dsh-ai-model-builder

DSH 左侧栏插件：AI 模型构建器。在图形界面里配置一个多层全连接神经网络， 一键生成 PyTorch 模型架构，并一键新开 DSH 会话让 Agent 按数据集自动训练该模型。

面板功能

在 DSH 左侧栏点击「AI 模型构建」图标打开配置面板：

区域	字段	说明
模型结构	学习率	优化器学习率
	输入维度 / 输出维度	数据维度与任务输出
	每层神经元数量	每个隐藏层的神经元数
	神经网络层数	隐藏层数量（1–128）
数据集与用途	数据集路径（可选）	CSV / 图片目录等；留空时训练会生成合成演示数据
	模型主要用途	写入 params.json，并作为训练指令的背景
保存路径	模型文件保存路径	「运行」在此写入 model.py
	参数文件保存路径	「运行」在此写入 params.json

三个按钮：

1. 确认保存 —— 把当前配置持久化到 <DSH_HOME>/data/dsh-ai-model-builder/config.json；
2. 运行（生成模型架构） —— 保存配置，并生成：
   • model.py：PyTorch 多层感知机（build_model() 读取 params.json 构建），
   • params.json：学习率 / 层数 / 神经元 / 维度 / 数据集 / 用途等超参数，
   • architecture.json：架构说明与参数量估算（与 model.py 同目录）；
3. 训练（新会话自动启动） —— 保存配置后，用 DSH 的 agents 服务新建一个会话 （工作目录 = 模型文件所在目录），并自动注入训练指令：Agent 会检查/安装依赖 （torch、numpy、pandas、scikit-learn）、编写 train.py、按数据集训练、把权重保存到 model_weights.pt，最后汇报训练指标。面板随后自动切到该会话，可实时观察执行过程。

HTTP 端点（Node half，仅同源可写）

• GET /ai-model-builder/config —— 读取已保存配置
• POST /ai-model-builder/config —— 保存配置（body: {config: {...}}）
• POST /ai-model-builder/generate —— 保存配置并生成模型架构文件
• POST /ai-model-builder/train —— 保存配置、新建会话并注入训练指令，返回 {sessionId, cwd, ...}

安装（本地 link）

1. 把本目录放到 %USERPROFILE%\.dsh\plugins\dsh-ai-model-builder；
2. 编辑 %USERPROFILE%\.dsh\profiles\<profile>\package.json：
   • dependencies 增加 "dsh-ai-model-builder": "link:C:/Users/<你>/.dsh/plugins/dsh-ai-model-builder"（用绝对路径，正斜杠）；
   • dsh.profile.bundles 追加 "dsh-ai-model-builder"；
3. 在 profile 目录执行 pnpm install；
4. 重启 DeepSeek Harness。

卸载

从 profile package.json 移除依赖与 bundle 条目，pnpm install，重启 DSH； 再删除本插件目录与 <DSH_HOME>/data/dsh-ai-model-builder 即可。

实现说明

• 零外部 npm 依赖：Node half 只 import node: 内置模块； installModelSelection / createUserMessage 是按宿主 @deepseek-ai/dsh-agent / @deepseek-ai/dsh-llm 公开语义内联的最小等价实现 （与官方 headless runner 使用同一调用契约）。
• 客户端通过 main 槽位（key=ai-model-builder）+ sidebar.panellist 槽位 注册左侧栏入口；训练跳转使用 sessions.retain(sessionId, {source: "mainView"})
  • layout.selectPanel(null)。