lamost423/dsh-trace-compare

dsh-maze

🔀 `dsh-trace-compare` 已更名为 `dsh-maze`（v1.0.0 起）。旧包保留可装但不再更新，迁移只要两条命令。

中文 | English

还被收录于：fendouai/awesome-deepseek-harness（独立介绍页）· Zhiyuan-Fan/Awesome-DeepSeek-Harness-Plugins · ZeroPointRepo/awesome-dsh-plugins · cccakeee/awesome-dsh-plugins · diegosouzapw/awesome-omni-dsh-plugins · anbeime/skill · dsh-app 内置插件市场

DeepSeek Harness 的执行迷宫：把 Agent 真实的干活过程完整画出来、并分析给你看。

• 迷宫——主干路径、失败支路、折返点落在同一根时间轴上；空闲自动折叠、密集段自动聚合成「×N」徽标（点击放大、标签逐级补齐）、进度条自带失败热力，8 小时的会话照样字字可辨：
• 数据轨道——每一步的工具调用密度、Token 脉冲（缓存背景 + 未缓存输入/推理/输出增量柱）、上下文压力曲线（70%/90% 阈值线、压缩事件「⌄−N%」标注，悬停看压缩前后真值）：
• 执行分析——失败恢复链（原样重试 / 换参数 / 换工具 / 未恢复）、工具结果矩阵、耗时分位散点。每个结论一键点回原始命令与返回内容：
• 多会话对比——同一任务在不同模型上的 2~5 次跑同轴对比：轮次对齐、手动锚点、支路盘点。
• 回放——最高 300× 重放整场执行，看它是怎么一步步走到结果的：

铁律：所有数字都是对判定数据的确定性聚合，不调 LLM；每个判定带依据、每个结论可回溯到证据；数据缺失时如实标注（不画没有数据的轨道、不猜未知模型的窗口），绝不编。

两个入口：会话内的「实时迷宫」页签（随当前会话实时生长），侧边栏的「执行迷宫」（上传 session log 单看或对比）。

迷宫画的是什么

• 实线：主干路径——工具调用成功推进的步骤和回答节点。
• 时长胶囊条：每个步骤画成从开始到结束的圆角条，判定色填充——3 分钟的 bash 和 0.2 秒的 read 一眼可辨；条够宽时耗时直接写在条内。
• 并行工具分行（v0.3.2 起）：一步内 ≥2 次工具调用时，每次调用画成胶囊条下方的细小条（瀑布惯例），按各自真实起止摆位、按各自判定上色——一眼看出并行发的几个调用里哪个拖了时间、哪个失败；悬停单条看该次调用的命令/返回/判定依据，泳道高度随最大并行数自适应。支路节点保持「+N」标签（其空间为固定泳道格，详情面板已列全）。
• 虚线弧：探索支路——工具失败（红 ✗）、检索扑空（灰 ·）或盲目重试（灰 ↻）的步骤，以及折返回分支点的回程线。
• 子代理支路（v0.4.0 起，实时页签）：模型派生的 dsh 子代理会话画成主干上分出的聚合支路节点——挂靠在派生它的那一步、与父会话共享时间轴，节点子条是子代理全部已判定的工具调用，运行中的子代理实时生长并标注「仍在运行」；悬停/详情面板显示「子代理支路」身份与派生汇回关系，点击跳回主对话中的派生位置。只认真正的任务子代理（origin: 'subagent'），手动分支和 side-chat 侧聊不入图。宿主 0.1.6-alpha.2 起子会话须先被持有才能读取，插件在这些宿主上自己持有子会话（来源名 maze，不切换当前会话）：成员来自父会话的子代理目录，迷宫打开之前就结束的子代理也画完整支路；运行中的一直持有、已结束的读一次就释放并缓存；同时最多展开 8 个，超出的在泳道上注明。更早的宿主（0.1.5 / 0.1.2）只画宿主已打开过的子会话。支路名字取派出时的任务简述；运行中的支路每秒向右生长。
• 悬停任意节点或弧线快速预览；点击在右侧打开固定详情面板——完整命令与返回内容（各带复制按钮，返回内容保留前 5000 字）、耗时、判定、思考摘要，Esc 或 × 关闭。
• 缩放导航：滚轮以光标为中心横向缩放，拖拽平移，双击空白处或「⤢ 整图」按钮复位；轴刻度随缩放窗口自动加密（最细到 1 秒）。
• 跳转对话（仅实时页签）：详情面板里点「在对话中定位此步骤」，宿主切回对话页并滚动高亮对应的工具行。行太老、超出对话已加载窗口时退化为只切页签。
• 搜索与过滤：工具行提供「只看失败/重试」开关、按工具类型过滤、命令与返回内容全文搜索（含 5000 字面板全文）；不命中的节点与支路淡化到 15% 透明度，实时显示命中步数。实时模式下过滤状态在重建后自动还原。
• 轮次对齐线（同任务对比件，v0.3.0 起，现扩到 2~5 泳道）：仅当各文件被识别为同一任务的多次跑（首条用户消息一致）时启用。每一轮的回答节点自动连成跨泳道对比链，标注各泳道本轮各自的耗时（该轮起点 → 回答完成；轮与轮之间等用户输入的空闲不计入，v0.5.1 起）；双泳道额外标注耗时差与该轮支路数差（如「第 3 轮耗时：1st 4m ↔ 2nd 6m（Δ2m）· 支路 4↔0」）。只连该轮出现在 ≥2 条泳道的轮次——旧版从特定任务总结的「模型列表结果」正则里程碑已退役。
• 手动锚点（同任务对比件）：「🔗 加锚点」后在任意两条泳道各点一个节点，钉一条带时差标注的对比线；点线删除，Esc 取消选点。适合钉住语义等价但轮次错位的时刻。
• 支路盘点（同任务对比件）：「📋 支路盘点」打开按轮次的盘点表——每轮各泳道的支路步数、墙钟耗时、类别构成（✗ 失败 / ↻ 无效重试 / · 扑空），双泳道附差额列（如「第 2 会话多耗 48.4s」）；点一行缩放到该轮并只保留该轮支路，其余淡化。某泳道没有这轮显示「—」，缺席本身就是信号。任务不同的文件仅同轴并排，这三样不出现（图例明示原因）。
• 泳道数据轨道（v0.7 起，📊 可开关）：泳道带底部三条与迷宫同一时间轴联动的轨道——工具调用密度（每次调用一根刻线，按读取/检索/命令/编辑/其他着色）、Token 脉冲（每步堆叠柱：缓存输入/未缓存输入/推理/可见输出，读自 usage 真值）、上下文压力（折线+面积，纵轴随数据自适应；模型窗口已知时显示占用百分比与 70%/90% 阈值线，上下文压缩呈现为锯齿下落，窗口未知或表值过时自动退回绝对 token 数——绝不显示超过 100% 的占用）。日志没报 usage 的轨道不画、不占高度。
• 执行分析区（v0.7 起，迷宫下方主界面直出）：摘要三卡（工具失败与恢复 / 时间消耗 / 上下文压力）+ 耗时分布散点图（每工具一行，P50/P95 参考线，失败点标红，悬停看单次调用）+ 按工具的结果矩阵（成功/失败/扑空/盲重试/成功率 + P50/P95/最长耗时）+ 失败恢复链——每个失败调用之后发生了什么：原样重试 / 换参数 / 换工具 / 未恢复，恢复耗时如实标注；点一条缩放到该失败并打开详情。口径：链只统计失败（✗），扑空（· 检索无结果）与盲重试（↻）计入矩阵各自列、不单独进链，盲重试也不作为恢复证据。全部数字是确定性聚合，不调 LLM。
• 结果与证据（诊断层第 1 项，分析区首块）：六格——任务完成 / 测试 / 构建 / Lint / 产物 / 人工确认——加一个综合徽标（已完成 / 部分成功 / 未验证），全部来自日志证据、不信 Agent 自述。测试/构建/Lint 按命令正则在命令位置识别（初版覆盖 JS/TS、Python、Rust、Go、Swift；npm/pnpm/yarn 的 check 脚本按测试计；cat vitest.config.ts、grep pytest 不算），一条命令命中多类分别记；通过 = 该调用没有错误标志且返回末行没有非零退出码；每个类别以最后一次运行的结果为准，此前别的命令最后一次失败的条数小字注明（「同一条命令」按命中的那段算，cd 前缀、重定向、&& echo PASS 装饰不同不算两条）；后台任务按之后 job_output 末行的退出码计，取不到就不计并标注；点格定位到最后一次运行所在的那一步并打开该步详情。产物 = 写入/编辑/补丁类调用成功触及的文件去重（格内展开路径）；任务完成 = 最后一轮 turn/end 不是 error/aborted/interrupted/blocked 且最后一步是回答；人工确认只看最终回答之后有没有真人消息，不解读内容。一条验证命令都没有时显示中性的「未验证」；code 模式会话（run_code）里脚本内部派发的真实命令暂不识别，块里如实标注。规则在 verdict.js 的 ANALYSIS_RULES.VALIDATION。
• 行为信号（诊断层第 2 项，失败恢复链旁的块）：每条带严重度（高/中/低/信息）、一句话依据（含具体数字）和涉及调用数——失败后原样重试、同轮重复调用（含重复读取子标签）、循环、工具失败、慢调用（≥120 秒）、工具集中度（赫芬达尔指数）、上下文骤升/骤降（骤降落在压缩事件附近标「压缩」）、上下文峰值、压缩发生、待办陈旧、换策略恢复。阈值按本机 202 份会话校准（「中」落在最差的 15%~20% 会话，「高」落在最差的 3%~5%），常量在 verdict.js 的 ANALYSIS_RULES.SIGNALS；各信号独立计数。点一条淡化其他节点并定位到该段第一个调用（再点或按 Esc 取消，与其他过滤叠加）；没有信号时明说「本场没有触发任何信号」。code 模式本版只统计外层 run_code 调用，方法说明注明。上下文占用（峰值信号、上下文压力轨道、摘要卡与头部指标条）按每次请求当时的模型换算窗口：上传日志读 request/context，实时页签按逐请求模型查表；轨道纵轴是占用百分比，标题标注中途切过的窗口和因窗口值不可信而略过的样本。
• Agent 关系图谱（v0.7 起，分析区内的块）：主 Agent 与子代理的星形总览，节点大小 = 各 Agent 消耗的 token、连线粗细 = 工具调用数、运行中的虚线标示；点子代理节点跳到时间轴位置。只在有子代理数据时出现。
• 导出：一键导出当前视图（含缩放窗口与过滤淡化状态）为 SVG 或 2x PNG，样式已内联、拿去即用；无论页面当前是浅色还是暗色，导出固定浅色底（分享场景）。
• 界面双语（v0.5.0 起）：整页 UI（上传区、图例、泳道统计、对齐线、支路盘点、悬停卡、详情面板、错误提示）中英双语，嵌入宿主时实时跟随 dsh 的语言设置切换，独立打开按浏览器语言兜底；判定依据是结构化键值、按当前语言渲染，切语言不用重新上传。
• 主题跟随（v0.3.1 起）：页面随宿主 dsh 的明暗主题自动切换（宿主组件监听 body[data-ds-dark-theme] 并 postMessage 进 iframe）；独立打开时按系统偏好。
• 设置页开关（v2.1.0 起）：「设置 → Maze」可隐藏侧边栏入口——只用「实时迷宫」页签的人可以把常驻按钮收掉，开关即时生效、无需刷新，按浏览器保存；隐藏后实时页签与已打开的迷宫页不受影响。
• 紧凑页头（v0.3.1 起）：出数据后说明文字隐藏、上传区收成细条、泳道统计卡隐藏（同信息已画在泳道带内）、图例压成一行——迷宫拿走绝大部分视口。
• 播放功能最高 300× 回放整次运行。

时间轴的诚实规则：

• 空闲折叠：超过 60 秒没有任何步骤/工具活动的区间（比如两轮对话之间你在思考）压缩成一条带 ⏸ 标注的细缝，标明省略了多久；活动段内的刻度仍显示真实墙钟时间。
• 步骤标识带轮次（S15·47），多轮会话的支路不会挂错节点。
• 步骤时长、工具耗时、总耗时都保持墙钟真值，只有轴被压缩。
• 实时页签只画对话已加载的事件窗口（v0.2.3 起诚实标注）：窗口边缘残留的更早轮次步骤会被丢弃并标注「⏮ 另有 N 步更早历史未加载」，不再钳到 0 秒堆在左边缘、虚高统计；要看全会话用「Session log 下载 → 上传对比」。
• token 是真值（v0.2.2 起）：推理/输出 token 读自 session log 里 assistant/message 的 usage（此前的「reasoning N tok」数的是流式段数，不是 token）。日志没有 usage 时标签诚实回退为「推理 N 段（日志未报 token 用量）」——中转站日志常缺推理 token 字段，与原厂日志并排时单位不同，标签自带原因（v0.5.1 起）。

判定的诚实规则（v0.2.1 起）：

• 不按输出长度判定。单工具判定三层：错误标志（isError）→ 失败特征 → 按工具分类（写入类无错误即成功；检索类空结果才算扑空；bash 及未知工具有输出即成功）。
• 失败特征只扫开头与末尾窗口（v0.2.3 起）：真实报错要么从开头开始说、要么是追加在末尾的 stderr 段；而 git log / 读文件 / 转储日志时引用的报错字样悬在长文本中部——判定刻意不看那里，避免把「病历」当「发病」（实测案例：提交信息里写 "upstream returns HTTP 400" 被误判为该命令失败）。两条渲染链路统一在未截断的全文上判定。
• 盲目重试是行为学判定：时间序上连续的「同工具 + 参数相似」调用簇、且簇内至少一次失败，才标为无效重试——借鉴 AgentLens 对 SWE-agent 轨迹「浪费」的确定性检测。
• 每个判定都带依据文本，悬停 tooltip 和详情面板可见（如「同一操作连续重试 4 次（其中 1 次失败），判为盲目重试」）。
• 全部阈值与分类在 src/client/verdict.js 的 VERDICT_RULES 常量里，可按项目语料调整；页面与实时两条渲染链路共用这一份实现（构建期注入）。

支持的 session log 格式

按文件内容识别格式，文件名任意（macOS 复制出的「session.jsonl 2」也能直接选）：

• 纯文本 .jsonl（session 格式 v0 事件流）
• ~/.dsh/sessions/ 下原样的 .jsonl.zstd——浏览器端直接解压（原生 DecompressionStream('zstd') 可用时优先，否则用内置的 fzstd）

安装

先看你的宿主是哪来的。 宿主 0.1.2 把客户端包重新拆分了一次（dsh-client-runtime 拆成 dsh-client-store 等），同时换掉了会话快照的数据模型，所以两条线的插件不通用：

你的宿主 · 装哪个版本 · 命令 0.1.2 及以后——npm 的 @deepseek-ai/dsh（现在的 latest 是 0.2.0-rc.2）、内核 0.1.2 以后的各家桌面版、或自建 master · dsh-maze 2.x，latest 标签 · dsh plugin --profile web add dsh-maze 老宿主（0.1.0-rc.6 ~ 0.1.1-rc.2） · dsh-maze 1.1.2，手动钉版本 · dsh plugin --profile web add dsh-maze@1.1.2

宿主 `0.1.7` 起需要 dsh-maze `2.3.0` 及以上：0.1.7 改了图标名和子代理目录接口，更早的 2.x 装上去侧边栏入口不显示、实时迷宫页签空白。0.1.6-alpha.2 起的宿主上 2.2.0 虽然不崩，但切换会话时不再自动关闭上传面板，也建议升级。桌面版（`0.2.0-rc.2`）请用 `2.4.0`：本版把 @deepseek-ai/dsh* 的 peer 范围从 <0.2.0 放开到 <0.3.0，并把构建产物 lib/ 纳入版本控制——否则从 GitHub 安装会装出一个没有 lib/index.js 的空壳，插件完全加载不了（2026-10-05 桌面版就是这个原因）。用 pnpm 11 的默认设置时，插件发新版后的 24 小时内，不带版本号的安装会解析回上一版，这时请钉精确版本，例如 dsh plugin --profile desktop add dsh-maze@2.4.0。

兼容性：2.4.0 对着 npm 的 0.2.0-rc.2 全家桶构建，类型检查另在 0.1.2-rc.1、0.1.5-rc.3 两套包上跑过，均为零错误，158 个测试全绿；实机验收在全新的 0.1.5-rc.3、0.1.7-rc.2、0.2.0-rc.2 宿主上做过（2.3.0 那轮：装上安装包、用模拟模型跑会话、界面数字与宿主自己的统计逐项对账，上传页也读通了这些宿主写出的第 3 版、第 4 版会话日志），0.2.0-rc.2 桌面版另装了本版做回归。1.1.x 已对官方 0.1.0-rc.6（构建 + 全量测试）与 rc.8（插槽/类型核对 + 实机验收）验证。

npm install --global @deepseek-ai/dsh
dsh plugin --profile web add dsh-maze
dsh web

重启 dsh web 后，侧边栏底部出现「执行迷宫」入口，每个会话视图多一个「实时迷宫」页签。

从源码安装：

git clone https://github.com/lamost423/dsh-maze.git
cd dsh-maze
corepack enable && pnpm install && pnpm build
dsh plugin --profile web add .
dsh web

也可以直接从 GitHub 装（仓库里带着构建产物，不用你本地构建；不钉版本时拿到的是默认分支最新提交）：

dsh plugin --profile desktop add github:lamost423/dsh-maze

从 dsh-trace-compare 迁移

dsh plugin --profile web remove dsh-trace-compare
dsh plugin --profile web add dsh-maze

旧包停在 v0.7.0（功能与 dsh-maze 1.0.0 相同），此后只有 dsh-maze 继续更新。GitHub 旧地址自动重定向到本仓库。

版本历史

全部演进见 CHANGELOG.md。

开发

pnpm install
pnpm check   # 类型检查 + vitest + 构建

上传/可视化页面是一份自包含的 HTML（src/client/maze-upload.html），运行在沙箱化的 `` 里；解析与渲染全部在浏览器端完成，上传的日志内容不会到达宿主。

许可

MIT。见 NOTICE——本项目包含源自 DeepSeek Harness 的衍生代码。