拿 DSH + V4 Flash + PTC 跑了一次真实 PR，几点体验和建议

[Starfie1d1272]

今天拿 DSH 的 PTC 模式 + V4 Flash 完整跑了一次真实 OSS PR，包括代码/PR 调查、SSH 到原生 Windows 11 做复现和测试、修改代码、双平台验证、最后 push 和更新 PR。

先记几个目前比较明确的感受：

1. PTC 本身是有价值的，执行轨迹也很好用。 批量搜索、并行工具调用、远程测试这类操作确实能少很多来回，而且导出的 session log 基本能完整复盘每一步发生了什么。

2. 但 PTC 对模型能力的要求明显比普通模式高。
   Flash 这次能完成任务，但中间写工具编排代码时出现过一些很低级的错误，比如 Promise.all 返回数量和解构变量数量对不上、需要额外 probe SDK 返回结构等。
   我目前会更倾向于 Flash 默认用标准模式，PTC 留给更强的模型。感觉 UI 里也可以直接提示一下：PTC/Code Mode 对模型的代码编排能力要求更高，强模型使用收益可能更明显，避免用户理解成“PTC 一定比标准模式更强”。

3. 长任务里出现过一次比较典型的“证据已经看到了，但没接上”的问题。
   调查一个 Windows junction 问题时，模型其实已经读到了源码里的：

   --profile wins over the inherited HERMES_HOME env
   

   但没有继续沿这条线追，先得出了“spawn 时环境一致，所以没有 production bug”的结论。后来继续挑战这个结论，才发现 profile 会在 sanitizer 加载前改写 HERMES_HOME，最后也确实在真实 Windows 上复现并修掉了这个 bug。

   这个可能更多还是模型能力问题，不过也说明 PTC 这种很长的工具轨迹对模型的信息整合能力要求挺高。

4. 比较希望尽快有一个正式的插件市场/插件管理入口。
   Harness 本身就是 Everything is a Plugin，现在 Discussions 里也已经开始有人分享各种插件了。希望后面能有官方的插件市场，GitHub、常用搜索/连接器之类也可以做成官方维护的内置插件。

   另外最好能直接在 Web UI 里看到已经安装的插件，并且一键启用/停用、安装/卸载。现在插件架构很有意思，但普通用户要真正用起来还是有点偏开发者工具。

[2catycm]

请教一下 PTC 是什么的缩写，我看到这个模式，没搞懂他是干啥的

[Starfie1d1272]

PTC = Programmatic Tool Calling。可以理解成普通模式是模型一个个调工具，PTC 则是让模型写一段 TypeScript，把多个工具调用编排在一起，其他能力基本和标准模式一样 不过反正我自己实测 flash 不太能用 ptc