第 12 卷

第 12 / 43 卷作者：Un-named日期：2026-08-17

**Q4：纯函数测试通过了，实机验证也通过了，但用户反馈"有时候没效果"，可能是什么原因？**

几种可能：① 用户的 `settings.yaml` 里 `reasoningEffort` 是 `low`，降档无效果（已经最低了）；② 用户的任务全是简单工具，本来就快，感知不到差异；③ waterfall 里有其他插件覆

盖了你的返回值。建议加日志记录每步的输入/输出档位。

**Q5：我想给插件加一个用户可配置的开关（设置页里能开关），怎么做？**

用 `settings` 服务注册一个命名空间（如 `speed-plugin`），声明配置项（enabled、 baseline 等）。dsh 的设置页会自动渲染表单，用户修改后通过 `ctx.get` 读取。具体 API 参

考官方 `dsh-settings` 包文档。

**Q6：`recentToolCalls` 函数里为什么要 `reverse()`？**

因为从 events 数组末尾往前遍历（取最近的 N 个），结果是倒序的（最新的在前）。

reverse 后恢复时间正序（最旧的在前），和实际调用顺序一致，方便决策逻辑按"最近窗口"理解。

---

**下一章**：[第 5 章：实战案例](./05-cases.md)（规划中）—— Git 面板、HTML 草稿预览、提速插件。

第 5 章：dsh 能帮你做什么——应用场景全景

> 本章目标：抛开"如何开发 dsh"的视角，站在**使用者**角度，看 dsh 能在哪些日常场景真正帮到你。每个场景都有可复制的任务示例与真实耗时参考。

代码理解都能干

程更有效 <details><summary>本章导航</summary>

王牌)

</details>

场景	典型任务	dsh的工具	实测参考
日常编码	写函数、修bug、	write / read / bash	5-bug修复+49测
	补测试	/ grep	试：94s
数据处理	清洗、分析、可视	read / write / bash	数据清洗+可视化：
	化、报告	/ python	186s
文档知识	API文档、教程、总	read / write	API文档生成：
	结、翻译		1m04s
自动化运维	批量处理、CI任	bash / headless	headless脚本化

务、日志分析

代码理解重构、审查、技术grep / glob /代码重构：4m37s 调研read / bash

> 所有实测来自白皮书第 10 章真实案例（合成数据），详见 [benchmark](./benchmark.md)。

**这是 dsh 生态最被低估的优势**。DeepSeek API 的 **context cache**（提示词缓存）：

重复/相似的输入 token 按缓存价计费。实测（真实 dsh 会话统计）**缓存命中率可达 97%**。

**为什么 dsh 缓存命中率特别高**：

原因说明

会话延续同会话多轮对话，系统提示/技能目录/历史重复 → 命中

稳定的工具 schema每步请求携带相同的工具定义 → 命中

Agent 工作负载特性多步工具链反复携带相同上下文 → 命中率天然高

**成本影响（98% 缓存折扣）**：

计费项	未命中价	缓存命中价	折扣
输入（Flash）	$0.14/M	$0.0028/M	98%
输入（Pro）	$0.435/M	$0.003625/M	99%+

**实际意义**：一个长会话 Agent 任务，绝大部分输入 token 走缓存价——**实测中"50 步工具链任务、2.4M 输入 token"的成本远低于按未命中价计算的预期**。对高频/批量/长会话

场景，这是数量级的成本优势。

> 怎么让缓存命中率更高：**保持会话延续**（不要频繁新开会话）、**稳定 prompt 前缀**（系统提示/技能目录不要反复变化）、批量任务放同一会话/同前缀。

**典型任务**：

**任务示例**（headless 一键跑）：

dsh --profile headless "审查 buggy_calculator.py：找出所有 bug 修复，写完整测试，运行验证全部通过" # 实测：5 个 bug 全修复 + 49 个测试通过（94s）

全站分卷索引 · 43 卷