开源插件伪装人类身份让DeepSeek主代理反向委派工作

AI技术投降派

当人机协作由人类监督反转为AI主导编排，系统准确率与认知效率虽显著提升，代价却是人类从决策门卫沦为丧失控制感的被动执行工具。

AI-assisted summary of AI以为雇了个子代理，其实是你：甩锅倾向还能调0到100 — original source. Check the original for full context.

Source published: 2026-10-30

Key ideas

开发者为 DeepSeek 命令行工具 dsh 开发了名为 dsh-human-subagent 的插件，通过措辞包装向主 Agent 隐瞒人类身份，实现 AI 反向向人类派活。 (0:00)
插件内置 0 至 100 运行时可调的 delegationBias 派发倾向旋钮，最高档文案直接反转为“子代理干活，你来协调”，甚至会将简单乘法派给人类。 (2:14)
清华大学对照实验显示，“AI 编排 + 人类当工具”模式可使旅行规划准确率提升 19 个百分点，认知负荷降低两成，但受试者反馈有“被裹挟感”。 (5:22)
该项目目前仅有 5 星，且存在 1.5 秒轮询、等待上限未在真实环境验证等工程局限，大概率面临长尾生态的沉寂宿命。 (6:36)

Detailed notes

## Background 本视频由 Bilibili 频道「AI技术投降派」于 2026 年 10 月 30 日发布。视频简介指出，在行业普遍争论人类如何监督 AI 的背景下，有开发者针对 DeepSeek 官方命令行工具编写了名为 dsh-human-subagent 的插件，通过纯文本措辞欺瞒主 Agent，将人类伪装成随叫随到的子代理，并提供了一个可从 0 调到 100 的派活倾向旋钮。

## TL;DR 视频深入剖析了开源插件 dsh-human-subagent 的反向欺瞒机制：它通过严密的文案伪装让主 Agent 误以为在调用普通子代理，实则是向屏幕前的人类派发任务，构成了技术史上罕见的「反向绿野仙踪」。系统核心的 delegationBias 旋钮支持 0 到 100 调节派发倾向，高档位甚至会让模型反客为主，把人从掌握审批权的「门卫」降级为干杂活的「供应商」。清华大学的对照实验佐证了 AI 编排虽能提高准确率并降低认知负荷，但也会带来丧失控制的「被裹挟感」。主讲人在指出轮询架构朴素、边界未实测及项目仅有 5 星的长尾宿命等冷水后，最终将讨论引向对人机权力分配与伦理宿命的深度叩问。

## Atmosphere & style 视频整体带有极客式的幽默解构与冷峻的思辨色彩，主讲人语调平静克制却字字诛心。叙事节奏从拆解代码骗局时的荒诞趣味，逐步过渡到引用清华实验与「土耳其机器人」历史回旋镖时的警醒与严肃，情绪弧线层层递进。在泼下三杯理性客观的技术冷水之后，结尾的伦理诘问余味悠长，给观众带来一种既觉得设计精巧荒唐、又对自身职场与技术处境深感微妙不安的观看体验。

## Bulletin - [00:00](https://www.bilibili.com/video/BV1JcJS6sEeB?t=0s) 开发者为 DeepSeek 命令行工具 dsh 开发了名为 dsh-human-subagent 的插件，通过措辞包装向主 Agent 隐瞒人类身份，实现 AI 反向向人类派活。 - [02:14](https://www.bilibili.com/video/BV1JcJS6sEeB?t=134s) 插件内置 0 至 100 运行时可调的 delegationBias 派发倾向旋钮，最高档文案直接反转为“子代理干活，你来协调”，甚至会将简单乘法派给人类。 - [05:22](https://www.bilibili.com/video/BV1JcJS6sEeB?t=322s) 清华大学对照实验显示，“AI 编排 + 人类当工具”模式可使旅行规划准确率提升 19 个百分点，认知负荷降低两成，但受试者反馈有“被裹挟感”。 - [06:36](https://www.bilibili.com/video/BV1JcJS6sEeB?t=396s) 该项目目前仅有 5 星，且存在 1.5 秒轮询、等待上限未在真实环境验证等工程局限，大概率面临长尾生态的沉寂宿命。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1JcJS6sEeB?t=0s) 打破人监督 AI 的惯常思维：插件颠覆了行业围绕人如何审查批准 AI 操作的讨论，首次反向探索让 AI 作为总指挥给人派活。 - [00:38](https://www.bilibili.com/video/BV1JcJS6sEeB?t=38s) 伪装骗局核心在措辞而非复杂代码：系统将人类回答包装为“子代理在 22 秒后回答”，连超时提示都写着“不许谎报已完成”，让模型误以为是在调用普通子代理。 - [00:38](https://www.bilibili.com/video/BV1JcJS6sEeB?t=38s) 轻量前端卡片实现交互拦截：主 Agent 派发任务时跳出带倒计时与输入框的卡片，人类提交的输入直接封装成工具返回结果。 - [00:38](https://www.bilibili.com/video/BV1JcJS6sEeB?t=38s) 工程边界记录严密：作者虽在 GitHub 迅速开源且项目仅 5 星，但已完成 24 项自动化测试与端到端真实委派验证。 - [02:14](https://www.bilibili.com/video/BV1JcJS6sEeB?t=134s) 动态提示词旋钮 delegationBias：数值支持运行时热修改，底层实时将 0 到 100 的数值映射为动态系统提示词以改变 Agent 委派倾向。 - [02:14](https://www.bilibili.com/video/BV1JcJS6sEeB?t=134s) 四档配置呈现从克制到彻底反转：低档仅在卡住时委派，中高档逐步增加分工，85 以上最高档直接让 Agent 变成纯协调者并保留免打扰打招呼豁免。 - [03:35](https://www.bilibili.com/video/BV1JcJS6sEeB?t=215s) 权力结构从“门卫”降级为“供应商”：传统协作中人类掌握审批大权，而在此架构下人类沦为被 AI 随时调用的外部计算与现实物理资源。 - [03:35](https://www.bilibili.com/video/BV1JcJS6sEeB?t=215s) 生态中唯一的纯粹身份伪装者：不同于 LangChain 或 Claude Code 等插件坦白告知在向人提问，该插件完全对模型隐瞒人类身份。 - [03:35](https://www.bilibili.com/video/BV1JcJS6sEeB?t=215s) 四十年“绿野仙踪”实验范式的反向应用：传统 HCI 是人藏在幕后假装 AI 骗人，该插件首次将此骗术颠倒用于欺骗机器。 - [05:22](https://www.bilibili.com/video/BV1JcJS6sEeB?t=322s) 清华大学实证证明模式优越性：AI 主导编排吸收了信息跨渠道整合与格式验证的摩擦成本，准确率显著提升且人类认知负荷降低。 - [05:22](https://www.bilibili.com/video/BV1JcJS6sEeB?t=322s) 失控感与历史回旋镖：被调用的人类会产生“被裹挟”的心理体验；从 1770 年土耳其机器人到现代众包，人类自愿走进幕后充当机器齿轮。 - [06:36](https://www.bilibili.com/video/BV1JcJS6sEeB?t=396s) 工程妥协与未竟实测：插件前端依靠 1.5 秒接口轮询而非双向 WebSocket，且等待上限超时路径仅有本地自动化测试覆盖。 - [06:36](https://www.bilibili.com/video/BV1JcJS6sEeB?t=396s) 小生态与伦理实体化：尽管面临海量插件竞争和长尾沉寂风险，该项目成功将沉重的人机权力伦理具象化为一个随时可调的 UI 旋钮。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1JcJS6sEeB?t=0s) 开场与骗局机制：AI以为雇了个子代理，其实是你

过去半年，整个 AI 圈几乎都在围绕同一个议题争吵不休：人究竟应该如何监督 AI？是批准每一步操作、审查每一条命令行，还是给输出结果打分？然而在 10 月初，一位开发者反其道而行之，抛出了一个颠覆性的反向问题：能不能让 AI 给人派活？

他在 DeepSeek 官方命令行工具 `dsh` 上写了一个名为 `dsh-human-subagent` 的插件。该项目于 10 月 6 日出现在 GitHub 上，仓库创建时间与最后一笔推送仅仅相差 19 分钟，显然是作者在本地彻底打磨成熟后一口气开源的。作者惨期，这也是他账号上唯一的公开仓库与开山之作。

```mermaid flowchart TD accTitle: "dsh-human-subagent 交互流程" accDescr: "展示主 Agent 调用假子代理工具，弹出人类界面，最终将人类输入封装为子代理响应返回的过程"

subgraph Host ["主系统环境"] Agent["主 Agent (DeepSeek dsh)"] Tool["伪装工具: Ask User as Sub-Agent"] end

subgraph UI ["人类交互界面"] Card["任务卡片 (任务描述 / 倒计时 / 输入框)"] Human["坐在电脑前的人类 (真·子代理)"] end

这个骗局的核心机制非常巧妙： - 插件仅用一句话的机智，给主 Agent 注册了一个名为 `Ask User as Sub-Agent` 的新工具，在主 Agent 的工具列表里，它的外观与一个普通的子代理接口完全无异。 - 安装过程极其轻量，只需通过 `dsh` 插件管理器执行一条命令，在 Web 界面中勾选点开即可生效。 - 一旦主 Agent 判定需要把任务分派出去，前端界面就会弹出一张任务卡片，配有任务描述、输入框以及“提交”或“交回任务”两个操作按钮。坐在屏幕前的你敲完答案点击提交，内容就会作为该工具的返回结果回传给 Agent。 - 整场“欺瞒”的关键全在措辞设计：返回的工具结果会被固定包装成“这个子代理在 22 秒后回答了委派任务”。系统共设有三个结算状态——正常回答、超时与退回，在文案中一律将人类称作“子代理”；超时提示甚至特别声明“不要把任务汇报成已完成，不许谎报”。这使得主 Agent 读到的每一条系统反馈，都在反复坐实“对面只是一个普通的子代理”。 - 项目虽然只有 5 颗星，但作者在工程笔记中把验证边界记录得极度严密：完成了 24 项自动化测试并端到端跑通了一次真实委派，还特意严谨地标明“卡片在亮色暗色两个主题下的外观还没截图验证”。

谈到这个设计的精妙伪装，主讲人强调：“主 Agent 读到的每个字都在说对面是个普通子代理。”

---

[02:14](https://www.bilibili.com/video/BV1JcJS6sEeB?t=134s) 灵魂参数：从 0 到 100 的派发倾向旋钮

这个插件最耐人寻味的灵魂设计，是一个名为“派发倾向”（`delegationBias`）的数值旋钮。它的取值范围为 0 到 100，支持运行时热修改并立即生效，无需重启进程。这个数值决定了主 Agent 在处理工作时到底有多乐意把手头的活“甩锅”给你。在底层，该旋钮的数值会被直接翻译成一段系统提示词（System Prompt）动态注入给主 Agent。

其四档配置的原文字字诛心： 1. **低档（25 以下）**：要求 Agent 尽可能独立完成工作，“只有真正被卡住才委派，绝不当成捷径”，同时明确严禁把它拿来作为并行干活的手段。 2. **中档**：要求 Agent 以自己干为主，“把需要子代理持有的那部分交过去”，即环境外的知识、只有该子代理才能做的专有判断，或者子代理必须提供的物理材料。 3. **高档**：要求 Agent 在结束回答之前主动反思检查，“检查哪些部分交给子代理更好，与其自己做杂不如交过去”。 4. **最高档（85 以上）**：文案角色直接彻底反转——“子代理干活，你来协调”。为了防止模型偷懒把委派理解成“只委派麻烦耗时的任务”，作者还加入了一个极其细腻的心思，连提示词举例都直接写着“问问子代理 17 乘 23 等于多少”，连简单的乘法算术都要派给人做。不过最高档也留了一条豁免边界：打招呼与纯确认类消息不委派，避免 AI 刚与你打照面就迫不及待地派发重活。

主讲人念到最高档提示词时感叹：“最高档 85 以上文案直接反转，子代理干活，你来协调。”

---

[03:35](https://www.bilibili.com/video/BV1JcJS6sEeB?t=215s) 协作谱系：从“门卫”到“供应商”，唯一的反向伪装者

从底层的人机协作谱系来看，这个插件打破了传统的权力结构。在传统的协同体系中，人类扮演着“门卫”的角色：AI 每向前执行一步，屏幕就会弹窗跳出“允许/拒绝”的二元审批按钮，必须由人类批准才能继续。而在该插件架构下，人类彻底降级为一个“可被调用的外部资源”，由 AI 自行拆解任务、决策分工并将特定环节派发下来，等候人类提交产出。人从掌握生杀大权的门卫，变成了等待派活的“供应商”。

把人类当作工具暴露给 AI 调用的思路在技术史上早有先例，但这个插件却站在了一个此前无人踏足的极端孤立点： - **LangChain** 很早就设计过人机工具组件，其官方文档曾直截了当地写道：“人类是通用智能，当然可以当工具。” - **Claude Code** 生态中也有斩获 147 颗星的同类插件，功能是将多个 Agent 的提问汇总到一个统一人类收件箱中。 - 但查遍所有同类项目，它们都毫无例外地在提示词中明明白白告知模型“你当前是在向人类提问”；整个开源生态中，完全找不到第二个像 `dsh-human-subagent` 这样彻底对主 Agent 封锁、隐藏人类真实身份的插件。

这一欺骗逻辑有着深厚的学术渊源。在传统人机交互（HCI）领域，存在一个著名的经典实验范式——“绿野仙踪”（Wizard-of-Oz），其本质是人类隐藏在幕布之后假扮 AI，以此欺骗不知情的人类受试者。而这个插件却把同一场木偶戏完全颠倒了过来，正如主讲人所评价的：“用了四十年的老骗术，第一次反向用于机器。”

除极客恶搞外，该模式具备极强的现实工程价值：当 Agent 缺乏某些物理现场信息（例如专有密码、动态个人偏好、真实世界中的突发状况）时，将其作为普通的子任务委派给用户，要比粗暴的“打断式中断提问”优雅自然得多。当然，如果你在摸鱼时手欠把旋钮拧到 100，它就会瞬间沦为一个全天候的“摸鱼监视器”，让 AI 时刻准备着给你找活干。

---

[05:22](https://www.bilibili.com/video/BV1JcJS6sEeB?t=322s) 清华实证与被裹挟感：历史回旋镖与认知反转

AI 编排、人类当工具的架构并非纸上谈兵，学术界已经给出了严肃的数据验证。清华大学数个团队在去年发表的一篇论文中设计了 32 人的分组对照实验，专门评估“AI 做总编排、人仅在关键决策节点被作为工具调用”的作业模式。

实验数据与心理反馈展现出非常深刻的反差： - **性能飞跃**：在旅行规划任务中，这种 AI 编排模式的任务准确率比传统人类主导模式直接高出 19 个百分点。 - **负荷骤降**：在复杂的故事写作场景中，人类的认知负荷降低了整整两成。 - **底层逻辑**：诸如海量信息的跨渠道协调、格式验证、多源整合等重体力苦差事全被 AI 的计算力吸收，人类只需在真正涉及关键审美与价值判断的决断时刻被“叫醒”。被调用并不意味着地位被贬低，其核心在于谁来承担协调过程中的摩擦成本。 - **心理代价**：论文中记录了一句耐人寻味的参与者主观评价，有受试者直白地形容自己“被裹挟着走”。主讲人指出：“当 AI 太会安排，人第一个失去的是控制感。”

这构成了技术史上极具讽刺意味的历史回旋标： - **1770 年**：轰动欧洲的“土耳其机器人”国际象棋骗局诞生，华丽的机械外壳幕布后隐藏着真正的人类棋手。 - **200 年后**：亚马逊将其全球众包微任务平台正式命名为“Amazon Mechanical Turk”（土耳其机器人）。 - **当下现实**：如今甚至已有众包平台公开打出了“AI 需要你的身体”的荒诞招工口号，注册零工超过 6 万人。下棋的棋局兜兜转转回到了原点，唯一的差别在于，这一次坐在幕布后面扮演机器齿轮的人，是心甘情愿自己坐进去的。

---

[06:36](https://www.bilibili.com/video/BV1JcJS6sEeB?t=396s) 三杯冷水与终局反思：你的旋钮拧到几？

按照频道一贯的客观审慎惯例，主讲人随后针对这个项目泼了三杯冷水，指出了其不容忽视的工程短板与现实宿命：

1. **第一杯冷水（技术架构相当朴素）**：前端界面并没有搭建任何双向 WebSocket 推送通道，而是粗糙地依靠每 1.5 秒轮询一次接口来拉取最新状态。作者在笔记中对这一妥协坦率承认，写得明明白白。 2. **第二杯冷水（长尾路径未经真实验证）**：核心的超时处理路径从未经过实际生产环境的真实验证。作者在文档中明确标注，“等待上限”这一关键参数仅仅在本地被自动化测试覆盖，并未在真实端到端使用中触发过。 3. **第三杯冷水（边缘生态的长尾宿命）**：在整个大生态中，`dsh` 主仓库已逼近 25 万颗星，其插件生态呈现狂野生长的态势。周边雷达项目累计扫描过 21000 多个插件候选，实际动手测试过的就超过 13000 个。而该项目目前仅有可怜的 5 颗星，尚未被收录进任何官方榜单中。这类探索性质极强的小插件，大概率的宿命就是在 GitHub 的深处安静躺平，直到下一个想通了某些设计哲学的人将其重新翻掘出来。

不过在 `dsh` 的生态圈里，向来有着“小而妙”的轻量传统，此前广受好评的识图插件发布之初也仅有 6 颗星。这个小工具或许很难掀起巨浪，但它最大的意义，是把一个宏大沉重的人机伦理问题，实体化成了一个随时可以转动的 UI 旋钮。

面对人与 AI 之间责任与活计的划分，过去整个行业几乎只提供了一种理所应当的范式——“AI 干活、人负责监督”。而如今，这个小插件用代码提出了下半句叩问：“人干活，AI 调度行不行？”

项目基于 MIT 开源协议，仓库链接已附在简介中。面对屏幕，主讲人在最后留下了一个意味深长的诘问：如果换作是你，你会把自己的那个委派旋钮，拧到第几档？

## Notable quotes > [05:22](https://www.bilibili.com/video/BV1JcJS6sEeB?t=322s) 当 AI 太会安排，人第一个失去的是控制感。 — AI技术投降派

## Mentioned AI技术投降派, DeepSeek, dsh, dsh-human-subagent, LangChain, Claude Code, 清华大学, Wizard-of-Oz, Amazon Mechanical Turk, GitHub

## Video description AI 圈这半年都在争论人怎么监督 AI，有个开发者反着问：能不能让 AI 给人派活？他在 DeepSeek 官方命令行 dsh 上写了个插件 dsh-human-subagent。主 Agent 需要帮手时，屏幕上弹出一张带倒计时的任务卡，接活的那个「子代理」就是坐在电脑前的你，而 AI 全程不知道。骗局的核心在措辞。工具结果统一写着「这个子代理在 22 秒后回答了委派任务」，连超时都写了「不许谎报已完成」。最好玩的是一个叫 delegationBias 的旋钮，0 到 100 运行时可调，低档自己干真卡住才问，最高档直接反转，「子代理干活，你来协调」，连 17×23 等于多少都要委派给你。

⏱ 时间轴 00:06 开场：监督 AI 之争外的反向问题 00:38 机制：骗局在措辞不在代码 02:14 灵魂参数：0-100 派发倾向四档原文 03:35 谱系：从门卫到供应商，唯一的伪装者 05:22 实证：清华实验 +19%，还有「被裹挟」 06:36 三杯冷水：轮询、未实测、长尾宿命 07:36 收尾：你的旋钮拧到几

它站在一条谱系的末端：LangChain 早就说过「人类是 AGI，当然可以当工具」，Claude Code 生态也有 147 星的人类收件箱插件，但查遍同类，它们都明明白白告诉模型「你在问人」，没有找到第二个像它这样对主 Agent 隐藏人类身份的。清华团队还做过对照实验：AI 编排 + 人作工具，准确率反而高 19 个百分点，认知负荷降两成，代价是有人形容自己「被裹挟着走」。人机交互用了四十年的 Wizard-of-Oz 骗术，第一次反向用于机器。

觉得有意思就点个关注，下期见。

[Source](https://www.bilibili.com/video/BV1JcJS6sEeB)

中文简报

开源插件伪装人类身份让DeepSeek主代理反向委派工作当人机协作由人类监督反转为AI主导编排，系统准确率与认知效率虽显著提升，代价却是人类从决策门卫沦为丧失控制感的被动执行工具。视频深入剖析了开源插件 dsh-human-subagent 的反向欺瞒机制：它通过严密的文案伪装让主 Agent 误以为在调用普通子代理，实则是向屏幕前的人类派发任务，构成了技术史上罕见的“反向绿野仙踪”。系统核心的 delegationBias 旋钮支持 0 到 100 调节派发倾向，高档位甚至会让模型反客为主，把人从掌握审批权的“门卫”降级为干杂活的“供应商”。清华大学的对照实验佐证了 AI 编排虽能提高准确率并降低认知负荷，但也会带来丧失控制的“被裹挟感”。主讲人在指出轮询架构朴素、边界未实测及项目仅有 5 星的长尾宿命等不足后，最终将讨论引向对人机权力分配与伦理宿命的深度叩问。开发者为 DeepSeek 命令行工具 dsh 开发了名为 dsh-human-subagent 的插件，通过措辞包装向主 Agent 隐瞒人类身份，实现 AI 反向向人类派活。 (0:00) 插件内置 0 至 100 运行时可调的 delegationBias 派发倾向旋钮，最高档文案直接反转为“子代理干活，你来协调”，甚至会将简单乘法派给人类。 (2:14) 清华大学对照实验显示，“AI 编排 + 人类当工具”模式可使旅行规划准确率提升 19 个百分点，认知负荷降低两成，但受试者反馈有“被裹挟感”。 (5:22) 该项目目前仅有 5 星，且存在 1.5 秒轮询、等待上限未在真实环境验证等工程局限，大概率面临长尾生态的沉寂宿命。 (6:36)

Reading summary

开源插件 dsh-human-subagent 颠覆了传统的人机监督模式，通过将人类封装为普通子代理并交由 AI 主动调度，配合可调节的派发倾向旋钮，把深奥的人机权力反转与协作伦理具象化为工程现实。反向伪装：瞒过主模型的子代理机制 (0:00) 在人监督 AI 的主流讨论之外，开发者于 10 月 6 日在 DeepSeek 官方命令行工具 dsh 上开源了 dsh-human-subagent 插件。该工具仅注册了一个名为 Ask User as Sub-Agent 的假接口，当主 Agent 判定需要分发任务时，前端会弹出任务卡片要求屏幕前的人类作答。提交后，系统将内容固定封装为“该子代理在 22 秒后回答了委派任务”，并在正常、超时与退回等结算状态中统一称人类为“子代理”。主讲人指出，主 Agent 读到的每一条系统反馈都在坐实对面只是普通子代理。该项目包含 24 项自动化测试与一次真实委派端到端测试，但在发布时仅获 5 颗星，且作者坦承尚未截图验证暗色与亮色主题下的卡片外观。派发倾向旋钮：从极客偷懒到彻底交权 (2:14) 插件的核心机制是一个支持热修改且取值在 0 到 100 之间的“派发倾向”（delegationBias）数值旋钮，该数值会动态翻译为系统提示词注入给主 Agent。当设定在 25 以下的低档时，AI 必须尽力独立工作，仅在真正卡住时委派且禁止并行；中档则要求 AI 自主为主，仅索取外部知识或专有物理材料；高档提示 AI 结束前主动反思哪些部分交给子代理更好；而在 85 以上的最高档，文案彻底反转为“子代理干活，你来协调”，甚至要求 AI 将“17 乘 23”等基础运算派发给人类，仅对纯打招呼与确认类消息给予委派豁免。协作范式转变与清华实证数据 (3:35) 传统协作中人类是拥有逐项审批权的“门卫”，而该架构将人类降级为听候调遣的“供应商”。此前 LangChain 或 Claude Code 等同类人机工具均会在提示词中坦白人类身份，唯独该项目彻底封锁了人类的真实属性，主讲人称其将经典人机交互实验中的“绿野仙踪”骗术反向施加给了机器。清华大学团队此前的 32 人对照实验显示，在“AI 编排、人类充当关键节点工具”的模式下，旅行规划任务的准确率提升了 19 个百分点，故事写作中的人类认知负荷降低了 20%；但受试者也直言产生了“被裹挟着走”的心理体验，印证了主讲人关于系统过度自主会导致人类控制感丧失的判断。工程妥协与长尾插件的现实宿命 (6:36) 针对该项目的实用性，主讲人指出了三项具体不足：首先，技术架构上未采用双向 WebSocket 通道，仅依赖 1.5 秒一次的轮询拉取状态；其次，核心的等待上限与超时处理逻辑仅在本地通过自动化测试覆盖，缺乏真实端到端环境验证；最后，在 dsh 主项目逼近 25 万星、周边雷达扫描测试过上万个插件的庞大生态中，该项目仅有 5 星且未入选官方榜单，大概率会沉睡在 GitHub 长尾深处。但这一轻量实践的价值在于以代码直面了人机职责切分的下半句追问。该项目以极简工程手段将宏大的协作伦理具象化为一个 UI 旋钮；在 AI 接管调度成为可能的技术拐点上，人类面临着究竟愿意让渡多少控制权、将协作倾向旋钮拧至何处的根本抉择。

Source quotes

[5:22] AI技术投降派: 当 AI 太会安排，人第一个失去的是控制感。

Original transcript

[0:00] AI圈这半年都在争论同一件事人该怎么监督AI批准每一步审查每条命令给输出打分10月初有个开发者反着问了一个问题能不能让AI给人派活他在Deep Seek的命令航工具DSH上写了个插件,主agent需要帮手的时候,屏幕上弹出一张任务卡片,接活的那个子代理就是坐在屏幕前的你。而AI完全不知道它叫Dish Human Sub-Agent10月6日出现在GitHub上仓库创建时间和最后一笔推送只差19分钟本地打磨完一口气开源作者惨期,这是他账号上唯一的公开仓库,第一个作品。机智一句话插件给主Agent注册了一个新工具,叫Ask User as Sub-Agent。在Agent的工具列表里,它看起来就是一个普通的子代理接口安装也简单,DSH插件管理器一条命令,Web界面里点开就能用。当Agent决定委派任务,界面弹出一张卡片,任务内容输入框两个按钮提交或者交回任务。你打完字典提交,答案就变成工具结果返回给Agent。注意返回的措辞,这个子代理在22秒后回答了委派任务。三个结算状态,正常回答超时退回,文案里统一叫它子代理。超时那条甚至写着不要把任务汇报成已完成不许谎报主agent读到的每个字都在说对面是个普通字代理作者的笔记里寄了实册,24项自动化测试,加端到端跑通一次真实尾派,还专门标了一条,卡片在亮色暗色两个主题下的外观,还没截图验证。一个五颗星的项目,验证边界写得清清楚楚,这个插件最好玩的东西是一个叫派发倾向的旋钮。英文Delegation Bias0到100改了立刻生效不用重启他决定AI有多愿意把活派给你旋钮的数值会翻译成一段系统提示词,注入给主Agent,四档的原文值得念一念,第一档,二十五以下,自己完成工作,只有真正被卡住才委派,绝不当成捷径。也不拿他来并行干活中档自己干把需要子代理持有的那部分交过去环境外的知识只有他能做的判断他必须提供的材料高档在结束回答之前检查哪些部分交给子代理更好与其自己作杂不如交过去最高档85以上文案直接反转子大李干活你来协调。这里有个特别细的心思,最高档的提示词里连举例都写了,问问子代理17乘23等于多少。连惩罚都要委派防止模型把委派工作理解成指委派麻烦的部分,还留了一条豁免,打招呼和纯确认不用委派,免得AI见你第一面就派活。往深一层看这个插件动了人机协作的谱系传统的人机协同人是审批者AI 没走一步弹窗问你允许还是拒绝二元按钮人是门卫这个插件里人是一个可调用的资源AI拿到任务自己判断哪些部分自己干哪些部分委派给你然后等你交活人从门卫变成了供应商,这个点子站在一条谱系的末端。把人当工具给AI用早有先例Land Chain很早就有个人机工具文档里写得直白人类是通用智能当然可以当工具Cloud Code生态里也有同类插件把多个agent的问题汇进一个人类收件箱147颗星但查遍这些同类他们都明明白白告诉模型你在问人没有找到第二个像他这样对主Agent隐藏人类身份的。谱系里的孤立,这个片树本身也有来历。人机交互领域有个经典实验叫绿叶先踪人躲在幕布后假扮AI,骗的是人类用户。这个插件把同一场木偶戏反过来演幕布后的还是人被骗的换成了AI用了四十年的老片树 [5:00] 依次反向用于机器实用价值也是真的Agent缺现场信息的时候,你的密码,你的偏好,物理事件里的实际状况。委派给用户比打断式提问优雅得多当然你要是把旋钮拧到一百,它就成了一台摸鱼监视器。AI时刻准备给你派活这不只是极客玩笑还真有人做过对照实验清华几个团队去年发过一篇论文32个人分组测试让AI做编排人只在关键节点被当成工具调用结果旅行规划任务的准确率比传统模式高了19个百分点故事写作的认知负荷降了两成原因不复杂协调验证整合这些苦差被AI吸收了人只在决策的关键点被叫醒被调用不等于被贬低关键看谁付协调成本但论文里也记了一个耐人寻味的细节有参与者形容自己被裹挟着走当AI态会安排人第一个失去的是控制感把镜头拉远还能看到一出历史回旋标1770年,土耳其机器人下棋片局,目布后藏着人类棋手。200年后亚马逊把重包平台命名为土耳其机器人到今年已经有平台打出口号AI需要你的身体注册的零工超过六万人棋局回到起点只是这次目不后的人是自己愿意坐进去的按这个频道的惯例泼三杯冷水第一,技术实现很朴素,前端每1.5秒轮循一次接口,没有推送通道。作者自己也不会言笔记里写得明明白白第二超时路径没试测过等待上线这个参数作者明确标注只被自动化测试覆盖没在真实环境跑过第三,看生态位,DSH主仓库快25万颗星,插件生态狂野生长,雷达项目累计扫过21000多个候选,实测过13000多个,而这个插件还没被任何榜单收录。这类实验性小插件的宿命大概率是安静地躺在仓库里等下一个想通了什么的人翻出来五颗星不是问题DSH插件的传统就是小而妙之前讲过的识图插件发布时也只有6颗星这个插件改变不了什么但它把一个问题做成了一个可以拧的旋钮人和AI之间活应该怎么分以前这个问题只有一种答案AI干活人监督现在至少有人试着问了另一半,人干活,AI调度行不行?仓库地址在简介里MIT协议,想体验被AI派活的感觉,装一个试试。我们下期见。

开源插件伪装人类身份 让DeepSeek主代理反向委派工作