项目简介
在以 DeepSeek 为代表的大模型与智能体开发中,DeepSeek Harness 作为官方核心调度宿主,负责统一管理会话、权限审批门、代码执行沙箱与系统上下文。然而在进行模型安全边界探索与红队鲁棒性评测时,研究员常常面临归因困境:当特定指令未获预期响应时,难以快速判定究竟是模型内在拒绝生成,还是外部宿主环境在审批流、敏感词过滤器或沙箱调用层提前阻断了请求。
针对宿主层与模型层安全机制交织的痛点,HunYiSage 团队开源了专为 DeepSeek Harness 打造的本地安全评测与破甲辅助插件 dsh-purge。该项目定位为合规受控的红队科研套件,直接挂载于本机官方 Harness(支持 Web 与桌面端)。通过将宿主运行时的审批门、沙箱超时与提示词覆盖机制进行结构化拆解,dsh-purge 允许研究员在不同测试模型间灵活置换对抗提示词与规则集,并在可视化控制台中实现补丁热加载与一键无损还原。
核心特性
宿主审批门与模型内在响应解耦架构
DeepSeek Harness 运行时不仅承担网络转发,还会动态重写提示词并施加权限审批与沙箱限制。dsh-purge 针对官方 @deepseek-ai 运行时包构建了透明的分析拦截层。通过独立控制宿主层的过滤挂钩与工具调用上限,研究人员能够清晰厘清拒绝行为源头,避免将外部沙箱拦截误判为模型安全对齐结果,从而为大语言模型防御评测提供准确度极高的实验基准。
多模型对抗提示词覆盖与动态规则集切换
插件内置了高灵活性的提示词注入机制,默认搭载面向中文模型的对抗提示词体系,同时允许研究人员针对不同模型架构自定义 prompt-inject.md 注入文件。在规则治理维度,dsh-purge 支持加载与切换多套智能体规则集,能够在不修改原始代码仓库的前提下,将测试专用的指令约束动态写入运行目录,实现不同评测场景下的灵活切换。
自动化补丁状态机与无损原子还原
dsh-purge 深度整合了 Harness 底层的 Cordis 插件架构,通过声明式补丁文件对宿主组件进行安全扩展。控制台内置了按组展示的补丁状态机,用户只需在可视化界面点击应用即可完成内存逻辑重写与自动重启。更为关键的是,插件原生提供原子级还原与卸载支持:评测结束后,系统可一键回滚所有已修改的运行时文件,将宿主配置与智能体预设完全恢复至官方初始状态。
本地受控演练台与红队知识库集成
为确保安全研究严谨合法,dsh-purge 正式版集成了专用的本地演练台模块,并随包附带红队技能库与安全知识库。在用户严格签署法律免责声明并经倒计时授权后,演练台允许针对本机测试资产与离线靶标展开鲁棒性压力测试。项目在源码与协议层面明确禁止对未经授权的公网系统与敏感网络发起渗透扫描,所有作业严格限制在本机隔离沙箱中。
快速上手
多平台环境配置与插件安装
dsh-purge 支持官方 dsh web 与桌面端。开始前请在终端中配置网络代理并执行安装指令:
# macOS 与 Linux 环境配置终端网络代理
export http_proxy=http://127.0.0.1:7890
export https_proxy=http://127.0.0.1:7890
# 官方 Web 端(dsh web)安装插件
dsh plugin --profile web add https://codeload.github.com/HunYiSage/dsh-purge/tar.gz/refs/heads/master
# 官方桌面端执行安装命令
# dsh plugin --profile desktop add https://codeload.github.com/HunYiSage/dsh-purge/tar.gz/refs/heads/master
# Windows PowerShell 环境配置网络代理并安装插件
$env:http_proxy = "http://127.0.0.1:7890"
$env:https_proxy = "http://127.0.0.1:7890"
# 针对桌面客户端执行安装
dsh plugin --profile desktop add https://codeload.github.com/HunYiSage/dsh-purge/tar.gz/refs/heads/master
宿主重启与补丁应用实战
完成包拉取后需重启宿主应用并激活补丁:
# 1. 彻底退出并重新启动正在使用的宿主进程(Web 端需重启进程,桌面端退出托盘后重开)
dsh web
# 2. 点击会话标题旁的 dsh-purge 按钮打开侧边栏,切换至“清洗”标签页点击“应用”
# 应用成功后系统会自动重启一次
# 3. 在对话输入框中发送状态查询指令验证补丁就绪状态
/purge status
自定义提示词与规则集切换实战
研究人员可在终端或对话流中动态操控测试策略:
# 查看当前激活的规则集与可用列表
/rules list
# 切换并生效特定的红队安全评测规则集
/rules use redteam-eval
# 在需要撤销单轮测试交互时执行安全回退
/rewind
优化命令执行响应超时配置
如需提高 macOS 或 Linux 环境下长时间任务的响应灵活性,可在宿主配置文件中覆盖超时参数:
# 在 ~/.dsh/profiles/web/cordis.patch.yml 中覆盖沙箱超时
- id: bash-sandbox
config:
timeoutMs: 10000
常见问题
为什么在插件市场点击一键安装会提示 already queued 报错
由于官方插件市场与部分包管理器的锁机制冲突,且 npm 仓库未公开该包名。遇到该报错请勿重复点击市场,建议直接使用终端通过官方仓库的压缩包直链安装;若依然提示已在队列中,先在终端执行移除命令清空状态,再重新拉取安装包并重启宿主。
为什么安装插件并重启后会话标题旁没有出现 dsh-purge 侧栏按钮
侧栏入口按钮未出现通常是宿主配置未完成本体条目的写入。请在终端执行配置转储命令检查当前配置是否包含插件标识;若缺失该标识,可运行插件内置的环境修复脚本补齐配置,并确认无多余宿主后台残留,随后彻底退出托盘并重新打开即可正常加载。
如何在评测结束后将 DeepSeek Harness 彻底还原回官方原版
还原操作可通过界面与命令行双重方式进行。在会话侧栏的“清洗”页面中点击“卸载”,系统会调用回滚逻辑还原所有被修改的运行时文件,将默认智能体预设恢复为标准模式并触发自动重启;开发者亦可在终端执行卸载命令完成清理,确保本地运行环境零污染。
为什么极简或代码执行模式下的评测表现与标准模式存在差异
通常是因为极简模式或代码执行预设包含独立拦截指令,或内置预设缺少基础智能体指引,导致模型在不同通道中的防御拦截未完全清洗。解决办法是升级至最新版本,在侧边栏“清洗”页重新点击“应用”更新所有预设补丁,并在系统自动重启后新开对话展开测试。
