新闻详情

新闻详情

首页 / 资讯中心 / 详情

superpowers-zh × DeepSeek Harness(dsh)安装实战指南:一条 npx 命令装好 20 个技能,四条官方路径全部可溯源

发布时间:2026/11/17 11:41:32来源:尧图网络
superpowers-zh × DeepSeek Harness(dsh)安装实战指南:一条 npx 命令装好 20 个技能,四条官方路径全部可溯源
AI 技能AI 插件人工智能开发工具【免费下载链接】superpowers-zh AI 编程超能力 · 中文增强版 — superpowers250k ⭐完整汉化 4 个中国原创 skills让 Claude Code / Copilot CLI / Hermes Agent / Cursor / Windsurf / Kiro / Gemini CLI / Qoder 等 26 款 AI 编程工具真正会干活项目地址https://gitcode.com/gh_mirrors/su/superpowers-zh点击查看免费下载本指南面向使用 DeepSeek Harness命令行工具dsh的开发者讲解如何把 superpowers-zh 的 20 个 AI 编程方法论技能装进 dsh 并在对话中自动触发。读完你将掌握项目级 / 全局两条一键安装命令、四条官方路径的出处与优先级、与 Antigravity / Codex / Claude Code 的共存规则以及安全卸载机制。DeepSeek Harness 为什么要一份专门的安装指南superpowers-zh 目前支持 26 款 AI 编程工具每一款的 skills 与引导文件加载路径都不同。DeepSeek Harnessdsh的路径体系来自其官方仓库文档skills 走.dsh/skills/目录、引导文件走AGENTS.md这与 Claude Code 的.claude/skills/、Cursor 的.cursor/skills/完全不同构。装错目录的后果是文件在、工具不读——这正是本仓库一贯强调要避免的装了不生效。因此 docs/README.deepseek-harness.md 单独成文并配套了 bin/superpowers-zh.js 中的generateDeepSeekHarnessBootstrap实现。快速安装项目级与全局各一条命令在项目目录下执行dsh 会自动被检测并安装到当前项目cd /your/project npx superpowers-zh # 自动检测 .dsh/ 并安装自动检测的标记是.dsh/目录或dsh.json文件见 bin/superpowers-zh.js 中 TARGETS 表的detect: [.dsh, dsh.json]。如果项目里还没有这些标记也可以显式指定npx superpowers-zh --tool dsh--tool支持dsh、deepseek、deepseek-harness三个别名见 bin/superpowers-zh.js。全局安装所有项目共享推荐同时维护多个项目时使用npx superpowers-zh --global --tool dsh全局安装会把 skills 装到用户级目录~/.dsh/skills/并把引导文件写到~/.dsh/AGENTS.md。dsh 被明确列入支持通用全局安装的工具名单见 scripts/verify-release.sh 的GLOBAL_OK数组。装到哪、为什么四条官方路径全溯源文档明确强调以下四条路径全部取自官方仓库文档不是猜的。这是本仓库的一贯原则——只装官方文档证实会被读取的路径宁可拒绝也不猜路径。内容路径出处skills项目级.dsh/skills/DeepSeek Harness 官方docs/subsystems/skills.md的 Local discovery priority 表rank 100skills全局~/.dsh/skills/dshHome默认值——官方 shell-env 文档dshHome \| $DSH_HOME, then ~/.dsh引导文件项目级项目根AGENTS.mdinstructionFileCandidates默认[AGENTS.md, CLAUDE.md]引导文件全局~/.dsh/AGENTS.md官方文档user-global 指令文件为$DSH_HOME/AGENTS.md对应到源码TARGETS 表中 DeepSeek Harness 的条目为dir: .dsh/skillsglobal: { dir: .dsh/skills }见 bin/superpowers-zh.js项目级与全局共用同一个相对目录名只是基准目录不同项目根 vs home。安装完成后会调用generateDeepSeekHarnessBootstrapbin/superpowers-zh.js生成引导内容项目级写项目根AGENTS.md全局写~/.dsh/AGENTS.md文件已存在则追加而不覆盖且整段用哨兵注释包住见下文卸载一节。引导内容本身是「Superpowers-ZH 中文增强版」清单声明已加载的技能框架、四条核心规则先检查是否有匹配的 skill、设计先于编码、测试先于实现、验证先于完成以及 20 个可用 skills 的列表和按需读取SKILL.md的使用方式。dsh 会通过instructionFileCandidates自动加载这份引导让 AI 在收到任务时知道去.dsh/skills/里找对应技能。已经装过别的工具dsh 的技能发现机制决定了可能已经生效了一半这是文档中最反直觉也最有价值的一节它基于 dsh 官方的技能发现优先级表rank 200 是.agents/skills——这正是 Antigravity 的项目级目录、也是 Codex CLI 的全局目录~/.agents/skills。如果你已经为这两款工具装过 superpowers-zhdsh已经能读到那批技能不必重复安装重复装会加载两份。这与本仓库对 Claw Code、OpenCode、Windsurf 的处理口径一致能复用就复用明确警告别重复装。dsh 的指令文件候选包含CLAUDE.md装过 Claude Code 的项目引导那一半已经生效。但.claude/skills不在 dsh 的技能根列表里——Claude Code 的技能文件不会被子 dsh 读到技能本身仍需按本文路径安装。这一结论在源码注释中也有完整复述bin/superpowers-zh.js并在 RELEASE-NOTES.zh.md 中再次强调。手动安装无网络环境的备选方案如果npx不可用可以手动克隆并复制git clone https://gitcode.com/gh_mirrors/su/superpowers-zh.git mkdir -p .dsh/skills cp -r superpowers-zh/skills/* .dsh/skills/仓库的 skills 目录下共 20 个技能brainstorming、systematic-debugging、test-driven-development、requesting-code-review、writing-plans等每个技能是一个独立目录内含SKILL.md定义文件含name/description等 frontmatter。npx一键安装本质上就是把这份目录复制到目标位置并额外完成 bootstrap 引导、hooks 配置与工具特定适配手动cp只复制 skills不会自动生成AGENTS.md引导AI 需要你手动点名技能才能触发。技能名必须是 kebab-case这是 dsh 官方约束^[a-z0-9](?:-[a-z0-9])*$。本仓 20 个 skill 全部符合——例如chinese-code-review、dispatching-parallel-agents、using-git-worktrees、verification-before-completion从 bin/superpowers-zh.js 的scanSkillEntries解析逻辑看安装器读取的就是SKILL.mdfrontmatter 里的name字段非 kebab-case 会在 dsh 侧无法被正确发现。卸载哨兵注释精确切除不误删用户内容npx superpowers-zh --uninstall # 项目级 npx superpowers-zh --global --uninstall # 全局卸载只移除 superpowers-zh 自己安装的内容删除.dsh/skills/下属于本仓库的 20 个技能目录按技能名精确匹配清理AGENTS.md里 superpowers-zh 段落保留你自己写的内容。只删自己的、绝不误删用户内容在源码里有两层保障其一安装时把追加内容包在!-- superpowers-zh:begin ... --/!-- superpowers-zh:end --两条哨兵注释之间bin/superpowers-zh.js卸载按哨兵精确切除其二对 v1.1.x 时代没有哨兵的旧安装用标题 marker 下一个一级标题 固定末尾短语三级兜底识别段尾全部失败时跳过并警告而不是乱删bin/superpowers-zh.js。AGENTS.md与~/.dsh/AGENTS.md分别被登记在项目级与全局的 bootstrap 清理清单里bin/superpowers-zh.js 与 bin/superpowers-zh.js。相关 issue 与版本记录dsh 支持由 issue #122请求兼容 DeepSeek Harness驱动随 v1.7.12 发布落地工具支持数由 23 增至 26。完整记录见 RELEASE-NOTES.zh.md四条路径逐一附官方出处、npx superpowers-zh --global --tool dsh指向~/.dsh/skills/~/.dsh/AGENTS.md并明确装过 Antigravity / Codex 的项目已被覆盖一半。如果要在 dsh 支持列表里核对更多工具细节可参考 README.md 的 DeepSeek Harness 行及其配套的 docs/README.deepseek-harness.md。赞分享AI 技能AI 插件人工智能开发工具【免费下载链接】superpowers-zh AI 编程超能力 · 中文增强版 — superpowers250k ⭐完整汉化 4 个中国原创 skills让 Claude Code / Copilot CLI / Hermes Agent / Cursor / Windsurf / Kiro / Gemini CLI / Qoder 等 26 款 AI 编程工具真正会干活项目地址https://gitcode.com/gh_mirrors/su/superpowers-zh点击查看免费下载相关推荐RuView 可复现 Agent Harness 落地全解析从 MetaHarness 铸造到 npx ruview 一条命令RuView 可复现 Agent Harness 落地全解析从 MetaHarness 铸造到 npx ruview 一条命令 导读 本文以 RuView 仓人工智能计算机视觉物联网智能家居后端嵌入式Codewhale 集成 DeepSeek HarnessDSHcodewhale integrations dsh 官方连接指南Codewhale 集成 DeepSeek HarnessDSH codewhale integrations dsh 官方连接指南 codewhale人工智能AI Agent代码智能体CLI工具调用MCP ClientsHypit 安装教程一条命令装好 Skill跑通第一个视频只需 3 个步骤Hypit 安装教程一条命令装好 Skill跑通第一个视频只需 3 个步骤 Hypit 是一个开源的 AI 视频克隆工具它给 Claude Code、Co人工智能AI 应用AI 技能音视频媒体生成上一篇CloudCLIClaude Code UI部署与使用完全指南npm / Docker Sandbox / 云端三种方案、CLI 命令与插件生态下一篇Plate 性能验证指南浏览器 Trace 与 Core Web Vitals 取证规则实战创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉