties 3.2.3	量纲与误差传播（本机已装）。
conda（可选）	项目环境固定；本机已有 base / atom_calculations / costudio / pytorch。
pdflatex（可选）	推导成文编译 PDF。

可选环境变量（供 MCP）：

export PAPER_SEARCH_MCP_UNPAYWALL_EMAIL="you@example.com"      # OA 全文 DOI 查询需要
export PAPER_SEARCH_MCP_SEMANTIC_SCHOLAR_API_KEY="..."          # 无 key 会 429 限流
export PAPER_SEARCH_MCP_CORE_API_KEY="..."
export PAPER_SEARCH_MCP_GOOGLE_SCHOLAR_PROXY_URL="http://..."   # 绕 Google Scholar 拦截

目录结构

scientist/
  package.json        包声明：dsh.bundle.patch + exports
  cordis.patch.yml    bundle patch（由 build-patch.mjs 从 agent.cordis.yml 生成）
  skills-provider.mjs 零依赖技能 provider（用 import.meta.url 定位 skills/）
  lit-core.mjs        文献核心：源适配器 / 去重 / 缓存 / 退避 / BibTeX / LibGen / PDF 校验
  lit-tools.mjs       4 个文献工具（lit_search / lit_doi / lit_bib / lit_pdf）
  pdf-tools.mjs       2 个 PDF 工具（pdf_outline / pdf_read）
  preset.yml          目录发现形态的元数据（本部署不用，保留兼容）
  agent.cordis.yml    agent 平面组合：人格 + 工具面 + 技能 provider + 文献 MCP
  skills/             16 个技能
    domain-survey/            自建：领域调研
    literature-retrieval/     自建：文献检索与精读
    pdf-reading/              自建：PDF 阅读（pymupdf4llm / pdftotext / pdfplumber / 渲染+视觉）
    derivation-lab/           自建：专业推导（含 pint/uncertainties）
    figure-craft/             自建：数据图规范
    diagram-craft/            自建：示意图/流程图选型（Mermaid/Graphviz/TikZ）
    stats-and-inference/      自建：统计检验与报告规范
    conda-environments/       改写自 dsh-science：环境固定与 envFile
    data-inventory/           改写自 dsh-science：数据清单
    research-loop/            复制自 dsh-science：ReAct 循环
    science-project-setup/    复制自 dsh-science：项目初始化
    artifact-provenance/      复制自 dsh-science：工件与溯源
    scientific-reviewer/      复制自 dsh-science：评审
    parallel-delegation/      复制自 dsh-science：并行分轨
    remote-compute/           复制自 dsh-science：远程计算
  scripts/
    build-patch.mjs   从 agent.cordis.yml 生成 cordis.patch.yml
    lit.mjs           文献 CLI（search/doi/bib/pdf/doctor）
    lit-lib.mjs       文献库 CLI（add/list/search/tag/set/stats/index/check）
    taxonomy.template.yml  受控词表模板（关键词 + 标签命名空间）
    pdf-extract.py    pdf_read/pdf_outline 的 Python 后端（PyMuPDF / pymupdf4llm）
    test-pdf-tools.mjs  PDF 工具测试（现场生成样例 PDF，离线）
    test-lit-core.mjs   lit-core 离线单测
    test-lit-tools.mjs  工具结构测试（--live 走联网）
    install-cli.sh    把 cite-check 链到 PATH
    verify.sh         一键验收（结构 + loader + roster + cite-check + MCP）
    validate.py       结构校验
    check-loader.mjs  用真实 entryListSchema 解析组合
    check-roster.mjs  校验 ~/.dsh/.agent-presets 下所有 preset 可解析
    lit.mjs           文献 CLI（search / doi / bib / pdf / doctor）
    cite-check.mjs    参考文献闭环校验（零依赖，Crossref/DataCite）
    test-cite-check.sh cite-check 自测
  README.md

工具面

保留：bash/pwsh、文件读写与搜索、后台作业、技能、todo、goal、计划模式、 压缩与结果裁剪、子代理（subagent/subagent_fork）与 workflow、ask_user_question、 web（含 web_fetch）、present、时间上下文、lit_* 文献工具 ×4、pdf_* ×2。

刻意不含：schedule、plugin-manager、plugin-market。

验收

bash scripts/verify.sh              # 全部检查
bash scripts/verify.sh --offline    # 跳过需要网络的 MCP 探测

交付时已通过：

检查	结果
结构（21 个顶层插件行、16 个技能 frontmatter、preset.yml）	通过
loader 方言（真实 entryListSchema + 7 个 !!js 求值）	通过
bundle patch 与源组合一致 / 注册正确	通过
skills-provider 单测（frontmatter + 15 候选 + 正文加载）	通过
cite-check 自测（悬空 citekey、缺失字段）	通过
lit 4 个工具结构 + 离线单测	通过
lit 联网实测（--live）	通过：lit_doi / lit_search / lit_bib / lit_pdf(arXiv) / lit_pdf(LibGen)

真正挂载进会话需要重启 dsh web 进程。重启后新建会话 → 选「科学家模式」→ 问「你有哪些文献检索工具」确认出现 4 个 lit_* 工具。

定制

• 改人格：agent.cordis.yml 的 persona.config.text（对新会话生效）。
• 加技能：往 skills/ 放目录，frontmatter 需 name + description。
• 加 MCP：agent.cordis.yml 末尾追加 @deepseek-ai/dsh-mcp-client 行。
• 同步 dsh-science 技能：cp -a ~/.dsh/profiles/web/node_modules/dsh-science/skills/{...} skills/

已知限制

• 六个复制来的技能是快照，dsh-science 升级后需手动重新复制。
• 文献源只接了 5 个（Crossref / arXiv / PubMed / Europe PMC / LibGen）；其余见 lit-core.mjs 顶部 TODO。
• mcp<2 是临时 pin，上游修好 FastMCP 迁移后应去掉。
• Google Scholar 源易被拦截、Semantic Scholar 无 key 会 429——上游行为。
• cite-check 的 DOI 核对只覆盖 Crossref/DataCite 可查的 DOI；arXiv 走 DataCite（10.48550/*），无 DOI 的条目只做字段与引用一致性检查。
• 文献源只接了 5 个：OpenAlex / Semantic Scholar / Unpaywall 因限流或缺少邮箱未实现（lit-core.mjs 顶部留有 TODO，恢复后每个约 40 行适配器）。
• 不含 sci-hub；LibGen 仅支持 DOI 精确匹配（实测标题搜索会返回同名不同论文）。
• 本机部署未挂载 @deepseek-ai/dsh-agent-presets（目录发现），所以必须走 bundle 安装；~/.dsh/.agent-presets/ 里的目录不会生效。
• link: 安装绑绝对路径，换机器要重装；发布到 npm 可解决。
• bundle 组合在启动时完成：改 agent.cordis.yml 后要 build-patch.mjs + 重启，不像 profile patch 能热应用。