第 13 卷

**为什么 dsh 适合**：编码是工具链最完整的场景——读文件、写代码、跑命令、看结果，闭环顺畅。产物（改的文件）会在对话末尾直接可打开。

**提示词技巧**：一定要写"运行验证"——dsh 会照着闭环；只写"帮我修 bug"它会修完就停。

5.3 场景二：数据处理与分析

**典型任务**：

• 数据质量检查与清洗
• 统计分析
• 可视化（图表）
• 生成分析报告

**任务示例**：

dsh --profile headless "分析 sales_data.json 的数据质量（缺失/类型错/重复/异常），写清洗脚本+可视化脚本，运行验证，总结处理方案" # 实测：52→35 行归零 + 图表 + 权衡说明（186s）

**亮点**（实测）：dsh 不仅执行，还会**说明权衡**——"中位数填充会产生尖峰""异常值是否该删取决于业务"——这是 agent 工程层"会思考"的直接证据。

5.4 场景三：文档与知识工作

**典型任务**：

• 从代码生成 API 文档
• 把笔记整理成结构化文档
• 总结长文、翻译

**任务示例**：

dsh --profile headless "为 user_module.py（8 个函数）生成完整 Markdown API 文档：参数表、返回值、异常、示例、边界情况" # 实测：423 行 ReadTheDocs 风格文档（1m04s），主动识别"文档契约 vs 代码

实现"差异

**亮点**（实测）：dsh 会**防御式写作**——标注调用陷阱（负数 limit 行为、空参数行为）、发现文档声明与实现不符的地方如实说明。

5.5 场景四：自动化与运维（headless 是王牌）

**典型任务**：

• 每天定时跑数据任务（日报、监控摘要）
• 批量文件处理（重命名、格式转换）
• CI 里的自动化检查

**任务示例**（脚本化）：

# cron 每天 8 点生成日报 dsh --profile headless "读取工作区 git log，生成中文日报" > dailyreport.md # 批处理：目录里所有 .txt 转 .md dsh --profile headless "把 docs/ 下所有 .txt 转成

.md（保留结构）"

**为什么 headless 是王牌**：进程级工具（bash/文件/搜索）全可用 + 非零退出码即失败

• 输出可管道——**它是"能写进 CI 的 Agent"**。

5.6 场景五：代码理解与重构

**典型任务**：

• 把过程式代码重构为 OOP
• 全仓库代码审查
• 技术调研（"这个模块怎么工作的"）

**任务示例**：

dsh --profile headless "把 legacy_orders.py 重构为面向对象+职责分离，保持行为一致，写测试验证重构前后输出相同" # 实测：17/17 测试通过，含脚本级产物对比（4m37s）

**亮点**（实测）：dsh 的工程意识——识别重复代码合并单一入口、保持向后兼容、**发现沙箱下 tempfile 权限问题主动换方案**。

5.7 让场景落地的三个提示词法则

1. **写验收标准，不写过程**：`"运行验证通过"` > `"写一个脚本"`——dsh 自己会编排

步骤

1. **给上下文**：一句话说清背景（文件在哪、数据长什么样、目标读者是谁）
2. **一次一个任务**：复杂目标拆成多轮（每轮一个小闭环），比一次给巨型任务更可

靠

5.8 我的第一个真实任务（15 分钟上手）

1. 建一个测试目录，放一个你手头的小文件（代码/数据/笔记）
2. 跑：`dsh --profile headless "总结这个文件，指出 3 个可改进点"`
3. 跑：`dsh --profile headless "给这个文件写一个测试/生成文档"`
4. 对比输出，感受 dsh 的"完成度"——它是不是只给了个大概？验收标准写清楚了吗？

---

动手练习

1. **场景识别**：给你手头的 3 个日常任务，判断各属于哪个场景（编码/数据/文档/自

动化/理解）

1. **提示词对比**：对同一任务写两个版本提示词——一个"描述过程"、一个"写验收标

准"，跑一遍对比结果

1. **headless 脚本化**：把"每日 git 日报"写成一行 cron/bash 命令，验证输出
2. **多步任务**：设计一个跨场景任务（如"读代码 → 生成文档 → 输出报告"），看

dsh 如何编排

1. **思考题**：什么场景 dsh 不适合？（提示：实时交互、需要人工审批的敏感操作）

常见疑问（FAQ）

• **Q：dsh 只是编码助手吗？** 不是——工具链（读/写/跑/搜）让它通用，数据处理/文

档/自动化都验证过

• **Q：复杂任务会跑多久？** 实测 1-5 分钟（V4-Flash）；要更快可以降推理档（第 6

章）

• **Q：任务失败怎么办？** 看输出里的工具调用轨迹定位；多数是"验收标准不清晰"，重

写提示词重跑

• **Q：能自动化运行吗？** 能——headless + 非零退出码 + 管道输出，可进 cron/CI
• **Q：安全吗？** 工具执行有沙箱与审批层；敏感操作建议人工确认（第 8 章安全模型）
• **Q：和直接用 Claude Code 有什么区别？** 同模型下能力接近，但 dsh 可自定义工具

链/界面/插件（第 1 章矩阵）

---

**下一章**：[第 6 章：进阶与性能调优](./06-advanced.md)

5.9 行业视角：dsh 在不同领域的打开方式

> 同一套工具链，不同行业的用法。以下为通用场景（不含真实业务数据），合规敏感领域（医疗 /法律）请务必人工审核。

金融与投研

• **任务**：财报摘要、研报要点提取、因子说明文档、投资备忘
• **示例**：`dsh --profile headless "读取这份财务数据，生成含同比/环比变化的摘要报

告"`

• **dsh 优势**：数据处理管线顺手 + 高缓存命中（长报告会话便宜）

教育与学习

• **任务**：教案生成、题目解析、错题归纳、学习计划
• **示例**：`dsh --profile headless "把这章知识点整理成 10 道自测题（含解析）"`
• **dsh 优势**：文档生成 + 结构化为强项，可批量出题/归纳

销售与客服

• **任务**：FAQ 整理、话术生成、客户反馈归类
• **示例**：`dsh --profile headless "把 100 条客户反馈按问题类型归类并给出改进建

议"`

• **dsh 优势**：批量文本处理 + 分类归纳