Kimi Code 风格 swarm:批量并行子 Agent 调度(自适应并发)、/swarm 命令与聊天内实时进度条。
Kimi-Code-style swarm: batch-parallel subagent dispatch with adaptive scheduling, a /swarm command, and in-chat live progress rows.
安装
dsh plugin --profile web add github:hongyue0721/dsh-kimicode-swarmGitHub 源码安装:首次需按提示配置 allowBuilds 构建授权后重试
安装与环境配置指引、插件开发教程见 DSH 中文社区文档 ↗
安装即在你的机器上以你的权限运行第三方代码——它可读写文件、使用凭据、访问网络,DSH 的工具审批不会为插件代码加沙箱。「检测到 manifest」仅代表发现 dsh.bundle / dsh.plugin 清单,不构成兼容性或安全审查;安装前请审阅源码,不熟悉的插件先在不含密钥的环境试用。
README
把 Kimi Code Swarm 模式(主从式多 Agent 并行)搬进 DeepSeek Harness:主 Agent 把任务
拆成互不依赖的子任务,swarm_batch 一次批量派发,子 Agent 并行执行,完成后汇总——
官方基准下端到端效率最高提升 4.5 倍。聊天内实时进度条:每个子 Agent 一行状态
(排队 / 运行中 / 完成),像 Kimi 的 TUI 一样看着任务逐个点亮。
特性
swarm_batch工具:prompt_template+items批量生成子任务(最多 128 项), 每项可带model/type;resume_agent_ids断点续做。- 自适应调度(对齐 Kimi SubagentBatch 调度合约):先 5 个并发 + 每 700ms 爬坡 1 个; 撞限流指数退避(3s/6s/12s…)并自适应收缩/恢复并发容量;用户取消保留已完成结果; 单任务超时只失败该任务。
/swarm <任务>命令:一次性 Swarm 模式——探索边界、拆解子任务、批量派发、 汇总结果、自动退出模式(对齐 Kimi 的 task 触发语义)。- 聊天内实时进度条:host 端每步状态变化发
swarm/progress会话事件,浏览器端 经 mux 流订阅渲染,运行中蓝点脉冲、排队灰点、完成绿点。 - 模型三级分配:item 级/整批显式
model> 设置映射表(按 type 命中)> 继承调用者 模型(默认,由 Agent 自由分配)。
架构
┌─ host 半区(node 进程,src/index.ts)─────────────────────────┐
│ swarm_batch 工具(ctx.tools.register) │
│ ├─ 参数归一化(core/normalize.ts):模板填充 / 模型解析 / 去重 │
│ ├─ SwarmScheduler(core/scheduler.ts):两阶段自适应并发调度 │
│ │ └─ onProgress 回调:每步状态变化 │
│ ├─ ctx.subagents.start():真实子 Agent 启动(继承调用者模型) │
│ └─ session.append('swarm/progress'):进度事件(src/events.ts)│
│ /swarm 命令(ctx.commands.register):一次性 Swarm 模式指令 │
│ 设置命名空间 + 系统提示词公告 │
└──────────────────────────────────────────────────────────────┘
│ mux 事件流(透传所有 session 事件)
┌─ browser 半区(Web GUI,src/client/)─────────────────────────┐
│ progress-store.ts:模块级进度订阅(mux 流 → 按 callId 分发) │
│ SwarmCard.tsx:tool.call.toolview keyed 视图 │
│ ├─ 运行中:每子 Agent 一行实时状态(排队/运行中/完成) │
│ └─ 完成后:结果面板(每行可展开,汇总自 presentationMeta) │
│ SwarmSettingsCard.tsx:设置卡片(模型映射表,模型目录动态拉取) │
└──────────────────────────────────────────────────────────────┘
关键设计决策:
- 调度核心与运行时解耦:
core/是纯逻辑(注入 SpawnFn 与时钟),单测用假实现 驱动,不依赖宿主类型(参照 dsh-task-board 的 framework-free 风格)。 - 进度事件走官方会话事件流:
SessionEventMap官方注释明示支持插件合并扩展, mux 流对客户端全量透传——零宿主改动。 - 模型分配默认交还 LLM:不传
model即继承调用者模型,Agent 按任务难度自行 分配;显式指定始终优先。
安装
已发布到 npm(dsh-kimicode-swarm),一行装进任意 DSH profile:
dsh plugin --profile web add dsh-kimicode-swarm
# 等价于:
pnpm add dsh-kimicode-swarm
或从 GitHub / 本地直接装:
pnpm add github:hongyue0721/dsh-kimicode-swarm # 或
pnpm add file:/path/to/dsh-kimicode-swarm
装完重启 dsh web,新会话可见 swarm_batch 工具与 /swarm 命令。
使用
让 Agent 干活:直接描述任务,Agent 会自行判断是否值得批量并行;或明确要求 「用 swarm 批量派发」。
快捷命令:
/swarm 审查这三个模块的代码并给出修复建议
模型分配:默认继承调用者模型;想按任务指定,给 items 的某项写
{ "item": "...", "model": "deepseek-v4-pro" },或整批传 model 字段。
swarm_batch 参数(模型侧契约):
| 参数 | 说明 |
|---|---|
description |
整个 swarm 的简短描述 |
subagent_type |
子 Agent 类型(默认 coder) |
model |
整批模型覆盖(显式优先于映射表) |
prompt_template |
必填,含 {{item}} 占位符 |
items |
1..128 项;string 或 { item, model?, type? } |
resume_agent_ids |
agent_id -> prompt 映射,断点续做(优先于新派发) |
配置
设置页卡片暂不可用(见下);当前配置走 profile patch 的 entry config 或
~/.dsh/settings.yaml 的 swarm: 段:
swarm:
enabled: true
announceToAgent: true
modelMappingEnabled: false
modelMapping:
- type: explore
provider: deepseek-official
model: deepseek-v3
已知限制
- 设置页卡片受宿主白名单限制:
dsh-host-apiproxy的WEB_SETTINGS_NAMESPACES硬编码白名单,插件自注册的设置命名空间对配置客户端一律settings-not-exposed(官方注释将「插件自声明暴露」列为 deferred work,family 插件通病)。GUI 编辑待 宿主放开后启用。 - 子 Agent 执行期间不回报中间 token(
subagents.start是等最终结果),进度条展示 的是每个子 Agent 的启动/完成状态,非 token 级流式。 - 无文件锁:多子 Agent 写冲突靠任务拆分规避(与原版一致)。
开发
pnpm install
pnpm typecheck # tsc --noEmit
pnpm test # vitest(21 个用例:调度爬坡/限流/取消/超时 + 参数归一化)
pnpm build # lib/(host 半区)+ lib/client.js(browser 半区)
架构与设计细节见 docs/architecture.md。
交流 / 反馈:Issues
原始 README: https://github.com/hongyue0721/dsh-kimicode-swarm/blob/main/README.md ↗
同类插件
查看全部 →
deepseek-harness
从仓库或系统描述生成经过校验的自包含交互式架构图、流程图、时序图、数据流图和生命周期图。

dsh-plugin
通过 DSH MCP 客户端挂载 Ouroboros 的纯配置包,在 DSH 中提供 36 个涵盖需求访谈、Seed、执行、评估与演化流程的工具。

dsh-tongflow
基于 TongFlow 的“片场”插件,用于图片、配音、音乐与视频制作:agent 为每个资产生成 TongFlow 工作流文件(.tongflow.json)并通过 TongFlow 插件执行,内嵌工作流画布,按镜头/角色/take 组织项目,附漫剧模板;以 @tongflow 开头的会话进入 Studio 界面。

helloagents
AI 编码 CLI 的工作流层:技能、项目知识、交付检查、更安全的配置写入与可恢复执行

dsh-ai-novel-writer
安装专用 AI 小说创作预设与工作台:提供带修订号的本地项目资产、紧凑侧边工作台,以及需要原生审批的逐文件变更。

rea
用 agent 逆向任何东西:从应用行为到原生二进制