DSH 新手教学

这份手册写给从来没接触过 AI Agent 的人。不需要任何编程基础，也不用一次读完——先照着「第一个任务」那节做完一遍，剩下的遇到问题再回来查。读完你会知道：它是什么、项目和子代理是什么、界面上的开关是什么意思、第一句话该怎么说、出问题先查哪里。

先搞清楚：大模型、聊天机器人、Agent 是三样东西

大模型（也叫语言模型、LLM）本质上只做一件事：看着前面的文字，算出下一个词最可能是什么，接上去，再算下一个。你看到的一整段回答，是它一个词一个词接出来的。

它为什么能接得像个懂行的人？因为训练的时候它读了几万亿字的文本——网页、书、代码、论坛帖子。读得足够多之后，「什么样的上文后面通常接什么」这件事就被压进了它内部那几百亿到上万亿个参数里。参数是一堆数字，不是一个资料库，里面并没有哪一条写着「北京是中国的首都」。

所以严格说，它不是「查资料」，是「接话」。它答得对，是因为正确的接法在语料里出现过无数次。这个区别带来三个直接后果：它不知道今天发生的事（除非有人把今天的消息喂给它）；它不知道你电脑上有什么文件（除非给它工具去读）；它会把「接得像」当成「答得对」，于是会编——这就是幻觉。

聊天机器人 = 大模型 + 一个输入框 + 一层产品外壳。你手机里那个 App、浏览器里打开的那个网页，都是它——DeepSeek、豆包、Kimi、ChatGPT，形态完全一样：你打字，它回话，说完就停。

它没有手。你跟它说「帮我把这个文件夹里的图都压成 800 宽」，它会告诉你用什么工具、按什么步骤操作——然后呢？然后得你自己去点、去下载、去复制粘贴。

Agent = 大模型 + 工具 + 一个循环。循环是：想一步 → 动手 → 看结果 → 发现不对就改 → 再来一次，直到做完或者卡住。有了手和这个循环，它才从「告诉你怎么办」变成「替你办」。

• 擅长：重复的、有明确判断标准的、能在电脑上完成的事
• 擅长：一次要改很多文件、很多地方，人工做容易漏的事
• 不擅长：需要你自己拿主意的事——它只能给你选项，选哪个是你的事
• 不擅长：需要跑一趟现场、打一个电话、见一个人的事
• 不擅长：它不知道的事实。它不知道就会编，编得还挺像

同一个模型，套上输入框就是聊天机器人，套上工具和循环就是 Agent。模型决定它懂多少，工具决定它能干多少。

一个具体例子，看清差别

假设你说：「把桌面这个文件夹里的图片都压成 800 宽。」

普通对话会回你一段代码，或者一段操作步骤，然后说「你可以用这个工具处理」。你复制、安装、运行，出错了再回来问它。

Agent 会自己列出这个文件夹里有哪些图、一张一张处理、遇到打不开的那张记下来、最后告诉你「12 张成功，1 张失败，失败的是 a.jpg，格式不支持」。

你的工作从「执行」变成了「验收」。

那它靠什么动手？靠工具

Agent 自己会的事其实很少。它真正会的是「调用工具」：读写文件是一个工具，跑命令是一个工具，查网页是一个工具，开浏览器是另一个工具。

所以一个 Agent 有多大本事，不取决于模型多强，取决于它手里有什么工具。这也是为什么会有插件——插件就是给它加工具。

每次它要动手，界面上都会显示「我要读这个文件」「我要跑这条命令」，点开能看到具体内容。这一点很重要：它不是在后台偷偷干，你能看着它干。

• 读写文件 —— 打开、修改、保存、批量重命名
• 跑命令 —— 装依赖、跑测试、启动一个服务
• 搜网页、读网页 —— 查文档、抄报错去搜
• 开浏览器 —— 点按钮、填表单、截图
• 连外部系统 —— 数据库、你的笔记、公司内部接口（这类通常靠 MCP 插件接进来）

主流的 Agent：装哪一个

下面这张表按 2026 年 10 月的情况写。这类东西三个月一变，名字记住就行，别记版本号。

先分清形态：桌面端是装在自己电脑上的应用，点开就能用；终端是开一个命令行窗口敲字；编辑器形态则长在写代码的软件里。现在主流这几个基本都同时在做好几种形态，只是各自的主场不一样。

新手别纠结形态。桌面端先跑通，等你确实碰到天花板，再去试终端那套或者换模型。

主流的大模型：接哪一个

模型是「脑子」，Agent 是「身体」。同一个 Agent 通常能换模型——贵一点的更准，便宜一点的更快，所以别把客户端和模型当成一回事。

下面这些是第一梯队。只写名字，不写第几代——更新太快，写了也没有意义。分两栏看：国产的用人民币付、访问稳定；海外的上限高一档，但要多绕一步。

没用过的：DSH 配 DeepSeek，国内直连、便宜、够用。等你确实碰到边界——任务太长、材料太大、它开始犯错——再换贵的，或者给同一个客户端换个模型接进来。

第一次打开，界面上那几个开关是什么

第一次打开，你会看到几个要设的东西。它们大意是同一类：让它干什么、在哪个目录里干活、动手前要不要问你、这次用哪个模型。

不同版本的名字不完全一样，按意思找，别按字面找。

项目和项目文件夹：DSH 是按项目干活的

打开之后第一件事不是打字，是建一个项目。Agent 得先知道「在哪儿干活、能碰什么」，否则它要么到处找，要么反过来问你。

一个项目绑一个文件夹，这个文件夹就是它的活动范围。你往里面放素材、放代码、放要处理的文件，它默认只在这个圈里读写。

这一点跟网页版 AI 完全不同：网页版关掉就忘，项目是留着接着干的。

• 一个项目一件事。想做两件不相干的活儿，就建两个项目，别混在一个文件夹里。
• 文件夹路径别带空格、别用中文特殊符号。有些命令对空格不友好，报错会很难查。
• 第一次用先建一个空文件夹当试验场。跑通了你再决定要不要指向真正的项目目录。

记住这句就够：会话是聊一次，项目是干一件事。换话题开新会话，换事情才开新项目。

子代理：一个干不过来，就派几个

跟你在对话框里说话的那个，叫主代理。活多了它自己忙不过来，就会派几个子代理出去——各干各的，干完把结果交回来。

举个能看懂的例子：你让它「把这个项目的代码看一遍，找出所有还在用旧接口的地方，然后改掉」。它可以让一个子代理去翻代码找位置，另一个子代理去查新接口怎么写，两边同时进行，最后合到一起。串着做要半小时，并行十分钟。

子代理还有个不易察觉的好处：它干活的中间过程不进主对话。翻了两百个文件、试错了八次，回到主对话里的只有一句结论。上下文不会被垃圾撑爆。

• 活能拆开、彼此不依赖，才适合派子代理。有先后顺序的活拆了反而更慢。
• 子代理看不到主对话的全部背景，只能看到你交代给它的那部分。派活的描述必须自己说清楚，别指望它自己领会。
• 它报回来的结论要抽查。子代理不理解任务时会编一个看起来很合理的答案，而且不会主动告诉你它没把握。
• 有些界面把子代理叫「子任务」「并行任务」或者直接显示成一张任务卡片。名字不重要，看到「派出去」「等结果」这类字样就是它。

子代理是省时间和省上下文的工具，不是省心的工具——派出去的活说清楚，回来的结论自己看一眼。

名词表：界面上不解释，但你必须知道

下面这些词，软件里通常不给你解释。但它们决定了你敢不敢按那个按钮。

第一个任务：手把手

不要一上来就让它处理重要文件。先做一个无关紧要的小事，把流程走通。

建议的第一个任务：新建一个空文件夹，放两三张随便什么图片进去，让它给这些图片重命名。

第一次千万不要让它在桌面、文档、或者项目目录上开工。先在空文件夹里跑通一遍，你才知道它会干什么。

怎么把话说清楚（比你想的重要）

Agent 做得不对，八成的锅在指令太含糊。它会自己猜，猜错了就得重来。

• 给什么：把输入说清楚。「这个文件夹里的图」比「那些图」好一万倍。
• 要什么：说清最终产物是什么样。「压成 800 宽」比「压缩一下」清楚。
• 有什么限制：不许做什么，也要说。「不要动原图，另存为新文件」。
• 一次一件事：想同时干三件事就分三次说，混在一起它容易漏。
• 给它验收的办法：「做完列一个清单，告诉我哪些成功哪些失败」。

出问题先查这几条

按顺序排查，八成的问题在前三条里。

安全：三件事，别嫌啰嗦

• API Key 就是钱。别发群里、别截图、别提交到代码仓库。怀疑泄露立刻去后台换一个。
• 第一次用，圈一个小文件夹给它。跑通了你再决定要不要放开。
• 涉及删除、覆盖、批量改名的活，先让它把计划写出来给你看，你确认了再执行。

插件生态

前面说过，Agent 的本事取决于它手里有什么工具。插件就是加工具的东西。

DSH 的插件建在 MCP 上。装上之后，它就不只是能读写文件，而是能去操作那个东西——查数据库、开浏览器、读你的笔记、连公司内部系统。

现在的插件还不算多，但增长很快。真正的差别不在数量，在于装之前你有没有看清它要什么。

• 它要什么权限。有些插件能读你全部文件，装之前想清楚它凭什么需要。
• 谁在维护。三个月没更新的别装，出了事找不到人问。
• 能不能卸载干净。装上去容易，卸干净难。装之前在空环境里试一次。

看完了回到DSH 的条目页，按那里的步骤装。