dsh-autolearn · DSH 自主学习插件

把「学习目标 → 有界学习任务 → 可追溯知识库 → 证据核验 → 冲突检测 → 评估报告」 做成 DeepSeek Harness 可用的插件：一个 Python 引擎 + 两个 Cordis 插件包。

状态：v1.1.0。Python 侧 96 项 pytest 全过；MCP 侧 63 个工具； assisted 高风险操作接 DSH 原生审批弹窗；插件页带设置卡。 仓库内不含任何机器专属绝对路径。

仓库结构

dsh_autonomous_learning/    # Python 引擎（可独立运行，也可作为 MCP stdio 服务器）
  core/ sources/ knowledge/ storage/ practice/ security/ tools/
  tests/                    # 96 项 pytest
  examples/                 # 端到端演示 + MCP 握手
  docs/                     # 交付报告、演示与测试输出
  plugin.py main.py config.py
plugins/autolearn/          # DSH 插件 1：注册 MCP 服务器 + 设置卡（bundle）
plugins/approval/           # DSH 插件 2：高风险调用审批闸门（Host 插件）
scripts/check-env.ps1       # 环境自检 + 安装提示（只打印，不写路径）

路径约定（没有硬编码路径）

运行期需要知道的“路径”全部来自环境变量或从插件自身位置推导：

变量	用途	缺省行为
DSH_AL_WORKDIR	仓库根（MCP 行的 cwd / PYTHONPATH）	process.cwd()
DSH_AL_HOME	引擎目录（data/ 所在）	插件从自身位置向上查找 dsh_autonomous_learning/
DSH_AL_PYTHON	Python 解释器	python（Windows）/ python3（其它）
DSH_AL_SETTINGS_FILE	设置卡文件覆盖	<engine>/data/settings.json
DSH_AL_HOST_APPROVAL	是否把审批交给宿主	MCP 行里固定为 1

pnpm 工作区

pnpm install      # 链接两个 plugins/* 工作区包，生成 pnpm-lock.yaml
pnpm test         # node 语法检查 + 审批判定 / 设置读写 / 设置路由 三个自测
pnpm py:test      # 96 项 pytest（需先 pnpm py:install）

两个插件是工作区包 @local/dsh-autolearn、@local/dsh-autolearn-approval。 发布 npm 前改 scope 并去掉 private: true。

快速开始（只用引擎）

python -m pip install -r dsh_autonomous_learning/requirements.txt
# 注意：MCP SDK 必须是 1.x（requirements.txt 已收窄为 mcp>=1.2,<2）；
# 2.x 移除了 @server.list_tools / call_tool 装饰器，插件会启动即失败。
PYTHONPATH=. python -m dsh_autonomous_learning.main --home dsh_autonomous_learning project-create \
  --goal "学习外汇量化交易基础" --domain quant --plan
PYTHONPATH=. python -m dsh_autonomous_learning.main --home dsh_autonomous_learning run --project prj_xxx
PYTHONPATH=. python -m dsh_autonomous_learning.main --home dsh_autonomous_learning search --query "滑点"

Windows PowerShell 用 $env:PYTHONPATH = (Resolve-Path .).Path 代替 PYTHONPATH=.。

作为 DSH 插件安装

1. 克隆仓库到任意位置（不需要改任何源文件）；
2. 运行 pwsh scripts/check-env.ps1 自检（会打印安装命令）；
3. 在 DSH 里安装两个 bundle：
   • plugin_manager install_bundle target=<repo>/plugins/autolearn
   • plugin_manager install_bundle target=<repo>/plugins/approval
4. 重启 DSH（新模块代际），Agent 工具列表出现 mcp__autolearn__*（63 个）。

插件行通过 !!js 读取环境变量组装 MCP 配置；两个 Host 插件也会从自身位置 向上查找引擎目录。因此仓库放哪都能跑，只要保持 plugins/* 与 dsh_autonomous_learning/ 的相对位置（或显式设置 DSH_AL_HOME）。

安装后：

• 工具：mcp__autolearn__create_learning_project、run_learning_round、search_knowledge …
• 设置卡：设置 → 插件 → 自主学习 → 运行模式 / 数据目录 / 每日预算； 写入 <engine>/data/settings.json，引擎每轮开始前重读。
• 审批：execute / destructive（以及 update_knowledge 等）弹 DSH 原生审批框； 审批是 user-only，智能体没有自我授权工具。

测试

pnpm test                                   # 插件侧
python -m pytest dsh_autonomous_learning/tests   # 引擎侧（PYTHONPATH=仓库根）

期望：Node 三个自测全过；Python 96 passed。

安全边界（如实）

• 代码执行是进程级隔离（独立目录、-I、环境变量白名单、超时、输出上限）， 不是安全沙箱；默认禁止执行不可信代码。
• 网络默认关闭；不绕过登录/付费墙；不下载未知可执行文件。
• 审批闸门 fail-closed：bundle 缺失、patch disabled: true、或代际心跳过期时， 引擎退回本地 confirmations approve 流程。
• 不做 OCR、不做回测引擎；扫描版 PDF 与量化策略回测会明确报告“不支持/需外部工具”。

已知限制

• 语义向量默认是特征哈希（离线、确定性），同义改写召回有限； 接入 embedding 服务后需 rebuild_vector_index。
• 真实 LLM 调用默认 mock，未在此仓库验证具体 provider。
• 审批弹窗的实际点击验收未包含在自动测试中。
• 设置卡模式/预算热生效；数据目录变更需重连 MCP 连接。

许可

本项目以 MIT 许可证发布，全文见 LICENSE。

MIT 只覆盖本仓库自己的代码与文档。学习过程中引用的第三方资料（官方文档、规范原文、 产品页面截图等）仍归原作者所有，许可证见各资源的 license_notes 字段； 知识库中只保存归纳后的结论与来源链接，不复制原文全文或素材本体。