AI Agent 技能包：帮助你快速完成 deepseek-harness-java（DSH，Java Agent 运行时基座）与业务应用的智能体对接。
支持两种典型场景：
- 已有应用 → 为应用开发一个 Java Native 插件，注册工具到 DSH Agent，让 AI 能调用应用能力
- 没有应用 → 按诉求从零开发一个 Java 应用（业务系统 + 内嵌 AI 助手 + DSH 插件），再以插件方式接入 DSH
最终交付：探活确认可访问的 DSH 地址 + 应用地址 + 插件安装激活完成 + 体验流程说明 + 完善的工程 README（含简历/面试沉淀），每个插件工具全链路实测通过。
- 这是什么：一个面向 DSH Java 的技能包，用一句话或案例编号即可生成业务应用 + Java Native 插件。
- 怎么用：直接告诉助手你的需求，或从 99 个案例里选一个；技能会完成生成、启动、插件安装与验证。
- 适合谁：想快速搭建业务系统、演示 AI 能力、或沉淀项目材料的人。
- 前置条件：JDK 17+ 与 Maven 3.9+，本机 8090/18081 等端口空闲。
- 安装并启用本技能。
- 执行
bash <skill_path>/scripts/check_env.sh检查 JDK/Maven。 - 执行
bash <skill_path>/scripts/start_harness.sh启动 DSH。 - 对助手说：
就做 P1或直接描述需求。 - 按交付 README 打开应用地址，登录后右下角问 AI；再到 DSH 控制台验证工具调用。
- 仓库：https://github.com/deepseek-harness-java/digital-mall
- 商城：http://127.0.0.1:18080
- DSH：http://127.0.0.1:8090
- 账号：
customer-1 / 123456
AI 对话案例
问：推荐两款适合通勤的数码产品，并说明为什么。
答：为你挑了两款很适合通勤的数码产品：Sonic Air 4 降噪耳机（¥749，库存 58）和 Nova X14 轻薄笔记本（¥5999，库存 24）。前者更适合把地铁调成静音，后者更适合边通勤边办公。
| 形态 | 产出 | 适合 |
|---|---|---|
| 应用 + DSH 插件 | xxx-app（业务应用）+ xxx-plugin（插件），AI 在 DSH 对话中能查数据、做操作 |
标准玩法，AI 智能体全链路 |
| 仅独立应用 | 只生成 xxx-app，功能照常能用，与 DSH 无关 |
只要业务系统本身 |
| 先设计 + 原型 | 实体表、工具清单、页面原型，确认后再开发 | 想先对齐方向 |
对助手说一句案例编号或名称（如「就做 P23」），即可一句话完成开发、部署、启动：
商城零售 P1 数码商城 · P2 生鲜团购 新闻资讯 P22 财经早报
金融信贷 P3 记账助手 · P4 信贷模拟器 智能硬件 P23 家居中控
出行配送 P5 出行规划 · P6 外卖订餐 创作工具 P24 自媒体工作台
生活服务 P7 探店点评 农业乡村 P25 智慧农场
项目协作 P8 团队看板 环保公益 P26 碳普惠
营销增长 P9 活动工厂 科技前沿 P27 AI 监控台
社交社区 P10 兴趣广场 ── 工程效能（产/研/测/运维）──
医疗健康 P11 在线问诊 · P12 健身私教 数据运维 P28 Redis 监控 · P29 ES 运维
教育学习 P13 在线课程 · P14 单词背诵 发布交付 P30 发布监控 · P34 值班巡检
咨询服务 P15 IT 工单 研发提效 P31 研发协作 · P33 需求工作台
政务公共 P16 办事大厅 质量保障 P32 测试用例
内容文旅 P17 研学旅游 · P18 阅读笔记 ── 角色与行业平台 ──
工具效率 P19 会议纪要 · P20 订阅管理 教师教育 P35 教师工作台
娱乐内容 P21 音乐歌单 学科学习 P36 数学思维 · P37 语文读写 · P38 英语听说
销售商务 P39 销售工作台
专业服务 P40 医生工作站 · P41 律师工作台 · P42 招聘工作台
── 行业纵深与生活服务 ──
物流出行 P43 快递查件 · P44 酒旅预订
企业内勤 P45 财务报销 · P51 供应链采购
保险金融 P46 保险理赔
制造行业 P47 MES 生产看板
社区生活 P48 物业报修 · P49 宠物医院
汽车服务 P50 汽车养护
房产中介 P52 房源工作台
── 扩展场景 ──
消费文旅 P53 二手交易 · P54 积分商城 · P55 直播复盘
门店经营 P56 餐厅经营台 · P57 景区导览
策划票务 P58 婚庆策划 · P59 民宿房东 · P60 演出票务
能源出行 P61 充电站 · P62 车队调度 · P63 光伏运维 · P64 航班动态
家庭财富 P65 投资看板 · P66 资产配置 · P67 众筹项目
健康管理 P68 体检报告 · P69 慢病管理 · P70 心理咨询预约
教务培训 P71 教务排课 · P72 企业培训 · P73 留学申请
企业中台 P74 知识库 · P75 OKR · P76 IT资产 · P77 合同台账
舆情商务 P78 舆情监测 · P79 招投标 · P80 客服质检
政务治理 P81 热线分析 · P82 网格员 · P83 志愿者
垂直行业 P84 ESG · P85 实验室 · P86 工地安全 · P87 冷链 · P88 水质
更多角色 P89 导游 · P90 房东 · P91 营养师 · P92 自由职业
P93 电竞复盘 · P94 琴行 · P95 宠物寄养 · P96 装修
P97 团购团长 · P98 图书馆 · P99 摄影约拍
精选案例长什么样（每个应用 = 业务主界面 + 右下角 AI 助手面板 + 3~6 个 Agent 工具）：
| 案例 | 应用形态 | AI 能力亮点 |
|---|---|---|
| P1 数码商城 | 商品网格 + 购物车 + 订单物流 | 跨「商品/订单/物流」多工具联动：对比推荐、订单追踪一句话完成 |
| P6 外卖订餐 | 餐厅卡片 + 菜单 + 骑手位置模拟 | 按口味跨餐厅推荐、凑单建议、写操作下单前先复述确认 |
| P32 测试用例工作台 | 需求追溯矩阵 + 计划执行 + 缺陷列表 | 「需求改了要回归哪些用例」→查追溯矩阵→圈定回归范围→生成执行计划 |
| P35 教师工作台 | 学情热力图 + 作业批改 + 备课资源 | 「月考哪里薄弱」→查热力图→定位高频错题→生成分层练习包 |
| P30 发布监控台 | 发布单 + 指标对比 + 一键回滚 | 「要不要放量」→对比发布前后指标→给放量/回滚建议（回滚需确认） |
| P41 律师工作台 | 案件列表 + 期限提醒 + 合同审查 | 「本周有什么时限」→按紧急排序→关联案件给准备清单（带免责声明） |
| P23 家居中控 | 房间分区设备卡 + 能耗图表 | 读传感器数据做联动决策：「卧室太干」→查湿度→生成睡前场景 |
案例库之外的领域：按「Prompt 结构公式」即时生成同结构案例（业务实体 + AI 工具 + 前端 + AI 助手），同样一句话可执行——这套技能不挑领域，从 toC 生活场景到 toB 工程效能、再到教师/医生/律师等专业角色平台都覆盖。
| 案例 | 位置 | 说明 |
|---|---|---|
| 2D Weekend Mall 智能客服商城 | references/case-2d-weekend-mall.md |
旗舰标杆：商品/订单/物流 5 工具，端口 18080 |
| MySQL 运维平台 | references/case-dsh-java-mysql.md |
管理后台型：库表巡检/慢 SQL 分析，端口 8091 |
| 外卖订餐平台 | 实战交付案例 | 5 工具全链路实测，沉淀 8 条环境坑位（SERVER_PORT 劫持、插件热更新等） |
| 服务 | 地址 | 能看到什么 |
|---|---|---|
| DSH 控制台 | http://127.0.0.1:8090 | Agent 对话（SSE 流式）、插件管理（安装/激活）、模型设置 |
| 智能客服商城（案例） | http://127.0.0.1:18080 | 商品网格 + 购物车 + AI 购物助手面板 |
| MySQL 运维平台（案例） | http://127.0.0.1:8091 | 管理后台 + 只读运维工具对话 |
| 新开发的应用 | http://127.0.0.1:18081 起 | 业务主界面 + 右下角 AI 助手面板 |
具体项目的真实地址以该项目交付 README 为准（交付前逐一探活 HTTP 200 才写进去）；默认模型渠道已预配置，DSH 启动即可对话。
| # | 产物 | 说明 |
|---|---|---|
| 1 | 可运行业务应用 | xxx-app Spring Boot jar：业务主界面 + 内嵌 AI 助手面板（代理 DSH 流式接口），预置细腻度验收过的演示数据 |
| 2 | Java Native 插件 | xxx-plugin jar：3~6 个 Agent 工具（读/写分离，写操作带确认机制），已在 DSH 安装激活（ACTIVE） |
| 3 | 可访问地址 | DSH 8090 + 应用端口，交付前刚刚探活确认，附服务生命周期说明（404 时如何重启） |
| 4 | 验证记录 | 每个工具 ≥1 条自然语言实测（agent_stream.sh 输出工具调用轨迹）、边界拒绝用例、算术一致性校验、真实浏览器 UI 走查 |
| 5 | 工程 README | 一句话需求、服务地址、插件信息与工具清单、体验流程说明、预置数据说明、构建启动命令、环境坑位记录 |
| 6 | 简历/面试材料 | STAR 项目模板 + 技术关键词 + 高频面试 7 问与答题要点（见下文） |
阶段 0 澄清需求 → 已有应用 or 新项目？交付形态三选一（可从 99 案例菜单选）
阶段 1 环境准备 → check_env.sh，缺 JDK 17/Maven 给安装指引
阶段 2 启动 DSH → start_harness.sh，8090 控制台配模型
阶段 3 开发应用 → 场景深挖（实体表→工具表→页面→预置数据）→ 设计稿确认 → 写码
阶段 4 验证交付 → install_plugin.sh → 逐工具 agent_stream.sh 实测 → delivery_check.sh → 真实浏览器 UI 验证
阶段 5 文档沉淀 → 工程 README + 简历 STAR 模板 + 技术关键词 + 面试重点
阶段 6 验收迭代 → 索要验收反馈，小改轻回归 / 大改全流程，跨会话断点续作
dsh-java-plugin-skills/
├── SKILL.md # 技能入口（工作流程、核心概念、Gotchas）
├── scripts/ # 可执行脚本
│ ├── check_env.sh # 环境检查（JDK 17+ / Maven，缺失时提示安装方式）
│ ├── start_harness.sh # 启动 DSH（端口探测 + 防 SERVER_PORT 劫持/代理 502）
│ ├── install_plugin.sh # 安装 + 激活插件（curl 调 install/activate 接口）
│ ├── smoke_test.sh # 冒烟验证（检查服务、插件列表）
│ ├── agent_stream.sh # Agent 端到端流式调用（工具轨迹 + 最终回答，交付前必用）
│ ├── delivery_check.sh # 最终交付自动化检查（探活/插件状态/鉴权回归）
│ └── deploy_remote.sh # 云服务器一键部署（上传 JAR → 远端重启脚本 → 探活）
├── runtime/
│ └── deepseek-harness-java-app.jar # DSH 宿主可执行 JAR（已带默认模型渠道，可直接端到端验证）
└── references/ # 参考文档（渐进式披露，按需加载）
├── plugin-dev-guide.md # 插件开发全流程（含完整代码骨架，从真实案例提炼）
├── ui-design-guide.md # UI 设计指南（design tokens、分域设计语言表、无 AI 味清单、AI 面板规范、md 渲染）
├── prompt-recipes.md # 99 案例储备库 + 场景深挖卡片 + 细腻度规范
├── runtime-pitfalls.md # 运行环境坑位与端到端验证指南
├── delivery-checklist.md # 最终交付清单（自动化项 + 手工项 + 回归矩阵）
├── readme-delivery-template.md # README 交付模板 + 简历项目模板
├── deploy-guide.md # 启动部署指南（本地 / 服务器 / 无 Java 环境）
├── architecture.md # 架构图与说明（含 Mermaid，可直接渲染或转图）
├── case-2d-weekend-mall.md # 案例：智能客服商城（端口 18080）
├── case-dsh-java-mysql.md # 案例：MySQL 运维平台（端口 8091）
└── interview-notes.md # 面试资料
# 1. 环境检查（JDK 17+ / Maven）
bash scripts/check_env.sh
# 2. 启动 DSH（默认端口 8090）
bash scripts/start_harness.sh
# 3. 开发应用与插件（参考 references/plugin-dev-guide.md）
# Maven 多模块：xxx-app + xxx-plugin，mvn package -DskipTests 构建
# 4. 安装并激活插件，冒烟验证
bash scripts/install_plugin.sh <plugin_jar路径> <pluginId> <版本> <入口Jar文件名>
bash scripts/smoke_test.sh
# 5. 交付前：逐工具端到端实测 + 交付检查
bash scripts/agent_stream.sh
bash scripts/delivery_check.sh <pluginId>启动后打开 http://127.0.0.1:8090，「设置 → 模型设置 → 添加模型」配置模型地址/名称/API Key，否则 Agent 无法对话。
DSH 是 Java Agent 运行时基座（端口 8090），提供 Web 控制台、Agent 对话、模型配置、插件管理。插件是 Java Native Plugin：
- 插件 JAR 依赖
cn.xiaofuge:deepseek-harness-java-types:0.1.5（scope=provided，宿主提供） - 继承
AbstractHarnessPlugin，在tools()中返回ToolDefinition列表（工具继承AbstractTool，实现name/description/parameters/run） - 在
configure(PluginContext)中注册系统提示词与 Hook（如PRE_TOOL_USE审计） - 必须提供
META-INF/plugin.yaml（id/name/version/entrypoint）和 SPI 声明文件META-INF/services/cn.xiaofuge.deepseek.harness.domain.spi.JavaHarnessPlugin - 工具在 Agent 中以
plugin__<pluginId>__<toolName>命名暴露 - 插件通过 HTTP 调用业务应用 API（不直接持有业务资源，注意超时/异常分类/脱敏）
架构：DSH Agent（8090）→ 插件（对接器）→ 业务应用（HTTP），完整分层职责与关键机制见 references/architecture.md。
flowchart LR
U[用户浏览器] --> W[DSH Web 控制台 :8090]
U --> APP[业务应用 :18080/8091/...]
subgraph DSH [deepseek-harness-java 运行时基座]
W --> AG[Agent 运行时<br/>对话编排 / 流式输出]
AG --> MC[模型接入<br/>配置模型地址/Key]
AG --> PM[插件管理<br/>install/activate/run]
PM --> P1[Java Native 插件 A]
PM --> P2[Java Native 插件 B]
end
P1 -->|HTTP + service-token| APP
APP --> DB[(数据/资源)]
sequenceDiagram
participant U as 用户（应用 AI 面板 / DSH 控制台）
participant A as Agent 运行时
participant M as LLM
participant P as Java Native 插件
participant APP as 业务应用（REST API）
U->>A: 自然语言提问（SSE 流式）
A->>M: 消息 + 工具清单（plugin__id__tool）
M-->>A: 选择工具 + 生成参数
A->>P: PRE_TOOL_USE Hook 审计 → 执行工具
P->>APP: HTTP 调用（service-token 鉴权）
APP-->>P: JSON 业务数据
P-->>A: ToolExecutionResult
A-->>U: step_break / tool_result 事件 + chunk 流式总结回答
**<项目名>（<年份>）** — 个人全栈项目 | 技术栈：Java 17 / Spring Boot 3.x / Maven 多模块 / 原生前端
- 基于 Java Agent 运行时基座（DeepSeek Harness），以 **Java Native Plugin（SPI + 类加载隔离）** 方式
为业务应用扩展 AI 能力，注册 <N> 个 Agent 工具（读 <M> 写 <K>），由 LLM 按语义自主编排调用
- 设计 <插件-应用 HTTP 边界 + service-token 鉴权 + PRE/POST 工具审计 Hook + 写操作人工确认>，
兼顾能力开放与安全边界
- 实现 SSE 流式对话、种子数据算术一致、端到端自动化验证脚本；<一个具体业务成果，带数字>要点：数字具体（几个工具/模块/指标）、机制写清（插件怎么接入、安全边界在哪）、避免空话。
| 层 | 关键词 |
|---|---|
| 运行时/语言 | Java 17、Spring Boot 3.x、Maven 多模块、SPI（ServiceLoader）、类加载隔离 |
| AI/Agent | Function Calling、Agent 工作流、系统提示词工程、工具 description 设计、SSE 流式、PRE/POST Hook 审计 |
| 工程 | REST API、种子数据设计、端到端验证、插件生命周期（install/activate/deactivate） |
| 安全 | service-token 服务间鉴权、最小权限边界、写操作确认机制 |
| # | 问题 | 答题要点 |
|---|---|---|
| 1 | 插件怎么被宿主加载？ | SPI（META-INF/services + ServiceLoader）发现入口 → 独立类加载器加载 fat jar（依赖 scope=provided 防冲突）→ plugin.yaml 元数据 → install/activate 生命周期 |
| 2 | Agent 怎么知道有哪些工具、何时调用？ | tools() 返回 ToolDefinition（name/description/JSON Schema），以 plugin__<id>__<tool> 注入模型；description 质量决定调用准确率 |
| 3 | 如何防止 AI 乱写数据？ | 写工具 description 声明风险 + 系统提示词硬规则（先确认参数）+ isConcurrencySafe=false + approvalMode + PRE/POST Hook 审计 |
| 4 | 插件为什么不直连数据库？ | 安全边界：只经业务应用 HTTP API（service-token）访问，应用保留业务校验与审计单一入口；插件可独立升级 |
| 5 | SSE 流式怎么实现？ | 服务端 SseEmitter，事件 meta/chunk/reasoning/step_break/tool_result/finish/done/error；客户端 fetch 解析 event:/data: 行；心跳保活 |
| 6 | 怎么保证演示数据可信？ | 真实品牌/价格区间/数据故事，汇总由明细实时计算保证算术一致；脚本做"汇总=逐条加总"校验 |
| 7 | 怎么验证 AI 真的调了工具？ | 看 SSE step_break/tool_result 事件的 toolName 与 result，核对回答数字与工具返回一致（agent_stream.sh 自动化） |
完整模板与深度追问兜底：
references/readme-delivery-template.md（README/简历/面试模板）、references/interview-notes.md（面试资料全集）。
- 插件依赖 scope 必须
provided，否则 fat jar 与宿主类冲突加载失败 plugin.yaml的entrypoint是插件主类全限定名，而 install 接口的entrypoint字段是 JAR 文件名，两者不同- install 接口
sourcePath必须是宿主可访问的绝对路径 - 修改插件配置（如 mall.service-token）后需停用再启用插件，
configure()才会重新执行 - 工具 description 直接影响 Agent 调用准确性：写清「何时必须调用、何时不要调用、返回什么」
- 插件不直连数据库等敏感资源，通过业务应用 Admin API 走 HTTP，守住安全边界
- DSH 未配置模型时对话报错，先检查「设置 → 模型设置」
- 端口约定：DSH 8090；案例应用 18080（商城）/ 8091（MySQL 平台），新应用 18081 起顺延
- 沙箱/受限代理环境的 SERVER_PORT 劫持、HTTP_PROXY 502、进程回收等坑，见
references/runtime-pitfalls.md - 生成前端时 AI 气泡必须做 markdown 渲染（
renderMd渲染器见references/ui-design-guide.md第五节），禁止textContent裸显模型回复
# WorkBuddy
cp -r dsh-java-plugin-skills ~/.workbuddy/skills/
# Claude Code
cp -r dsh-java-plugin-skills ~/.claude/skills/
# OpenClaw
cp -r dsh-java-plugin-skills ~/.qclaw/skills/
# OpenAI Codex
cp -r dsh-java-plugin-skills ~/.codex/skills/Apache-2.0