English | 简体中文

嗨~ 我是 AUX,主人的辅助模型小助手 💙 主模型专心聊天,我负责看图、读网页、压长文! 需要我的时候,直接叫我就好～

dsh-aux — DSH 辅助模型系统

给主 agent 配一个“副手”:视觉分析、网页提取、长文本压缩这些旁路任务,由独立辅助 LLM 完成,主模型专注对话。不建子智能体、不做会话协同——装完即用,零配置。

---

目录

• 为什么需要它
• 核心特性
• 环境要求
• 快速开始
• 使用指南
• 工作原理
• 兼容性与依赖
• 常见问题
• 相关项目
• 文档
• 致谢与借鉴
• 许可证

---

为什么需要它

对话模型越来越强,但“看图、读网页、压长文”这类任务交给主模型做会打断思路、烧上下文。dsh-aux 把它们拆给辅助模型:你只管发,背后自动路由到合适的模型——主模型答你的问题,辅助模型负责“看一眼图片”“总结这个网页”“把这 5 万字压缩一下”。

核心特性

特性	说明
统一辅助 LLM 路由	每类任务可配独立模型/超时/并发;失败自动降级主模型;连续失败进入冷却;每次调用写入会话事件,可审计
四个开箱即用工具	vision_analyze(图像分析)、web_extract(网页提取+摘要)、web_crawl(站点深度抓取+整体摘要)、compress_text(长文本压缩)
会话压缩桥接	配置 compaction 任务后,原生 DSH 自动/手动压缩会改走 AUX 辅助模型;含图会话图片缺失/纯文本路由时自动降级,压缩不失败
子代理/工作流桥接	原生 subagent 与 workflow 并行 agent() 子代理透明走 AUX(native/manual/vision-aware);零新工具、零系统提示词改动
/aux 命令	状态查看、模型切换、图片回收、视觉自检、图片记忆
Web 设置页 + 状态 chip	每任务模型下拉配置;composer 实时显示最近一次辅助调用
会话图片生命周期	删除会话自动清理无引用图片;共享保留、归档不误删;图片记忆跨重启可查
零配置可用	不配任何模型也能跑——辅助任务自动使用会话主模型

四个工具

工具	干什么	典型场景
vision_analyze	图像分析(支持多图并行)	“这张图里是什么?” “读出图表数值” “对比两张图”
web_extract	网页抓取 + 摘要(支持 followLinks 同源递归)	“总结这个页面” “回答某网页里的问题” “抓这个文档站”
web_crawl	站点深度抓取 + 整体摘要(scope/robots/限流/预算)	“抓取整个文档站并总结” “列出 docs 站所有 API 端点”
compress_text	长文本压缩(自动识别代码/日志/文档,支持输出预算、多轮/分层压缩)	压日志、压文档、压超长上下文

环境要求

• DSH ≥ 0.1.0-rc.6
• Node.js ≥ 20
• 运行时零第三方依赖:peerDependencies 全部是 DSH 官方包(环境自带),无 dependencies,无需额外安装任何第三方运行时库。

快速开始

# 方式一:克隆仓库后一键安装(推荐,含 image-bridge 集成组件)
git clone https://github.com/DoloresCaritasAngelus/DSH-AUX.git
cd DSH-AUX && ./install.sh

# 方式二:本地源码安装插件本体(未发布 npm 时使用)
git clone https://github.com/DoloresCaritasAngelus/DSH-AUX.git
cd DSH-AUX/dsh-aux
dsh plugin --profile web add "file:$(pwd)"

重启 DSH 后:

1. 发一张图片给 agent,它会用 vision_analyze 描述给你(纯文本主模型也能发——image-bridge 已集成);
2. 输入 /aux status 查看各任务路由;
3. 想让视觉走专用模型?/aux model vision <provider>/mimo-v2.5。

使用指南

命令

命令	作用
/aux status	查看各任务路由与最近调用
/aux model <task> [provider/model]	查看/设置某任务的辅助模型
/aux vision <path> <question...>	命令行直接看图
/aux test <task>	自检某任务路由
/aux memory [n]	查看最近图片分析记忆
/aux gc-images [days]	手动回收旧附件图片

设置页

Web → 设置 → 辅助模型,可为 vision / web_extract / web_crawl / compress / compaction 分别配置模型。其中 compaction 就是会话压缩模型——配置后原生 DSH 的自动/手动压缩会走 AUX 辅助模型。web_extract / web_crawl 还可单独配置 maxChars(页面字符预算,默认 32000)。也可关闭「在对话界面显示辅助模型状态芯片」(关闭后不再向 Web/第三方暴露 aux-status 投影,/aux status 不受影响)。

网页提取 (web_extract)

抓取一个网页(或开 followLinks 顺同源链接)交给辅助模型,返回事实摘要 + 要点。

参数	默认	说明
url	必填	要抓的页面
question	—	可选追问,用于聚焦回答
maxChars	32000	页面字符预算,可配;递归时作全站累计预算
followLinks	off	same-origin 时在同源内顺链递归抓文档站
maxPages / maxDepth	3 / 1	递归的页数 / 链接深度上限(0 仅抓种子)

• 输出:单页返回 summary/keyPoints + chars(正文码点)与 truncated(是否被裁);递归额外给 pages、totalChars。
• 边界:静态 HTML 摘要代理——不执行 JS(SPA 站点可能是空壳),不能点击/翻页/填表。
• 递归:与 web_crawl 同一套抓取引擎,遵守 robots.txt、每主机限速与逐跳 SSRF;只顺同源文档链接,跳过图片/压缩包/音视频。

站点抓取 (web_crawl)

从种子 URL 出发深度抓取整个文档站(或 hosts 白名单的多个子站),一次辅助调用返回整体摘要 + 页面清单。完整设计见 WEB-CRAWL-DESIGN.md。

参数	默认	说明
url	必填	起始种子页
scope	same-origin	抓取范围;hosts 时只抓 hosts 列出的主机
hosts	—	scope=hosts 时的允许主机(种子必须在其中)
seedUrls	—	额外深度-0 种子(仍 SSRF 校验并按 scope 过滤)
maxPages / maxDepth	10 / 2	页数上限 / 链接深度上限
maxCharsPerPage	32000	每页字符预算
respectRobots	true	遵守 robots.txt(Disallow 路径不抓)
minIntervalMs	250	同一主机两次请求的最小间隔
useSitemap	false	从 <origin>/sitemap.xml 补种(嵌套 index 不递归)
maxPagesPerHost	0(不限)	单主机页数上限
perPageSummaries	false	false=聚合摘要;true=每页单独摘要

两种摘要模式

模式	怎么摘要	成本
A(默认)	所有页面一次性调用 → 整体 summary/keyPoints + pages 清单	1 次调用
B(perPageSummaries:true)	每页单独摘要 → perPage 列表,再对摘要做一次聚合	≈ 页数 + 1 次调用

行为:遵守 robots 与每主机限速,每页每跳都走 SSRF 逐跳校验;静态 HTML、不渲染 JS;声明非并发安全——靠顺序 BFS + 限速避免对单域扇出轰炸。

清洗与反爬(大上下文时代)

面向便宜的大上下文辅助模型,网页提取的目标从「压缩到最小」转为「去毒后完整交付」:把干净的整页交给辅助模型直接回答/摘要,主模型只拿结果。

清洗:htmlToText 整块删除 script/style/iframe/canvas 等零语义块与 data: base64,只留正文文本与数字/URL。去毒(H5)不变:页面正文包进带随机 nonce 的不可信数据块,与 Question 物理分离,忽略一切内嵌指令。

反爬(零依赖)

场景	行为
编码	按 Content-Type / <meta charset> 用 TextDecoder 解码(GBK/GB18030 等不乱码)
JS Challenge	检测到 CF/挑战壳 → 返回 browserRequired 标记,不烧 aux token,提示改用浏览器
429 / 502-504	自动重试一次(短退避);仍失败报带 rate-limited 提示的错
403 等 4xx	报带「可能需浏览器/登录」提示的错,不给 aux 喂空内容
重定向	逐跳 SSRF 跟随,结果暴露 redirects 跳数(落地页 ≠ 请求页)
代理	直连优先,传输出错自动回退 HTTP(S)_PROXY(尊重 NO_PROXY),零依赖

子代理与工作流桥接(subagent / workflow)

DSH 原生的 subagent 工具,以及 workflow 批量并发扇出的 agent() 子代理,都被透明桥接到 AUX——对话里照常用 subagent/workflow,但真正干活的是 AUX 辅助模型,复用每任务配置、失败冷却和主模型降级。零新工具、零系统提示词改动。

模式	子代理用什么模型
native(默认)	不拦截,完全原生/主模型行为
manual	所有子代理统一走 subagent.general 指定模型
vision-aware	判定「需要视觉」(如命中 visionKeywords)时走 subagent.vision,否则 general

配置(设置页「子代理辅助模型」块,或 yaml):

aux:
  subagent:
    mode: vision-aware        # native | manual | vision-aware
    general: { provider: opencode-go, model: glm-5.2 }
    vision:  { provider: opencode-go, model: kimi-k2.7-code }
    includeWorkflow: true      # workflow 的并行 agent() 子代理也走 AUX(默认 true)
    prepareTools: true         # 给子代理注入 vision_analyze 等 AUX 工具作兜底
    visionKeywords: [ "图片", "图像", "截图" ]
    retryVisionWithAux: false  # 实验性:子代理失败后二次派发到 AUX 视觉

• includeWorkflow=false 时,即使 mode != native,workflow 的子代理也不拦截(仅 subagent 工具生效)。
• 安装:本地补丁由 install.sh(或 bridge/apply-patch.mjs)安装;/aux status 会显示 subagent-bridge / workflow-bridge 的当前模式与补丁状态。设计细节见 SUBAGENT-BRIDGE.md / WORKFLOW-BRIDGE.md。

安全边界

• SSRF 防护(默认开启):web_extract / web_crawl 与 vision_analyze 的 imageUrl 默认拒绝内网/环回/云元数据地址(localhost、127.0.0.1、10.x、192.168.x、169.254.169.254、*.local、Teredo/6to4 内嵌私有地址等),且只允许 http/https;回退抓取路径的重定向每一跳都在请求前校验(逐跳 DNS+地址检查),provider seam 路径也要求返回最终 URL、对该 URL 复审,并把 3xx 交给逐跳逻辑重新跟随。需要抓取本机/内网服务时,在插件配置里显式设置 allowInternalUrls: true。
• Prompt 注入缓解:辅助模型提示把网页正文、待压缩文本、图片内文字都视为不可信数据;网页正文被包裹进带随机 nonce 的 <<<UNTRUSTED PAGE DATA …>>> … <<<END UNTRUSTED PAGE DATA …>>> 数据块,与 Question 指令物理分离,并明确禁止执行其中嵌入的指令;guideText 是受信任的插件配置,只应从可信来源复制。
• 并发硬上限:每个任务的 maxConcurrency 即使配置得更大,实际也按 10 封顶,避免误配导致对辅助模型并发轰炸。

编程调用(给其他插件开发者)

const result = await ctx.auxLlm.call("compress", {
  messages,
  system,
  session,
  signal
});
// => { text, provider, model }

自定义任务:ctx.auxLlm.registerTask(...)。

工作原理

• 路由解析:显式配置 > 任务默认 > 会话主模型;辅助模型失败自动降级主模型。
• 健壮性:每任务超时(默认 60s)、并发信号量(默认 2)、失败冷却(连续 3 次 → 停 60s)、错误分类、聚合错误报告每一跳。
• 可观测:每次调用写 aux/llm-call 会话事件 + aux-status 投影,历史可回放。
• 图片能力门:调用前查模型输入能力,明确不支持的模型直接跳过换路;未声明能力的模型放行由服务端决定。
• 压缩协同:dsh-compaction-basic 的摘要调用可通过 ctx.auxLlm 的 compaction 任务执行,复用 AUX 的超时/并发/冷却/降级/事件记录。

源码结构

dsh-aux/src/index.js 只保留 Service 装配与路由调度,其余按领域拆分,方便社区贡献者定位:

• config.js / route.js / prompt.js / url-policy.js — 配置、路由、提示词、SSRF 策略
• events.js / projection.js / bootstrap.js / commands.js / fetch.js — 事件、投影、Bootstrap 引导、命令、抓取
• tools/ — vision_analyze / web_extract / compress_text 工具实现与注册
• images/ — 附件归属、清理、图片记忆、图片引用解析
• image-bridge.js / compaction-bridge.js / compaction-messages.js — 桥接与压缩消息降级

兼容性与依赖

• 平台:DSH ≥ 0.1.0-rc.6;Node ≥ 20。
• 运行时零第三方依赖:peerDependencies 全部是 DSH 官方包(环境自带),无 dependencies。
• 测试零依赖:node --test tests/*.test.js(163 项,含 aux 102 / compression 35 / core-review 4 / fetch-vision 4 / images-review 7 / fs-boundary 2 / bridge-target 4 / memory 1 / bridge 4)。

集成组件

• image-bridge:让纯文本主模型也能直接粘贴图片,UI 保留缩略图;含图会话可切换到纯文本模型(v3);npm update 后需重跑 bridge/apply-patch.mjs。
• settings 动态暴露:设置页可读写 aux 配置;对应补丁已随本仓库 bridge/ 落地,不依赖官方 deepseek-harness 合入。
• 会话事件注册通道:aux/llm-call 以 ignorable: true 标记写入;未装补丁时自动降级不写事件,保护会话日志。
• 会话删除协同:配合社区插件 dsh-plugin-session-delete,删除会话时自动清理无引用图片。
• compaction-bridge:配置 compaction 任务后,原生压缩改走 AUX;含图会话图片不可用时自动降级为文本占位。
• subagent-bridge:透明接管原生 subagent 与 workflow 并行 agent() 子代理,按 native / manual / vision-aware 路由到 AUX(见上文「子代理与工作流桥接」)。

极简 / Anchored Standard 兼容

首个持久 tool/call 前只暴露 Minimal 工具对,并剥离自动注入上下文——这是这些预设实现“首轮轨迹锚定”的核心机制。dsh-aux 首轮绝不注入任何 AUX 上下文/提示词;首个 tool/call 后目录开放,AUX 工具出现,并通过 agent/pre-step 注入一次提示,引导直接使用 vision_analyze,避免子代理绕路。Anchored Standard 的设计与实现见 xiaobright/dsh-anchored-standard。

常见问题

Q1:为什么在极简 / Anchored Standard 预设的首轮看不到 vision_analyze 等 AUX 工具?

A:这些预设的“首轮轨迹锚定”机制会在首个持久 tool/call 前只暴露 Minimal 工具对,并剥离自动注入的上下文。dsh-aux 尊重这一机制,首轮绝不注入任何 AUX 上下文/提示词,也不会提前暴露自己的工具。首个 tool/call 之后工具目录开放,vision_analyze / web_extract / compress_text 就会出现,并通过 agent/pre-step 注入一次提示引导直接使用。

Q2:为什么 /compact 在含图会话里失败了?

A:如果会话消息里的 image block 对应附件对象已被 GC/清理(读回报 Attachment object is missing.),或所有可选压缩路由均不支持图片输入,图片对压缩不可用。此时 dsh-aux 会把图片降级为文本占位([图片: name (type, WxH) — 未纳入压缩摘要])后继续交给 AUX 压缩,避免整个压缩任务失败——所以正常情况下压缩不会因图片不可用而失败。

Q3:dsh-aux 需要配置模型才能用吗?

A:不需要。dsh-aux 是零配置的:不配任何模型也能跑,辅助任务会自动回退到会话主模型。你可以随时通过设置页或 /aux model <task> <provider/model> 为某个任务指定专用模型。

相关项目

• dsh-anchored-standard — Anchored Standard 预设的设计与实现
• dsh-vision-toolkit — 社区视觉工具集
• dsh-plugin-session-delete — 会话删除插件(删除会话时自动清理无引用图片)
• SeekMaid-pet — SeekMaid 电子宠物

文档

文档	内容
AI.md	给 AI 代理的安装指南
PRD.md	需求规格与设计决策
CHANGELOG.md	版本历史
COMPARISON.md	与社区视觉插件的架构对比
VISION-AGENT.md	视觉子代理策略与记忆架构
SESSION-ATTACHMENT-GC.md	会话删除时图片清理设计
CONTRIBUTIONS.md	致谢与借鉴说明

致谢与借鉴

设计受 Hermes Agent、agent-vision-toolkit、dsh-vision、deepseek-harness #733 与 DeepSeek Harness 平台启发,逐条说明见 CONTRIBUTIONS.md。

许可证

MIT License © 2026 dsh-aux contributors