DSH提示词续写链开源,一键提升AI指令精度

简介: `dsh-prompt-chain` 是 DeepSeek Harness(DSH)官方插件,专注解决提示词“写得糙、改得烦”痛点。一键将草稿续写为结构化提示词,支持最多5轮续写、版本回溯、逐行对比(增删高亮)、6种预设风格(中英双语显示,仅发英文)。按钮样式、面板主题、快捷键(Ctrl+Enter)全可定制,纯本地运行,零数据上传。npm 已发布,命令 `dsh plugin add dsh-prompt-chain` 即装即用。(239字)

我花了两周,给 DSH 写了个「提示词续写链」——现在开源了,也上 npm 了

先说痛点,你可能也遇到过:

打开 AI 对话框,脑子里想的是「帮我优化下这段 SQL」,敲出来也是这六个字,然后就得到一个泛泛的回答。

不是模型不行,是你给它的输入太糙了。

提示词工程那一套(角色、背景、约束、输出格式)我知道,但每次认真写一遍真的很烦。尤其是「就改个 SQL」这种小任务,写提示词的时间比看结果还长。

所以我做了个东西:在输入框旁边加一个按钮,按一下,你的草稿就被改写成一份结构清晰、能直接执行的提示词——而且改完还能接着往下写、能对比改了什么、能反复回退。

它叫 dsh-prompt-chain,是 DSH(DeepSeek Harness) 的插件


一、为什么是「链」,不只是「一键改写」

市面上「一键优化提示词」的小工具不少,但它们普遍有个毛病:改完就结束了。

实际写提示词是个反复迭代的过程——第一版出来往往太短,你想「再详细点」;续完发现跑偏了,你想「退回到上一版」;改到最后你想知道「跟最初那版差在哪」。

所以这个插件的核心不是「一键改写」,而是一条可以往回走的链:

功能 说人话
继续生成 在当前结果上接着往下写,最多 5 轮,底栏实时显示「还可续写 3 次」
重新生成 扔掉改动,回到最初那版草稿重写——不是回到上一次结果
历史版本 每一版都进「计数胶囊」,点哪版回哪版;撤销 / 重做一路到底
逐行对比 绿色是新增、红色是删除,顶栏直接告诉你「N 处改动」

下面这张是回到历史版本时的对比视图——上半是那一版的内容,下半把「新增 18 处 / 删除 4 处」逐行标了出来,底栏还能直接「重新生成」「继续生成」或「复制结果」:


二、提示词本身是可换的:6 个内置方案 + 自己的方案

6 个内置方案,风格差别很大

在设置页「系统提示词」里,第一行下拉就是内置方案(只读,改不了原文):

方案 什么风格 什么时候用
内置默认(改写) 补齐目标 / 上下文 / 约束 / 交付物 / 验收,结构完整 日常通用,不知道选什么就选它
精简压缩 只留改变行为的话,能把一段话压成一句 原文已经很长,不想再膨胀
结构化骨架 强制塞进固定五槽位,每槽一条一条列 复杂任务,要机器可读的骨架
严谨工程 强调边界条件、错误处理、可验证性 写代码 / 改线上逻辑
讲解思路 要求把推理过程落到提示词里 想让 AI 边做边解释
口语自然 保留人味,不要公文腔 日常对话类任务

中英对照看,但只发英文

为什么只发英文?同样一段系统提示词,英文的 token 数通常更省,长上下文场景下这个差异不小。中文那份纯粹是你的阅读层,永远不会进请求。


三、外观:能改成你愿意天天点的样子

一个天天用的按钮,长得丑是真的会影响使用频率。

• 按钮:圆形 / 文字 / 表情三种样式,图标可以换成 emoji、自己上传的图片(gif ≤128KB 保留动画),或者内置表情库

• 内置表情:5 组共 40 个——2 组静态 emoji、1 组手绘图标、3 组动画 gif(闪光 / 转圈 / 心跳)

• 面板:玻璃质感 / 纯色,不透明度可调(滑杆或直接输入数字),相对输入框的位置可微调 ±240px

• 实时预览:改样式、改位置、改图标,预览当场变化,不用保存后再看效果

• 界面语言:设置页头部 CH / EN 一键切换整个插件的界面语言

• 快捷键:Ctrl+Enter 直接触发一次改写,不用去点按钮


四、怎么装

前提:DSH 0.2.x(桌面端或 Web 端都行)

方式一:一条命令(推荐)

dsh plugin add dsh-prompt-chain

方式二:下载压缩包

到 Releases 下载 .tgz,然后在 DSH 的插件页点「从本地安装」,选中这个文件。

方式三:直接改 profile(开发者)

在 ~/.dsh/profiles/desktop/package.json 里加依赖,再把名字加进 dsh.profile.bundles。

⚠️ 装完记得完全退出 DSH 再打开——不是关窗口,要彻底退出进程。宿主那半边要重新加载。

装好后:设置里多出「提示词增强」,输入框左边多一个按钮。


五、它不做什么(讲清楚边界)

• 不替代你的判断:它只负责把糙输入变成清楚输入,好不好用还得看你的实际任务

• 不联网存你的数据:配置只存在本地 ~/.dsh/prompt-chain/config.json,没有遥测

• 不保证所有模型都一样好用:默认跟随当前会话模型,也可以固定某个模型单独做增强

• 不内置 prompt 市场:你自建的方案只在你本地,不会上传也不会共享


六、最后

如果你也在用 DSH,欢迎装了试试,有想法直接在 Issues 里提。觉得有用的话,点个 Star 就是最大的鼓励。

• 仓库:GitHub - Nihao7-L/dsh-prompt-chain: One-click prompt rewriting in the DSH composer — keep going for up to 5 rounds, diff every change, and jump back to any version. · GitHub

• npm:https://www.npmjs.com/package/dsh-prompt-chain

• 中文文档:README.md

顺带一提:这个插件本身就是在 DSH 里,用 DSH 的 AI 一边对话一边写出来的。用它做它自己,算是有点自指的意思。

相关文章
|
7天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1311 6
|
5天前
|
人工智能 API 开发工具
DeepSeek Harness 神插件:白嫖 13 家大厂模型
`dsh-our-free-model` 是 DeepSeek Harness 神级插件:零配置、零API Key、零账号,聚合13家大厂免费模型(含DeepSeek V4.1 Flash、Kimi K3等),支持本地网关、用量看板与自动降级,真正实现“白嫖即用”。
|
10天前
|
存储 人工智能 安全
千问办公官网入口网页版登录:qwenwork.cn 注册送2000积分、登录送100积分
阿里云千问办公(QwenWork)是AI智能工作平台,支持一句话生成PPT、表格、网页、视频及数据分析。个人免费版送2000积分+每日登录赠100分,含1GB存储、5个发布页;企业版198元/席/月起。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
|
1月前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9965 33
|
5天前
|
人工智能 开发者
Qoder CN 大使计划正式开启|无限创造,等你一起
全年免费积分、优先内测、活动支持与更多共创机会,邀请用 Qoder 把想法变成现实的你。
523 6
|
16天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
7天前
|
Web App开发 人工智能 JavaScript
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
REA(Reverse Engineer Anything)是近期爆火的开源AI逆向工具,4月发布,1个月内斩获15万+ Star。它让AI Agent无需源码即可分析二进制、APK、JS/Electron、HAR包等17类目标,自动反编译、生成可运行代码,并强制返回带证据与局限的结论。全本地执行,MIT协议,支持Hopper/Ghidra/IDA等引擎,一行命令即可上手。
747 2
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
|
15天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
1069 1