dsh-CalibGuard

dsh-calibguard

中文 | English

把 CalibGuard 的文件安全审计引擎接进 DeepSeek Harness（DSH）： 让 AI 在执行 / 安装来路不明的代码之前先过一道本地门控，你也可以在侧边栏面板里直接拖文件审计。

• 🔒 默认离线：本地 CodeBERT + Platt 校准给出可解释的「恶意概率」，文件内容不会上传；
• ☁️ 灰区才上云：只有本地拿不准的文件才发一次云端复核（可关闭）；
• 🧭 四档结论：放行 / 可疑 / 拦截 / 转人工，附证据与 Markdown 报告；
• 🧰 三种用法：AI 工具（calibguard_audit 审计 / calibguard_status 状态 / calibguard_configure 改设置）+ 浏览器面板；
• 🛡️ 插件体检：安装/更新别的 DSH 插件时自动扫一遍并提醒（一个频率下拉控制：插件列表更新时 / 周期 / 关闭；不扫自己）；
• 🔔 新版本提示：定时检查本插件是否有新版本，弹窗询问是否升级，绝不静默升级（可设置跳过此版本/以后不再询问）；
• ⚙️ 一套设置：面板里保存的阈值与送审口径，AI 调用同样生效。

本仓库只是 DSH 插件，不是 CalibGuard 主仓库。

CalibGuard 主仓库（引擎、桌面 GUI、基准）：P-436/CalibGuard。

为了让插件开箱即用，运行所需的引擎核心

（calibguard/、audit_service.py、词表与校准参数）已复制到本仓库 `engine/`

（只复制、不改逻辑，同步方法见该目录 README）；模型权重（475 MB）由本仓库 Release 资产分发；

运行时通过常驻 Python 子进程调用引擎。

有什么用（典型场景）

场景 · 你怎么用 · 它给你什么 AI 要运行下载的脚本/安装包 · 说一句「安装前先审一下 D:\downloads\setup.py」 · 四档结论 + 触发证据 + 报告路径，AI 据此决定是否继续 手动检查可疑文件 / 压缩包 · 拖进侧边栏面板 · 逐文件结论、可排序、可点开 Markdown 报告 审计一整个目录 · 粘宿主机目录路径 · 递归逐文件审计（超过上限会明确提示「只审了前 N 个」） 不想把代码传到云上 · 默认即离线；需要时关掉云端复核 · 全程本地推理，灰区按本地 0.5 切分 想要更稳/更省 · 面板调阈值、送审内容源、投递方式并保存 · 面板与 AI 共用同一套口径

结论怎么读

标签 · 含义 · 建议动作 BLOCK 拦截 · 本地模型高置信度恶意 · 不要执行；看报告里的证据 MANUAL 转人工 · 拿不准 / 云端复核失败 · 人工确认，或换个送审口径再跑 SUSPICIOUS 可疑 · 中等概率，可能是正常库里的危险 API · 结合报告判断；压缩后的第三方库常落这里或拦截（见 FAQ） ALLOW 放行 · 本地模型判定安全 · 可以继续

结果里还有：校准后概率 p、推理设备（cpu/cuda）、窗口数、文件 sha256、以及报告文件路径。

安装

开始前：引擎依赖会自动准备（对齐 CG_GUI 的「首启装环境」）

本插件自带引擎（engine/：复制自 CG_GUI 的 calibguard/ 包、audit_service.py、词表与校准参数）， 只差 475 MB 模型权重和 Python 依赖。不用手动装——装好插件重启 DSH 后， 若检测到缺少 /.venv，插件会在后台自动：

1. 把内置 engine/ 复制到 `（默认 ~/.dsh/calibguard-engine`）；
2. 从本仓库 Release 下载模型权重 model.safetensors（约 442 MB 压缩包，GitHub 直连失败会自动尝试 ghproxy 等镜像，

缓存于 ~/.dsh/calibguard-tools/model-cache）；

1. 创建 .venv（不需要你预装 Python：会自动选择本机 64 位 Python 3.10–3.12——会检查 PATH、py 启动器、

%LOCALAPPDATA%\Programs\Python、常见安装目录；只有 3.13+ 或 32 位 Python 时自动下载便携 Python 3.10.8， 约 30 MB，走 GitHub 镜像回退）；想单独准备/排查 Python 可运行 node setup.mjs --prepare-python；

1. 按 requirements-gui.txt 安装依赖（约 1–3 GB，默认清华 PyPI 镜像）；
2. 就绪后工具/面板自动可用。

默认不再从 GitHub 下载 CG 发行包；只有显式 node setup.mjs --from 或 --url

才会走 CG 发行包，用于离线/指定引擎版本。

安装速度：模型/引擎包默认 4 路并发分段下载（实测单连接 0.6 MB/s → 并发 2.3 MB/s）， GitHub 直连失败会自动换 gh-proxy / ghfast / ghproxy 镜像；pip 依赖按 清华 → 阿里 → 中科大 → 腾讯 → 官方 依次回退。可用 DSH_CALIBGUARD_DOWNLOAD_CONNECTIONS 调整并发数。

GPU 自动定档：检测到 NVIDIA 且 CUDA ≥ 12.8、算力 ≥ 7.5（RTX 20/30/40 系）时自动安装 CUDA（cu128）版 torch；否则装 CPU 版（GTX 10 系算力 6.1，cu128 轮子里没有对应 kernel，只能 CPU）。 面板顶部会显示「推理设备：cpu/cuda」和定档原因。

手动覆盖（可选）： node setup.mjs --force-cuda（强制装 CUDA 版，跳过 CUDA/算力检查，风险自负）、 node setup.mjs --cpu（强制 CPU 版），或环境变量 DSH_CALIBGUARD_FORCE_CUDA=1 / DSH_CALIBGUARD_CPU_ONLY=1。装完想切换：node setup.mjs --reinstall-torch --force-cuda 或 --reinstall-torch --cpu。

CPU 版与 CUDA 版 torch 不能同时存在于同一个 venv（同名包会互相覆盖）；

但 CUDA 版 torch 本身就是完整 torch，没有 GPU 时会自动用 CPU，所以不需要共存。

已经有 CPU 版的机器：仅当显卡算力 ≥7.5（如 RTX 2060）且 torch 是 CPU 版时，面板顶部才会显示

「检测到 NVIDIA … 但当前 torch 是 CPU 版」并提供 「一键重装 GPU 版 torch（约 2.5 GB）」 按钮

（会先卸载 CPU 版再装 CUDA 版，完成后自动重启桥接）；算力低于 7.5 的卡（如 GTX 1060 5GB / 6.1）强制 CPU

是正常行为，不会再提示重装。命令行：node "/setup.mjs" --reinstall-torch --force-cuda。

进度在哪看：面板顶部会出现「首次运行：正在自动准备引擎与依赖」卡片（含当前步骤与输出尾巴）； 宿主日志里是 [calibguard] 开头的行。准备期间审计按钮不可用，完成后点「刷新状态」即可。 首次约需 10–20 分钟（取决于网速和 pip 源），只需一次。

安装被中断怎么办：0.5.4 起，装完依赖会实际导入 torch / transformers / sklearn / openai 校验，

成功才写 /.deps-ok.json；如果安装中途被中断（关掉 DSH、关机），下次启动会检测到

依赖不完整并自动补装，不会再把半成品 venv 当作就绪（面板会显示"正在自动补装缺失依赖"）。

想提前预热、或断网/锁网环境需要离线安装，也可以手动跑安装器（同一套逻辑，幂等）：

```powershell

node setup.mjs # 一键：内置引擎 → 下载模型 → venv → 依赖 → 自检

node setup.mjs --from D:\CalibGuard-GUI.zip # 用已下载的发行包，不联网

node setup.mjs --dest D:\CG_GUI # 装到自定义位置（之后配置 engineRoot）

`

已有可用 CG_GUI/（含 .venv）的机器不会重复安装。

如果不想让插件自动联网，把插件配置 autoSetup 设为 false（此时缺环境会直接报错并提示手动安装）。

前提

1. DSH（DeepSeek Harness）0.1.5-rc.2 实测可用；
2. Python：无需预装——没有 64 位 3.10–3.12 时安装器会自动下载便携版（缓存在 ~/.dsh/calibguard-tools，可用 --no-portable-python 关闭）；
3. 引擎：插件自带；模型权重会自动从本仓库 Release 下载（自动镜像回退）。也可用 --from 指定 CG 发行包，或把 engineRoot 指向已有 CG_GUI/。

方式 0：桌面端「添加插件」（最省事，推荐）

DSH 桌面版只需要一步：设置 → 添加插件 → 输入 `dsh-calibguard` → 重启 DSH。 默认装 npm 上的最新版；要固定版本就写 dsh-calibguard@0.3.3（@ 后面是版本号）。 不需要命令行、不需要下载源码。

输入框里也可以填以下任意一种（装完按提示重启 DSH）：

填什么 · 示例 · 说明 GitHub 仓库地址（推荐） · https://github.com/maomitgd2006/dsh-CalibGuard · 自动拉取源码并登记到当前 profile 的 bundle 本地目录路径 · `（例：D:\code\dsh-calibguard） · 已 clone / 解压到本地时用 **包名** · dsh-calibguard 或 dsh-calibguard@0.3.3 · ✅ **已发布到 npm**；不写版本=装 latest，写 @版本`=固定版本

等价命令行（已实测：安装后 DSH 会自动把包加进 profile 的 dsh.profile.bundles）：

```powershell

dsh plugin --profile add dsh-calibguard # npm 包（推荐）

dsh plugin --profile add https://github.com/maomitgd2006/dsh-CalibGuard # GitHub 源码

dsh plugin --profile add file: # 本地目录

`

npm 包页：

无论用哪种方式，装好后首次运行都不需要手动装引擎——插件会自动准备（见下一节）。

方式 A：命令行安装（npm 包，适合非桌面版 / 脚本化）

dsh plugin --profile <profile> add dsh-calibguard

之后同样在 profile 的 cordis.patch.yml 里插一行，name 直接写包名 dsh-calibguard （本包自带的 cordis.patch.yml 会自动把插件行叠加进配置树）。

desktop profile 被 Electron 独占，CLI 拒绝管理它 —— 桌面版请用「方式 0」，

或「方式 B」的 file:// 行。

方式 B：源码方式（file:// 行，适合本地开发 / 离线）

在 profile 的 cordis.patch.yml 末尾追加（路径改成你的实际位置）：

- insert:
    - id: calibguard
      name: 'file:///<本包绝对路径>/lib/index.js'
      config:
        enabled: true
        device: auto
        announceToModel: true

insert 行的路径会被 DSH 自动改写成 file:// URL；桌面版的 profile 在 /profiles/desktop/cordis.patch.yml（` 默认 ~/.dsh`）。

可选：node scripts/link-dsh.mjs 把 DSH 自带的 @deepseek-ai/* 以目录联接挂到本包，让 defineTool / Config 结构校验这两个可选能力生效（不做也能跑）。

方式 C：发行包（离线 / 不想用 npm）

从 Releases 下载 dsh-calibguard-.zip（约 100 KB，不含 test/），解压到一个固定目录，然后按「方式 B」 把 name 指向解压目录下的 lib/index.js 即可。

验证

• 重启 DSH 后，左侧边栏出现盾牌图标；面板顶部显示「引擎就绪 / 阈值 / 云端复核」状态；
• 或在对话里让我调用 calibguard_status，应返回设备、模型、阈值、凭据是否就绪；
• 命令行自检（不经 DSH，直接测引擎）：

node scripts/bridge-selftest.mjs                       # 只看引擎状态
node scripts/bridge-selftest.mjs "<engineRoot>/samples" # 状态 + 试审计

⚠️ 改完 patch / 面板代码后必须重启 DSH：客户端 bundle 在宿主启动时加载，

已加载的 ESM 模块也有缓存。

使用

1) 让 AI 审计（工具调用）

直接说自然语言即可，AI 会调用 calibguard_audit：