安装
$ | dsh (DeepSeek Harness) | npx @mstar-harness/cli init --target dsh<br>(one CLI command that runs two **independent** dsh plugin --profile web add installs:<br>@mstar-harness/dsh + dsh-llm-fallbacks; --no-fallbacks skips the latter)<br>or dsh plugin --profile web add @mstar-harness/dsh<br>+ dsh plugin --profile web add dsh-llm-fallbacks |插件能力与用途
基于公开仓库快照由 AI 辅助整理,内容必须有源码依据;它不等同于兼容性验证或安全验证。
Morning Star(晨星 / mstar-harness)是一款面向 Harness 工程化工作流的多智能体插件包与工作流引擎,支持 DeepSeek Harness (DSH) 及其他智能体运行环境。它通过 TypeScript 引擎(@mstar-harness/engine)强制执行确定性的路径、状态、派发、评审和 SDD 门禁,并结合由 PM、Dev、QC 铁三角等多角色构成的判定技能链驱动多智能体协同交付。
核心能力
- 通过 TS 引擎强制执行路径、状态、租约、派发、迭代与 SDD 等确定性工作流门禁
- 提供 project-manager、architect、QC 铁三角及 qa-engineer 等多角色定义与判定技能
- 支持包含罗盘锁定、自主循环及局部计划驱动的分阶段迭代研发流程
- 提供针对代码库、PR、测试及 E2E 验证的只读审计与深度评审命令
- 内置本地只读 Web 控制面板,用于查看 Issue 存储与执行路线图进度
- 提供标准 Stdio MCP 服务,将规范化工作流指令作为 MCP 工具对外暴露
适用场景
- 在 DeepSeek Harness 中进行复杂多阶段软件研发任务的多智能体协作与调度
- 在合并 PR 前通过确定性的 QC 和 QA 门禁保障代码质量与规范
- 执行只读架构巡检、代码库债务审计及自动化的分支/PR 评审
- 通过持久化 JSON 快照运行自主或半自主的敏捷迭代开发循环
适合谁
- 在 DeepSeek Harness 中编排多智能体研发工作流的软件工程师
- 需要为大模型智能体建立确定性质量门禁与结构化评审机制的技术负责人
- 希望采用子智能体驱动开发(SDD)与迭代罗盘管理复杂项目的开发者
文档中可确认的限制
- CLI 运行时要求 Bun >= 1.4.0 或 Node.js >= 24.18.0
- 针对 DSH 的 Cordis YAML MCP 启动行仍处于后续适配中,doctor 检查目前提示不可用
- 短命令别名 mstar 与 npm 上其他同名第三方包存在命名空间冲突,冲突时需使用长名称 mstar-harness
DSH 兼容性
DSH Plugin 针对具体版本记录的运行验证证据。没有结果只代表我们尚未测试,不代表不兼容。
尚未测试目前还没有发布运行兼容性测试结果。
安全信号
来自包元数据和源码检查的客观信号。这些信息用于辅助判断,不代表绝对安全保证。
依赖数量
package.json 声明了 2 个运行依赖、11 个开发依赖、0 个 Peer 依赖和 0 个可选依赖。
已声明许可证
GitHub 报告该仓库许可证为 MIT。
已获取 package.json
已获取仓库根目录 package.json,可用于 Registry 元数据检查。
源码可用
本次 Registry 快照已获取公开 GitHub 源码元数据。
来源与 Registry 记录
展示此条目的公开来源、Registry 分类与最近一次源码检查信息,并与运行验证结果明确分开。
- 源码仓库
- btspoony/mstar-harness
- Registry 来源
- GitHub · dsh-plugin topic
- Registry 分类
- Plugin Bundle
- 源码检查
- 8520041 · 2026-10-07
本页面基于公开源码信息独立收录。DSH Plugin 与 DeepSeek 及插件作者均无隶属关系;安装前请始终以作者仓库中的最新说明为准。
仓库活跃度
- GitHub Stars
- 62GitHub stars
- Fork 数
- 4
- 未关闭 Issue
- 13
- 最近提交
- 2026-10-07
- 最近发布
- 2026-09-19
相关 DSH 插件
综合核心能力、适用场景、插件类型、分类和 DSH Profile 进行相关性排序。