让 AI 长文经得起追问：DSH 原生插件「论衡」的 9 角色流水线
这是 DSH 专属插件。 论衡（lunheng-article-pipeline）是 DeepSeek Harness 的原生 bundle 插件，只能在 DSH 上运行。它不提供独立命令行工具，也无法搬到 LangChain、CrewAI、AutoGen 或任何 IDE 助手里。如果你不使用 DSH，这篇文章对你只有方法论层面的参考价值。
版本基线 v18.2.5 ｜ 适用 DSH ≥0.1.2-rc.1 且 <0.2.0 ｜ 约 8600 字，读完需要 20 分钟
目录
一、用 AI 写长文，翻车都翻在哪 二、论衡是什么 三、九个角色各自做什么 四、证据底座：三角验证 五、G 体系审计：G0 到 G14 六、M 门：23 项机械终检 七、T6 批判伙伴：C1 到 C7 八、修订回环：2 轮预算到底指什么 九、阶段闸门：T2.5 与 T7.5 十、反哺机制：插件会自己长经验 十一、模型分档：不是越贵越好 十二、论衡适合什么 十三、横向对比：与四类工具的差异 十四、它不适合做什么 十五、实战验证与真实成本 十六、兼容性边界：只能跑在 DSH 上 十七、如何开始使用 十八、写在最后 附录：AI 使用声明
一、用 AI 写长文，翻车都翻在哪
你让 AI 写一篇五千字的行业分析。四十分钟后它交稿了，小标题齐整，排版漂亮，读起来像模像样。
然后你开始核对引用。
第一个链接打不开。第二个链接指向一篇完全不相干的文章。第三个数据，你搜遍全网也找不到出处。你回头再看那段论证，发现它把两家公司的财报数字混在了一起。
于是你把稿子关掉，自己重写。
这不怪你，也不完全怪模型。问题在于我们把一件需要多人协作、反复校验的工作，交给了一次性的生成过程。真实世界里，一篇能站住的深度长文背后通常有记者做采访、编辑做事实核查、同行做评议，最后还有主编写一句「发」。而 AI 写作的默认形态是：一个模型，一次输出，没有人复核。
论衡想解决的正是这件事。它不去追求「让模型写得更聪明」，而是把一篇长文的诞生过程还原成一条有分工、有交接、有检查的生产线。
在展开之前，先把六类最常见的翻车点列清楚，后文的所有机制都对应着其中的一条或几条：
- 幻觉编造：引用是假的，数据是编的，公司名字都对不上
- 观点堆砌：材料一大堆，但每条都不真正支撑论点
- 单边叙事：只讲支持自己的证据，回避反方材料
- 无意识重复：写出来才发现，这个选题早就有人写透了
- 质量靠运气：AI 一次成稿，没有任何独立角色挑错
- 引用悬空：正文标了引用，文末清单却对不上，无法核验
二、论衡是什么
论衡是一个用 9 个独立 AI 角色加 1 个主控调度，把中文深度长文拆成可检查步骤的流水线。
先看两张图，后面所有细节都能挂在这两张图上。
第一张是流水线全景。从定题到交付要经过 6 个阶段，9 个角色各管一段，中间嵌着 4 道必须由人拍板的闸门和 2 道主控自检门。
第二张是质量结构。论衡的防线分三层：底层保证素材可信，中层保证角色互相隔离，顶层用机械检查和人工复核兜住形式错误。单看任何一层都不新鲜，难的是三层咬合。
一句话概括论衡的主张：不是让一个 AI 写得更努力，而是让「写一篇能站住的长文」变成一条可复核的流程。
它能处理的对象有明确边界：2000 字以上、需要事实支撑、面向学术或商业场景的中文长文。低于 2000 字，用通用 AI 助手更快。
三、九个角色各自做什么
角色编号即阶段顺序。T1 到 T3 负责检索，T4 和 T5 负责加工，T6 到 T9 负责防御。这个排列本身带有约束意味：找资料的人、写文章的人、挑毛病的人必须是不同的角色，否则就是自己给自己判卷。
T0 主控：调度者，兼最后一关质检
主控不写正文，也不检索素材。它做四件事：独占维护状态文件防止并发冲突；按角色能力分配模型档位；亲自主持两道阶段闸门；最后以 T8 身份完成终检。
这里有个刻意设计：T8 终检不派发给子代理，必须由主控亲自执行。目的是让最后一关不被外包，主控对成稿负全责。
T1 文献检索员
只抓学术文献与政策文件，产出文献卡 [Lxx]，按可信度分三级：顶刊与权威机构原始文献为 A 级，普通学术期刊与知名智库为 B 级，行业报告与二手综述为 C 级。
T1 还负责一份先行者清单，列出已经写过类似主题的文章。这份清单是防止「自嗨式原创」的关键：审计阶段会拿核心论点与它比对，重复且未声明就是最严重的一级事故。
T2 数据检索员
只抓统计数据与行业报告，产出数据卡 [Dxx]，每条带三样标记：
- 时效标签：绿（一年内）、黄（一到三年）、红（超过三年需重查）
- 信任级别：已发布、使用者投喂、二手转引
- 冲突口径并列：同一指标不同来源不一致时，必须把多个版本都列出来，不允许挑一个顺手的用
还有一条强相关性铁律：每条材料必须写明它支撑哪个论点，写不出来就不收。总量封顶 30 到 50 条。
T3 案例检索员
只抓企业案例与新闻事件，产出案例卡 [Cxx]。必填项包括事件结构（时间、地点与当事方，以及关键决策）、多方立场、至少两个独立来源，还有检索截止日期和事件时间窗口。
这条约束容易被忽略但很重要：无论项目大小，T3 都必须启动。即使选题确实不需要案例，也要走「零条空卡协议」，显式声明无案例需求并输出空卡。这样做是为了不留下「到底查没查案例」的模糊地带。
T4 分析员
把三路检索素材整理成可写作的结构化大纲，产出四样东西：论点与论据的映射表，每个论点配套的反方论证规划，三角验证声明（标明哪些论点证据齐全、哪些存在缺口），以及对先行者清单的原创性差异声明。
T5 写手
把大纲变成可读正文。除了行文，写手还要执行一套去 AI 腔的处理，并保证文末四节齐全：参考文献、数据来源、案例来源，以及 AI 使用声明。
T6 批判伙伴
写手交稿之后、审计之前，由独立角色从反方立场系统攻击论证。七个维度，详见第七节。
T7 审计员
只审不改，且与写手完全隔离，这是审计独立性的底线。审计员执行 G 体系全项检查并出报告。如果打回，必须由写手重新上场修订，主控不得代笔。
T9 同行评审
投稿前的预演审稿人。给出六个维度评分并换算成录用建议。学术论文与行业分析场景默认开启，纯商业评论可以跳过。
T8 终检
最后一道门。跑机械终检，生成报告，填写交付说明，最后签发定稿。执行者是主控本人。
四、证据底座：三角验证
这是论衡防幻觉的第一道防线，逻辑很朴素：不允许任何核心论点悬空存在。
每个核心论点都要挂靠到下面三类材料中的至少两类：
| 类型 | 标识 | 含义 | 例子 |
|---|---|---|---|
| 文献支撑 | [Lxx] | 学术文献、政策文件 | 权威机构毒理报告、同行评议论文 |
| 数据支撑 | [Dxx] | 统计数据、行业报告 | 咨询机构年度报告、统计公报 |
| 案例支撑 | [Cxx] | 企业案例、新闻事件 | 具体年份的具体事件 |
触发规则区分场景：涉及企业行为或具体事件时，要求至少两项齐全；纯理论论证可以只靠文献与数据。
真正的纪律在缺口处理上。检索不到的素材必须如实标注为「证据缺口」，禁止编造。 从较早版本起，三角验证覆盖情况已由机械检查项自动拦截，不再依赖审计员事后兜底。这意味着即使写手想蒙混过关，也过不了自动检查。
五、G 体系审计：G0 到 G14
审计员执行的检查清单共 15 个主项加 3 个子项，分三档严重度：P0 必须重写，P1 必须修订，P2 建议改进。以下摘出实战中权重最高的几项。
G1 引用分级核验。C 级引用全部实测核验，B 级抽验一半以上，A 级抽验一成。一旦抓到假引用，立即升级为 P0 并把核验比例提到 100%。核验同时区分「数字对不对」和「文献是否真实存在」两个层次。
G2 数据溯源。逐个数字回溯到数据卡，正文里出现数据卡中没有的数字，直接判 P0。
G7 原创性审计。对照先行者清单，核心论点与他人公开文章重复且未主动声明，判 P0。
G11 数据时效。超过五年的数据必须重新检索替换，确实无法替换时要显式说明时效风险。
G12 信任级别一致性。正文引用方式必须与数据卡的信任级别相称，低信任数据不得当作权威结论使用。
G13 AI 使用披露。交付说明必须包含 AI 生成内容、使用者原创洞察、检索所得真实证据这三段披露。
G14 中文 AI 腔检测。这是论衡比较有特色的一项，第八类检测维度专门针对中文写作习惯：学术模板语高频出现、连续段落句式同质；互联网黑话堆砌与破折号滥用；排比密集、人称错位、个人辨识度不足，以及官方话语过度堆叠。判定分三档：命中 0 到 2 类通过，3 到 4 类触发一轮修订，命中 5 类以上触发两轮强制修订。
这里要强调一个边界：G14 是风格净化，不是痕迹隐藏。 它的目标是让中文读起来像人写的，同时 G13 照常在交付说明里声明这篇稿子由 AI 辅助生成。论衡不打算掩盖 AI 身份，只想让文本质量达标。
六、M 门：23 项机械终检
M 门是整条流水线里工程味最重的一环，也是被问得最多的部分。它在终检阶段对定稿做机械化检查，共 23 项。
23 项的分组
| 组别 | 数量 | 性质 | 典型检查内容 |
|---|---|---|---|
| M-Form | 11 | 形式合规 | 引用标注完整性、临时编号残留，角色元数据泄露、过程语言残留，信任级别标注、文末节标题白名单，文末五节顺序、三角验证覆盖率，以及图件闭环、索引段完整性、素材按需加载闭环 |
| M-Exist | 10 | 存在性合规 | 文末四节双向比对、证据包文件完整性，信任级别一致性、审计条目闭环，闸门记录表、审稿报告与期刊匹配，交付说明字段齐备、批判报告覆盖，以及审计报告 G 项覆盖、大纲精简段 |
| M-Integrity | 2 | 完整性合规 | M-Integrity-1 对应 T2.5 闸门，M-Integrity-2 对应 T7.5 闸门 |
谁在判：脚本与判官的分工
23 项里，22 项由随包脚本 m-gate-check.mjs 完成机械判定，不经过大模型推理，输出可复现的退出码。
这 22 项中的 M-Form-8 还要额外过一道判断力复核。它检查「承重墙」质量，也就是同一份证据是否被三个以上论点同时承重。这类判断需要理解论证结构，因此由 T7 与 T8 复核。
剩下 1 项 M-Integrity-2 完全交给主控人工：它涉及跨文件一致性（交付物与操作员报告是否隔离、修订轮是否由独立写手执行），脚本难以独立完成。22 项加这 1 项，合计 23 项。
退出码语义
| 退出码 | 含义 | 主控如何处理 |
|---|---|---|
| 0 | 通过 | 签发定稿 |
| 1 | 存在 P1 | 必须修订后重跑 |
| 2 | 存在 P0 | 重启相关阶段 |
| 3 | 仅剩 P2 级软性跳过项 | 不能当通过，必须人工复核后再决定 |
| 10 | 参数或路径错误 | 修正调用方式，不得当作 P1 处理 |
| 70 | 脚本内部错误 | 属于脚本缺陷，与内容判定无关 |
路径错误单独用 10 号表示，是踩过坑之后的修正。早期脚本会把「定稿不存在」误判成 P1，下游会因此触发一轮本不该发生的修订。
双字段设计：脚本是筛子，判官是人
M 门报告 M-Gate-Report.json 必须同时保留两个字段：
script_exit_raw：脚本输出的原始值，禁止修改，这是可追溯的机械证据exit：T8 复核后的最终裁定值
两者不一致时（实测约 45% 的检查项需要人工修正），必须附带证伪证据：逐条枚举命中的具体位置、真阳性模式扫描结果、规范冲突说明，以及独立复核来源。缺了这些内容，报告会被视为伪造。
这个设计承认了一个现实：脚本判定有假阳性，也有人工判断覆盖不到的盲区。 所以 script_exit_raw 不为 0 不等于真有缺陷，而 exit 为 0 也不保证稿件无瑕。判别责任由 T7 和 T8 显式承担。
闸门必须留机械证据
两道阶段闸门和 M 门都不允许只凭口头自述。交接报告必须附上脚本退出码和产物路径，例如：
m-gate-check.mjs --report <项目>/final/M-Gate-Report.json exit=0
产物：run/<项目>/final/M-Gate-Report.json（4.2 KB，结构自检通过）只写「已检查」会被机械检查判 P1。
激活时序的坑
有四项检查的前提是「相关报告已落盘」，脚本对它们加了「报告后激活」标记。因此报告落盘后必须重跑 M 门，才能取用闸门口径。主控预跑的 JSON 不能直接当作闸门输入。
七、T6 批判伙伴：C1 到 C7
T6 的工作不是简单挑刺，而是结构化的反方论证。七个攻击维度各有侧重：
- C1 承重点识别：每个核心论点最脆弱的地方在哪
- C2 论证链薄弱环：包含因果断面三问，即这是相关还是因果、有没有反向因果、有没有第三变量
- C3 理论假设审查：论证依赖的隐含假设是否站得住，假设错了结论会不会一起塌
- C4 立场中立性：作者立场是否过度偏向一方，有没有未披露的利益相关
- C5 反方完整性：反方观点是否被充分呈现，还是只挑了软柿子
- C6 元叙事清理：与 G14 互补，G14 查写作层面的机器味，C6 查论证层面的机器味，例如过度对称的结构和八股式起承转合
- C7 一处两用识别：同一份证据是否被用来支撑两个相反论点，这是硬伤
T6 属于流水线内部动作，使用者不介入。它的产出直接交给写手修订。
八、修订回环：2 轮预算到底指什么
「最多 2 轮」是论衡最容易被误读的规则，值得单独说明。
这 2 轮是审计阶段的独立预算，不吞掉前面的轮次：
| 轮次 | 触发来源 | 是否计入 2 轮 |
|---|---|---|
| v1 → v2 | 使用者在洞察节点的补充 | 不计入 |
| v2 → v3 | T6 批判反馈 | 不计入 |
| v3 → v4 | T7 审计打回，第 1 轮 | 计入 |
| v4 → v5 | T7 审计打回，第 2 轮 | 计入 |
| v5 仍不过 | 如实标注局限后交付，或升级决策 | 结束 |
为什么要分轨？如果把使用者洞察、批判反馈、审计修订全部塞进同一个 2 轮预算，真正需要修的硬伤就会没有轮次可用。
还有一条纪律：修订必须由独立写手执行。主控不代笔，唯一例外是事实类错误可以由 T8 直接改正，因为那是查证工作而不是写作。
九、阶段闸门：T2.5 与 T7.5
这两道门不是派发任务，而是主控亲自主持的检查点。
T2.5 卡在检索与分析之间。派发分析员之前，主控要确认三路检索真的齐了：数量是否达标、卡片格式是否合规、有没有覆盖盲区。不齐就补检索，不许绕过交接直接进入分析。
T7.5 卡在审计与终检之间。跑机械终检之前，主控要确认审计报告给出了明确判定：严重度分级是否清晰、是否附机械证据、有没有未关闭项。报告含糊就打回重审。
这两道门针对的是流水线里最常见的浪费：上游没交清楚，下游就开始瞎跑。
十、反哺机制：插件会自己长经验
每跑完一个项目，审计员会自动产出一份反哺报告，把这次踩的坑沉淀成可复用规则。经使用者确认后合并回角色卡，插件因此持续演进。
几个真实沉淀下来的例子：
- 回顾报道年份必须交叉核验。起因是写手把一篇多年前的回顾报道当成了最新研究引用，被时效检查抓到。规则落到检索角色卡后，后续检索会强制标注原始研究年份与回顾报道年份两个字段。
- 数据卡计数自检。某次产出 30 条数据卡，实际只有 18 条字段完整。规则落到数据卡自检流程。
- AI 声明不得泄露内部代号。写手曾把内部版本代号写进 AI 使用声明，被文末双向比对抓到。规则落到写作模板，禁止内部版本号外泄。
反哺报告不会自动提交。机制文件受写保护，包括技能定义、角色卡、脚本和补丁配置，任何角色都不得擅自改动，改动即视为最严重违规。较新版本把这个约束从提示词升级为工具层拦截，命中受保护位置的写入请求会在分发前被直接拒绝。
需要说明这个保护的边界：它只看工具调用，命令行执行和子进程不经过这道门。所以它是「比提示词强、比强制机制弱」的一层防护，真正的可信度仍然依靠版本管理与人工复核。
十一、模型分档：不是越贵越好
论衡按角色分配模型档位，分四档加一个特例：
| 档位 | 对应角色 | 选型思路 |
|---|---|---|
| 检索档 | T1、T2、T3 | 便宜快速即可，检索是体力活 |
| 分析写作档 | T4、T5 | 需要强推理，论点和行文都吃模型能力 |
| 批判审计档 | T6、T7 与 T9，以及 G14 | 顶配防漏判，挑毛病宁可慢一点 |
| 主控档 | T0 | 稳定路由，不参与分档 |
| 终检特例 | T8 | 主控亲执行，不适用分档 |
如果没有安装分档预设，全部角色回退到继承会话模型，流水线照常运行，零配置可用。但使用者会在定题阶段收到一次性告知，明确「本机未挂载分档预设，批判审计类角色将继承会话模型」。禁止静默降级，避免以为在用顶配档、实际跑的是基础档。
档位可以通过环境变量单独覆盖，provider 与 model 两个字段相互独立。
十二、论衡适合什么
讲完机制，回到最实际的问题：它到底为谁设计。
学术论文与投稿准备
适用于中文学术期刊投稿、学位论文章节的文献综述与分析部分、系统综述与研究进展报告，以及需要快速产出可被同行检验的会议论文。
对应的能力支撑包括：符合国家标准的引用格式；三角验证与同行评审角色；原创性审计与形式合规检查。
商业评论与产业分析
适用于行业研究报告、公司深度分析（商业模式与竞争格局）、赛道趋势研判，以及商业媒体的深度稿件。
对应的能力支撑是三角验证、案例多源交叉核验、结构化反方论证，以及引用分级抽验。反方论证这一项对商业写作尤其有价值，它能拦住明显的单边鼓吹。
公众号深度长文与品牌内容
适用于五千字以上的深度专题、行业白皮书、专业领域的科普内容，以及需要可信度而非情绪化的品牌叙事。
对应的能力支撑是中文 AI 腔检测、四道人工闸门，以及合规的 AI 使用声明。
智库报告与政策研究
适用于政策建议与决策咨询报告、行业协会白皮书与技术路线图、社会议题研究，以及高校智库的应用政策研究。
对应的能力支撑是三路素材齐全，加上文末四节的规范结构。
学位论文与课程论文
适用于毕业论文、开题报告、人文社科类课程论文，以及海外申请的研究计划。
字数分层建议
| 字数区间 | 流水线配置 | 典型场景 |
|---|---|---|
| 5000 字以上 | 全量配置，9 角色加批判、审计与审稿，修订最多 2 轮 | 学术论文、行业研究报告、深度专题 |
| 3000 到 5000 字 | 全量配置，案例检索必启动，批判可选，审稿默认开启 | 公众号深度文、商业评论、智库报告 |
| 2000 到 3000 字 | 轻量档，文献与数据必跑，案例走空卡协议，批判跳过 | 课程论文、行业周报、商业短评 |
| 2000 字以下 | 主控加写手两角色简化直写 | 论衡不推荐，请用通用 AI 助手 |
一句话总结：论衡适合任何需要经得起追问的中文深度长文。你的读者可能是导师、编辑或主管，也可能是客户、监管方或期刊审稿人。只要他们可能追问来源，论衡就有价值。
十三、横向对比：与四类工具的差异
把论衡放进坐标系，先要看清楚「同类」都有谁。市面上的相关工具大致分四类，每一类都解决了一部分问题，但都不解决「要站得住脚」这个核心诉求。
与通用 AI 助手相比
ChatGPT、Claude、Kimi 这类工具的强项是通用对话、写代码、出创意。
它们在长文写作上的短板很具体：检索、写作、审校由同一个模型完成，相当于让一个人既当球员又当裁判；引用真伪完全依赖模型自觉；没有必须由人签字的环节；写出来的机器腔需要人工返工。
论衡的应对是用 9 个角色做隔离、用 4 道闸门强制人工介入、用专门的中文腔检测拦截风格问题。通用 AI 依赖模型自觉，论衡依赖流程强制。
与写作 SaaS 相比
模板化写作工具的强项是产出快、结构规整，对搜索引擎友好。它们的目标场景是引流文、种草文与营销文案，这与论衡定位的深度长文并不重合。论衡的适用说明里明确写着不适用营销软文。
更实质的差异在方法上：SaaS 工具默认单边叙事，不主动寻找反方；不做学术引用规范；写完即交付，没有与写手隔离的审计角色。SaaS 工具追求「看着还行」，论衡追求「经得起追问」。
与多 Agent 框架相比
CrewAI、AutoGen、MetaGPT 这类框架的强项是灵活的智能体编排。它们本质上是工具箱，不是论文生产线。
你可以用这类框架搭一个论衡的仿制品，但需要自己定义角色分工、编写检查清单，还要设计验证规则、积累领域知识。从零搭出同等机制的工作量，约等于重写一个论衡。 框架是引擎，论衡是整车。
与学术检索工具相比
Elicit、Consensus 这类工具的强项是文献检索与引用图谱。
它们只做上游：给你一批文献，写作与质量把关都要你自己完成。而且它们以英文文献为主，对中文期刊和政策文件的覆盖有限。
十四、它不适合做什么
论衡的适用说明写得相当克制，明确列出不适用场景：
- 2000 字以下的短文与即时问答：流水线成本不划算
- 文学创作：小说、诗歌、剧本的叙事逻辑与论说文逻辑不同
- 需要数学推导或实验设计的理工科论文：不适合让模型原创推导与实验
- 营销软文：流水线会拒绝，或写出来偏理性，达不到煽动效果
- 需要一手数据但尚未投喂素材的选题：问卷、访谈与田野调查，以及实验数据，都不在主动采集范围内
如果你要的是「三十秒出一个抓眼球的标题加转化文案」，论衡不是为这个场景设计的。
十五、实战验证与真实成本
论衡不是概念演示，它已经真实跑通过多个项目。
一个公开记录在案的完整案例是某食品安全事件的公众号深度长文（约 4200 字）。该项目的过程数据如下：
- 检索产出：12 篇文献（含权威机构毒理文献与同行评议研究）、8 篇先行者文章、29 条数据、4 个案例
- 三角验证：5 个核心论点全部实现文献、数据、案例三齐
- 批判阶段：5 个论点的可攻击性分布为高 2 个、中 2 个、低 1 个，抓出一处剂量层数量级断言与天然本底数值冲突的逻辑断裂，判为 P0 级修订项，写手按清单加固 4 处
- 审计阶段：第一轮打回 3 项 P1（回顾报道年份跨源冲突、口径说明被误当官方原文、AI 声明内部代号泄露），由主控直接修完后第二轮通过
- 终检：机械检查全部通过，交付定稿、8 个文件的证据包、终检报告与交付说明
- 反哺：沉淀 6 条可复用规则，其中包含「回顾报道年份必交叉核验」
整体结果是零编造、引用闭环完整；数据缺口按纪律零引用；低信任数据全程使用限定词；科学争议部分并列呈现，而非单边下结论。
真实成本
一篇 5000 字深度长文的完整流水线，大约需要一到三小时：
- 并行检索：15 到 25 分钟
- 分析与写作：30 到 60 分钟
- 批判、审计与审稿：30 到 45 分钟
- 四道人工闸门的决策时间：15 到 30 分钟，这部分占用的是使用者本人的时间
成本由三个变量决定：模型档位的选择、文章复杂度、以及使用者在闸门上的决策速度。可以调用随包的 token 成本脚本查看每个角色实际消耗，实战中审计与中文腔检测两个角色通常最贵。
十六、兼容性边界：只能跑在 DSH 上
前面讲的是能力，这一节讲约束。论衡与 DSH 的耦合很深，不存在可以迁移的适配层。
必要条件
| 项目 | 要求 | 说明 |
|---|---|---|
| 宿主框架 | DeepSeek Harness 0.1.2-rc.1 及以上，低于 0.2.0 | 论衡深度耦合 DSH 的子代理机制 |
| 同伴依赖 | DSH 核心包、工具包、子代理工具包 | 均为可选同伴依赖，由 DSH 提供 |
| Node.js | ^22.19.0 或 >=24.0.0 | npm 包对 Node 版本有硬性要求 |
| pnpm | 使用命令行安装方式时需要 | 内部会转为 pnpm 执行 |
深度依赖的 DSH 能力
| 论衡需要的能力 | DSH 提供的工具 | 缺失后果 |
|---|---|---|
| 子代理编排 | subagent、subagent_fork | 无法派发 9 个角色，流水线不复存在 |
| 子代理巡检 | list_agents | 超时介入失效，卡死无人发现 |
| 联网检索 | web_search、web_fetch | 无法执行并行检索，证据底座落空 |
| 计划跟踪 | todo_write | 主控无法编排多阶段流程 |
| 技能注册 | ctx.skills.register() | 技能注册不上，调用入口不存在 |
| 机制文件保护 | ctx.tools.guard() | 机制文件可被任意角色篡改，机械门失去意义 |
| 副作用管理 | ctx.effect() 与 Cordis 组件生命周期 | 长任务的资源无法释放（Cordis 是 DSH 底层的组件框架，负责插件的加载与卸载） |
明确不兼容的环境
- LangChain、LlamaIndex、Haystack：没有技能注册机制，也没有可续接的子代理
- CrewAI、AutoGen、LangGraph：多智能体编排走各自协议，与 DSH 的子代理模型不同
- 直接调用模型 API：论衡不是单次模型调用，而是需要宿主托管状态、子代理与文件系统的完整流水线
- IDE 助手：与 DSH 的子代理模型不通用
- Python 生态：论衡是 JavaScript 模块，入口为
lib/index.js，没有 pip 包
一句话概括：DSH 是论衡的运行环境，没有 DSH 它跑不起来。 动手之前请先确认你的环境。
十七、如何开始使用
先决条件：环境中需先安装 DeepSeek Harness（0.1.2-rc.1 及以上、低于 0.2.0）。论衡是 DSH 的 bundle 插件，没有宿主框架无法运行。官方仓库地址见文末。
论衡 v18.2.5 在 DSH 之上提供三种部署方式。
方式一：从 npm 安装
论衡已发布到 npm 公共仓库。发布链路走 GitHub Actions 的 OIDC 可信发布，附带 SLSA 来源证明，供应链可追溯到提交。
# 安装最新稳定版
npm install lunheng-article-pipeline
# 或指定 dsh 通道（当前与 latest 同版本）
npm install lunheng-article-pipeline@dsh
# 或锁定具体版本
npm install lunheng-article-pipeline@18.2.5安装完成后，把包名加入 DSH profile 的 bundles 清单，然后重启 dsh web：
// $DSH_HOME/profiles/web/package.json
{
「dsh」: {
「profile」: {
「bundles」: [
「lunheng-article-pipeline」
]
}
}
}包的关键信息：
- 包名
lunheng-article-pipeline - 最新版本 18.2.5，发布于 2026 年 9 月 13 日
- 版本标签
latest与dsh指向同一版本 - 入口文件
lib/index.js，ESM 模块 - Node 要求
^22.19.0或>=24.0.0
方式二：用 DSH 命令安装
dsh plugin add lunheng-article-pipeline注意这条命令只负责装包，不会自动把 bundle 写进 profile 的清单，那一步需要手动完成。
方式三：直接复制技能目录
把技能目录整体复制到任一技能根目录即可。适用于调试和二次开发。
技能发现按优先级排序，数字越小越优先：
| 优先级 | 位置 | 说明 |
|---|---|---|
| 100 | 项目级技能目录 | 优先级最高，会静默顶替已安装的 bundle |
| 250 | bundle 注册 | 本包默认形态 |
| 400 | 用户级技能目录 | 无法覆盖已安装的 bundle |
这里有个反直觉的细节值得记住：项目级副本会静默顶替 bundle。 所以如果你既装了 bundle 又留了项目副本，实际生效的一直是副本，而不是你以为的「bundle 更新会覆盖副本」。
验证安装
新会话的技能目录中应出现 lunheng-article-pipeline。对它说「加载 lunheng-article-pipeline 技能」，或直接给一个深度文章主题，它会先走定题确认流程，包括外部服务的授权选择，然后启动流水线。
使用者侧还可以用状态查询命令随时查看项目进展，这条命令只读取文件，不产生模型调用。
十八、写在最后
论衡把「写一篇好文章」这件看起来靠才华的事，拆成了一套可复制、可审计、可交接的工程流程：
- 证据底座防幻觉，三角验证防堆砌
- 反方论证防单边，先行者检索防重复
- 批判伙伴磨论证，独立审计防质量漂移
- 机械终检防侥幸，人工闸门防跑偏
- 反哺机制让插件自己长经验
坦率地说它的局限也很明显。它需要你投入一到三小时，需要你在四个节点上做判断，也不适合任何追求即时产出的场景。
最后说一次差异化的判断标准。如果你只是想让 AI 帮忙写点东西，通用 AI 助手已经够用，不需要论衡。
但如果你需要一篇能交给导师、编辑、主管或客户，并且经得起追问的深度长文，那么论衡是我目前检索到的、把角色分工、证据三角验证与中文腔拦截，连同强制人工闸门、学术引用规范和经验回流，成套实现的开源方案。截至 v18.2.5，我没有找到把这些机制咬合到同等完整度的公开项目。
当然，这句话本身也需要被追问。欢迎你带着反例来找我。
附录：AI 使用声明
本文由 AI 辅助撰写，事实来源与责任归属如下，供读者判断可信度：
AI 生成内容：全文的行文组织与表达由 AI 完成。四个 SVG 图件由 AI 手工编写矢量代码生成。
经核实的检索证据：论衡的机制描述（角色分工、G 体系、M 门项数与退出码语义、三角验证；修订轮规则、模型分档、技能发现优先级）来自论衡 v18.2.5 随包技术文档：
- 技能定义与启动清单
references/_shared/M-Gate-Algorithm.md（M 门 23 项算法）references/_shared/audit-checklist-quickref.md（G 体系清单）references/gates/14-中文 AI 痕迹-gate.md（G14 八维定义）references/deliverables.md与references/glossary.md（闸门项数与术语口径）
npm 包版本号、版本标签与发布信息通过 npm registry 实测核对。
作者判断：对比章节的分类框架、场景适用性判断、以及「与四类工具差异」的表述属于作者立场，不是客观事实陈述。
已知局限：
- 文中「约 45% 的机械检查项需要人工修正」来自论衡自身文档记录的实测值，样本为论衡作者的真实项目，样本量有限
- 实战验证章节的案例数据来自论衡项目的公开记录，未经第三方独立复核
- 对比章节中其他工具的能力描述基于公开资料，产品能力与开源状态会随时间变化，请以各自官方仓库为准
获取方式
- GitHub 仓库：HTTPS://GitHub.com/zuoyunlai/lunheng-article-pipeline-dsh
- npm 包：lunheng-article-pipeline
- DSH 官方仓库：HTTPS://GitHub.com/deepseek-ai/DeepSeek-Harness
- 开源许可：MIT，Copyright © 2026 左运来（zuoyunlai）
