企业官网建设流程全解析

同样一份研究报告，摆在桌面上的实现路线其实只有三条：手写 Markdown、通用 RAG/向量检索，以及 dsh-research-report 这种「证据账本 + 封存报告」。它们不是谁替代谁，而是各自擅长回答不同的问题。选之前先问自己一句：你要的是「写得快」，还是「经得起追问」。

三条路线，各自在解决什么

路线一：手写 Markdown 报告

最轻，零依赖。你自己找资料、自己判断、自己写。优点是自由：观点、论述、结构全听你的。缺点也在这里——报告的可信度完全建立在作者自觉上，谁也没法从文件本身验证某条数字是不是抄错了。交出去之后，读者只能选择相信。

路线二：通用 RAG / 向量检索

它的强项是「找」。把资料切块、嵌入、存进向量库，提问时召回最相似的片段。对于「从一大堆文档里快速找到相关段落」，它确实好用。但相似度不等于正确性：向量检索给出的是「像」，不是「对」。它不会告诉你某条论断的出处能不能逐字核到，也不会在你写错数字时拦你一下。

路线三：dsh-research-report

它反过来，弱在「找」，强在「证」。每条论断都绑定到一个不可变的证据快照，逐字节校验，最后封存进一个带版本号的目录。它的定位不是替你写，而是确保你写下的每条都能找到出处。安装形态可以先看一眼 完整插件清单与汉化避坑指南。

一张可核对的对比表

表里最关键的一行是「核对粒度」。dsh-research-report 走的是字节级：主张里的每个数字和引用片段，都必须能在绑定快照里逐字定位。这条路线的代价是它不做语义理解——这是它 v1 的有意选择，「可审计胜过聪明」。

三个可验证的论据

论据一：封存哈希任何人都能重算

报告封存后，目录里并排躺着report.md、manifest.json、verification.jsonl和disconfirmation.jsonl。封存哈希就是manifest.json的 SHA-256，而 manifest 自己又携带了报告哈希、每条证据的哈希、每份审计日志的哈希。这意味着「复核」不需要任何特权：谁拿到目录，谁就能按同一套算法一层层重算，对不上就是对不上。

论据二：SARIF 2.1.0 的机器可读输出

独立命令行dsh-research-verify打包在lib/cli.js里，零@deepseek-ai导入——不挂载插件也能审计任何一个封存目录：

它会重算封存哈希、report.md哈希和审计日志哈希，对每条主张重跑字节级与完整性检查，任一已执行的检查失败就以非零状态退出。输出可选 JSON 信封或 SARIF 2.1.0 文档：前者方便脚本消费，后者能直接交给支持 SARIF 的流水线。

论据三：零网络零模型的兜底

封存之后，确定性的verifySealedReport会再跑一遍：重算封存哈希与审计哈希、重查每条主张，把机器检查结果写进verifier-note.md。它零网络、零模型——即使模型服务挂了，机器复核照样能跑完。模型复核在这里只是增强，绝不替代。

字节级 vs 语义级，到底怎么选

分歧点其实只有一个：你要核对的是字面量，还是意思？

要字面量的场景——数字、引文、法规条款、财务口径——字节级路线更靠得住，因为它能给你一个确定的「是/否」，还能被第三方复算。要意思的场景——一份材料的主旨、一段论述的逻辑——字节级会显得死板：转述式的主张只要找不到可核对的字面量，就会被验成unverified；更别扭的是，一条真主张如果数字缺失、标签却以另一个值出现，会被读成contradicted。

所以合理的组合是：让 RAG 或搜索负责「找」，让 dsh-research-report 负责「证」。前者给你候选，后者逼你把候选变成可核对的出处。它自己也刻意不做深度研究循环——搜索与抓取复用ctx.web，长任务交给ctx.jobs，规划与综合仍留给模型。

什么时候该选哪条

• 只要表达、无人在意复核：手写 Markdown 最快，别为流程买单。

• 要从海量文档里捞相关段落：通用 RAG 检索更合适，它的召回能力是另两条路线比不了的。

• 要交出去、会被追问出处：dsh-research-report 的字节级校验、封存哈希与 SARIF 输出才有意义。

• 两者都要：用检索当上游、用封存当门禁，各司其职。

别把它当通用知识库用：它没有嵌入、没有语义相似度，拿它做相似度召回是用错了工具。想看更多同类插件的中文清单与安装形态，可以再翻一次 完整插件清单与汉化避坑指南。

总结

三条路线的取舍不在「谁更强」，而在「你要核对字面量还是意思」——要可复核的出处就选字节级封存这条；想对照同类插件的中文清单与安装形态见 完整插件清单与汉化避坑指南。

适合与不适合

适合：需要对数字、引文、条款逐字负责的交付物；要把「哪条没核实」明明白白标出来的审查场景；需要第三方独立复算结论的协作；已有检索能力、只缺一道核实门禁的团队。不适合：以观点和论述为主的长文作者——转述会被验成未核实；想要一键联网深度检索的人——gather只跑一轮且绝不自动组装；把它当向量知识库用的人——它没有嵌入，也不做语义相似度。

标签：dsh-research-report、DeepSeek Harness、选型对比、RAG、证据封存

本文由 DeepSeek Harness Hub 自动整理，数据来源于插件详情页。