A DeepSeek Harness plugin that compiles deterministic execution paths out of the LLM agent loop.
Agent JIT 把 agent loop 中已确定的确定性执行路径（多步工具编排、状态维护、中间数据流转）编译成受限 DSL 程序，交给 schema-validated graph runtime 确定性执行——把"数据怎么流通"从模型手里拿走，让 Agent 不再为不需要智能的步骤付 token。
Agent 仍是 planner；Agent JIT 是执行 offload 层。
本仓库即一个 DeepSeek Harness bundle（package.json 的 dsh.bundle.patch + cordis.patch.yml）。预构建产物 dist/ 随仓库分发，git 安装无需任何构建授权。
装进 web profile 后，每次 dsh web 启动都会自动加载（dsh web 是 --profile web 的别名；npx @deepseek-ai/dsh web 同样生效）：
# npm（推荐；发布的是预构建产物，无构建授权）
dsh plugin --profile web add agent-jit
# 或从 GitHub 安装（dist/ 随仓库分发，同样无构建授权）
dsh plugin --profile web add github:sybolization/agent-jit
dsh web --dump-config # 验证：应出现 agent-jit-dsl 行
dsh web # 之后每次启动都带插件要装进其他 profile（headless / 自定义组合）同理换 profile 名；注意自定义 profile 默认只含 dsh-base（无 Web UI），需要 UI 请同时加装 @deepseek-ai/dsh-web-app。卸载：dsh plugin --profile web remove agent-jit。
插件向 harness 注册的工具（均走标准 ctx.tools 注册，遵守完整执行策略管线）：
| 工具 | 作用 | 模式 |
|---|---|---|
jit_describe_tools |
点名工具 → 确定性函数式契约（与 inline 签名同源渲染） | 生产默认 |
jit_execute_program |
DSL 源码 → 编译 → schema-validated IR → graph runtime 执行 | 生产默认 |
github_* ×6、crm_*、users_*、email_* |
实验业务工具（默认 mock，github 可切 real/GITHUB_TOKEN） |
仅 experimentMode: true |
生产缺省不注册实验业务工具——插件使用者只拿到两个 JIT 元工具，自己注册进
DSH 的工具经宿主工具活视图零配置即可被 DSL 编排。experimentMode: true 才向
模型开放实验工具（供 benchmark / 演示任务），不会污染普通使用者的工具面。
实验模式下每个业务工具的 description 注入实验验证的函数式 DSL 签名：
github_get_repository — 获取单个仓库的详细信息。
DSL: github.get_repository(full_name: str) -> {full_name: str, forks: int, stars: int}
普通调用看 parameters，JIT 编程看 DSL: 签名——两个接口来自同一个 ToolContract。失败严格语义：未知工具 / 编译失败 / 执行失败整体报错，不允许 partial success。
repos = github.search_repositories(query="dsl", limit=5)
details = map(repos, github.get_repository(full_name=_.full_name))
active = filter(details, archived=false)
top = take(active, 3)
return top
逐工具执行需要 11 次 agent loop 往返；jit_execute_program 1 次调用返回相同结果（有测试断言保护）。
宿主工具（bash / glob / web_search 等）多返回包装对象，可用字段投影与 collect 接进数据流：
files = glob(pattern="src/**/*.ts")
top = take(files.paths, 3) # 字段投影：对象.字段 解包数组字段
hits = web_search(query="dsh plugin")
proof = bash(command="git log --oneline -1", description="验证")
both = collect(hits, proof) # 把两个对象结果包成一个数组
return both
完整实验报告见 experiment_result/。核心结论：对可提前表达为确定性程序的执行路径，把 orchestration state 从 LLM loop 迁移到 compiler/runtime，任务质量不变，token / 上下文暴露 / 往返轮次显著下降。
| 指标 | DSL/JIT | 迭代工具调用 | 差距 |
|---|---|---|---|
| tokens | 941 | 8,904 | 9.5× |
| 模型往返轮次 | 1.0 | 4.0 | 4.0× |
| 暴露给模型的中间数据 | ~460 B | 4,196 B | 9.1× |
| 端到端延迟 | 4,711 ms | 18,844 ms | 4.0× |
token 差距 6.9× / 8.1×；工具契约完整时两臂 correctness 均为 100%。
| 臂 | adoption | offload precision | task 完成率 | tokens |
|---|---|---|---|---|
| Control B（不提供 JIT） | — | — | 100% | 24,151 |
| Treatment B（提供 JIT） | 90% | 100% | 100% | 14,976（-38%） |
- 在"明显值得程序化"的任务上，模型自主选择 offload 9/10，且全部语义正确；
- 在"不值得 JIT"的简单任务上 unnecessary offload 为 0%——DSL 参考按需加载，不使用 JIT 的成本接近零。
机制不是"模型更聪明"，而是：确定性数据流由 runtime 消费，而不是由 LLM context 消费。
插件行 config（可被用户 patch 层覆盖）：
experimentMode: false # true = 注册实验业务工具（github_*/crm_*/users_*/email_*）；
# false（缺省）= 生产：只挂 jit_* 元工具
providers: # 仅 experimentMode: true 时生效
github: mock # mock | real（GITHUB_TOKEN）| none
domain: mock # mock | none
dsl:
signatureInDescription: inline # 业务工具 description 注入 DSL 签名（inline | none）
systemPrompt: true # 常驻 DSL 语言参考 system prompt section
guidance: primitive # primitive | patterns | full-example
describeTools: true # 是否注册 jit_describe_tools
# hostTools: [] # 缺省（不写）= 自动发现全部 DSH 宿主工具（describe 即用）；
# # [] 显式关闭；写名字数组 = 白名单
# excludeHostTools: [] # 黑名单：始终排除（如不想开放 bash 给 DSL）宿主工具经 hostDiscovery 活视图在运行时自动发现：任何注册进 ctx.tools
的工具（其他插件 / 动态注册）describe 即用、DSL 直接可编排，零配置零代码
修改；执行走 ctx.tools.execute 嵌套分发（完整策略管线：guard /
pre-execute / post-execute / 超时 / 沙箱），scope = 调用方 agent。jit_*
元工具自身被排除，防递归。
npm run build # 构建 dist/（bundle 入口 dist/integrations/dsh/index.js）
npm test # 544 个单测，含真实 DSH 服务树 smoke 测试（挂载 + 执行路径压缩断言）开发环（在 deepseek-harness checkout 内）：
pnpm dsh web --patch <本仓库>/cordis.dev.patch.yml --port 3081