dsh-aidd

面向 DeepSeek Harness 的 Claude Science 式 AIDD 科研工作台 —— 面向 AI 驱动药物发现 / 化学信息学 / 计算生物学项目。

一句话介绍：dsh-aidd —— 面向 DSH 的 Claude Science 式 AIDD 工作台：ReAct 研究循环引擎（research_* 工具）、带溯源的版本化工件（artifact_* 工具），以及覆盖虚拟筛选 / 分子生成 / 性质与 ADMET 预测 / 蛋白靶点 / DTI 建模 / 模型复现的 17 个技能。

• ReAct 研究循环引擎 —— research_init / research_state / research_hypothesis / research_experiment / research_findings / research_phase / research_review / research_report，状态持久化在 research-manifest.json（提问 → 假设 → 实验 → 观察 → 分析 → 结论 → 下一问题）。对 AIDD 的语义：靶点假设 → 筛选/生成/建模实验 → 评估结论 → 迭代。
• 版本化工件与溯源 —— artifact_save / artifact_list / artifact_show / artifact_diff / artifact_verify / artifact_deprecate / artifact_reproduce：hit 列表、打分表、数据划分文件、模型 checkpoint、指标表存为 artifacts/<name>/v<N>/，附每文件 SHA-256、artifact.json 溯源（命令/输入/环境/envFile）与追加式 provenance.md。
• 17 个技能 —— 通用 8 个（research-loop、science-project-setup、artifact-provenance、scientific-reviewer、literature-connector、parallel-delegation、manuscript-writing、conda-environments）+ AIDD 9 个（aidd-toolkit、chem-data-management、ml-experiment-tracking、model-reproduction、virtual-screening、molecular-generation、property-prediction、protein-target、dti-modeling）。

AIDD 数据纪律（写进 preset 人格的红线）：随机种子固定并记录；scaffold / cold-start 划分文件必须 artifact 归档；同源靶点与同骨架不得跨训练/测试集；复现不到基线不得宣称改进；打分好 ≠ 好分子。

两个引擎插件零第三方依赖（只用 Node 内置模块，共享 engines/core.mjs），注册标准 cordis 工具。 既可作 profile bundle 安装（dsh plugin add），也可作 agent preset（「AIDD 模式」）安装。

本仓库 fork 自 biociao/dsh-science v0.1.1（引擎与工程化骨架来自上游，领域层全面重写为 AIDD）。

安装

方式 A —— profile bundle（社区标准）

dsh plugin --profile web add dsh-aidd            # npm 发布后
# 或直接从 GitHub：
dsh plugin --profile web add "github:panda_aidd/dsh-aidd"

重启 profile（或刷新 Web GUI）。bundle 会把两个引擎插入 profile 层栈， 该 profile 上所有 agent 都能用 research_* / artifact_* 工具。

方式 B —— agent preset（完整「AIDD 模式」，按 agent 隔离）

git clone https://github.com/panda_aidd/dsh-aidd ~/.dsh/.agent-presets/aidd
# 或本地安装：
bash scripts/install.sh          # 复制安装（或：bash scripts/install.sh link）

在 DSH Web 新建会话并选择 AIDD 模式 preset —— preset 自带 AIDD 科研人格 + 引擎，按 agent 作用域隔离。

技能

17 个技能由项目根 .dsh/skills/ 自动发现（把本仓库 skills/ 放进你的项目即可）， 或全机安装：

bash scripts/install-skills.sh          # -> ~/.dsh/skills（遵循 $DSH_HOME）

快速开始（首个会话）

1. research_init —— 创建 research-manifest.json 与项目骨架（experiments/ literature/ artifacts/ analyses/ figures/ manuscript/ reviews/ data/ envs/）。
2. 每次会话先 research_state；循环状态跨会话持续。
3. 跑循环（以虚拟筛选为例）：research_hypothesis（H1"子库中存在打分优于阈值的命中"）→ research_experiment（E01 对接筛选，创建 experiments/E01/{design.md,log.md,code/,results/}）→ 跑 docking → research_findings（富集/多样性观察，结论更新假设状态）→ hit 列表与打分表 artifact_save。
4. 建模/复现走 ml-experiment-tracking 与 model-reproduction 技能；关键论断用 scientific-reviewer 评审后 research_review 归档。

仓库结构

dsh-aidd/
├── package.json          # dsh.bundle.patch -> ./cordis.patch.yml（含 exports）
├── cordis.patch.yml      # bundle patch：按子路径导出插入两个引擎
├── engines/              # 引擎源（bundle 形态）
│   ├── core.mjs          #   共享核心：锁/原子写/错误码/流式哈希/结构化工具/审计
│   ├── research-loop.mjs
│   └── artifact-registry.mjs
├── preset/               # agent-preset 形态（engines 镜像，用 sync-engines.sh 同步）
│   ├── agent.cordis.yml  #   AIDD 科研人格 + 引擎（相对路径挂载）
│   ├── preset.yml        #   「AIDD 模式」
│   └── engines/          #   镜像 —— 保持同步：bash scripts/sync-engines.sh
├── skills/               # 17 个 SKILL.md 技能（通用 8 + AIDD 9）
├── scripts/
│   ├── install.sh        # 安装 preset -> ~/.dsh/.agent-presets/aidd
│   ├── install-skills.sh # 安装技能 -> ~/.dsh/skills
│   ├── sync-engines.sh   # 镜像 engines/ -> preset/engines/
│   ├── init-project.sh   # 项目骨架（无需 AIDD 模式会话）
│   ├── smoke-test.mjs    # 62 项检查（临时工作区，node >= 18）
│   └── stability-test.mjs# 25 项并发/原子性/压力检查（锁/丢失更新/soak/迁移）
└── test/verify-bundle.sh # 隔离端到端 bundle 安装 + boot 检查

验证

node scripts/smoke-test.mjs     # 引擎逻辑 + 端到端循环 + 错误码 + 迁移
node scripts/stability-test.mjs # 并发 / 原子性 / 锁 / 压力稳定性检查
bash test/verify-bundle.sh      # pnpm pack -> 隔离 profile -> 安装 -> boot 检查

三项均为发布检查清单内容，可在 CI 安全运行（两个测试脚本只写临时工作区；bundle 测试用隔离的 $DSH_HOME）。

FAQ

bundle 里为什么用子路径导出而不是相对路径？ dsh plugin add 把包装进 profile，其 cordis.patch.yml 的行加入 profile 组合。 profile 加载器把行的 name 按 profile 目录解析（不是包目录），所以 ./engines/x.mjs 会 ERR_MODULE_NOT_FOUND；改用 dsh-aidd/engines/x.mjs （子路径导出，走 package.json 的 exports）则从 profile 的 node_modules 解析、可用——上游 dsh-science 已在 dsh 0.1.0-rc.6 上实验验证。agent-preset 挂载则按 preset 目录解析相对名，因此 preset/agent.cordis.yml 可以用 ./engines/*.mjs。

bundle 还是 preset，怎么选？

• bundle：一条命令装完，profile 上所有 agent 都能用工具。
• preset：完整「AIDD 模式」体验（科研人格、数据纪律红线、按 agent 隔离）。cordis.patch.yml 里的 persona 行默认注释——profile 级人格会影响该 profile 所有 agent， 需要全 profile 应用时再取消注释发布。

技能从哪来？ 项目根 .dsh/skills/ 自动发现；scripts/install-skills.sh 全机安装到 ~/.dsh/skills（遵循 $DSH_HOME）。

开发

分支模型与发布流程（main=发布 / dev=集成 / feat*=新功能，tag 触发 npm 发布 + GitHub Release）： 见 docs/branching.md。

bash scripts/sync-engines.sh    # 修改 engines/*.mjs 后运行——保持 preset/engines 同步
node scripts/smoke-test.mjs     # 逻辑 + 静态包校验
node scripts/stability-test.mjs # 并发 / 原子性 / 锁稳定性检查
bash test/verify-bundle.sh      # 端到端 bundle 安装 + boot

社区

• Topic：github.com/topics/dsh-plugin
• 上游：biociao/dsh-science

许可

MIT —— 见 LICENSE（含上游版权声明）。