dsh-research-lab 是一套"下载即可运行"的高校科研智能体框架: macOS 桌面端开箱即用(内置真实 DeepSeek Harness + Node 22 + 全部科研栈, 无需预装任何环境);亦可源码接入——两套真实公开数据的完整研究管线、8+4 个科研技能、 三个层级 Preset、49 项自动验收。教师与研究生不重造轮子,按学科模板定制自己的科研 Agent。
先有真实计算与复现,再有交互与炫技——每一层都可以独立替换。
课堂上可直接 python examples/.../run_t1_t5.py,也可让 DSH 智能体驱动同一套工具。
research-lab 通用 / edu-research 教育 / health-research 公卫——守则 + Skills + Tools 清单,换学科=换配置。
研究设计、数据导入、质量决策、探索分析、统计建模、模型验证、科研报告、证据溯源 + 教育泄漏审计等。每件都有适用条件 / 输入契约 / 验证条件 / 失败处理。
data_audit · regression · classification · stat_tests · report_builder——语言模型不碰数字,只调度与解读。
domain.yml + methodology.md(知识带性质标注)+ 协议 protocol.md(先于分析锁定)+ 变量字典 + expected/ 数值锚点。
SHA256 完整性 → 确定性复跑 → 双独立实现交叉验证(statsmodels vs 手写 OLS 逐位一致)→ 协议断言。CI 三平台 × 双 Python 版本背书。
每个模块独立可用,也可组合成完整的"科研工作台 + 智能体"。
| 模块 | 能力 |
|---|---|
| 教育科研台 EduResearch | UCI Student Performance(649 名中学生真实数据)T1–T5 全流程:审计 → 单变量关联 → 多变量回归 → 泄漏对照 → 报告图表交付 |
| 公卫科研台 HealthResearch | UCI Heart Disease(303 例真实历史病例)H1–H5 全流程:缺失审计 → Logistic 基线 → 防泄漏划分与 5 折 CV → 留出集评价与阈值分析 |
| 统计方法谱 | 两独立组 / Welch ANOVA / Kruskal-Wallis / 卡方+Cramér's V / 多重校正 / 效应量 / 预测评价 / Logistic OR 表 / 置换重要性;数据不支持的方法显式声明拒绝理由 |
| 验证体系 | scripts/verify.py 49 项三方对账:SHA256 完整性 → 确定性复跑 → 双独立实现交叉验证 → 协议断言;CI 三平台 × 双 Python 版本背书 |
| 桌面端(macOS) | 一个 .app 装下全部:真实 DSH 0.2.1-rc.2 + Node 22 + Python 科研栈;管线一键运行、DSH 智能体窗口、科研台守则经 profile patch 注入、模型 Key 本机配置 |
| 定制路径 | templates/new-domain/ 七步复制出自己的学科 Agent:换知识 + 协议 + 数据三件事,tools/ 计算层与验收设施零改动 |
datasets/*/raw/ 永不改写,SHA256 锁定于 metadata/source.yml;改动立即被 verify 抓住(有专门的安全测试)。
模型不得生成任何 p 值 / R² / AUC——那叫编造。全部统计值出自 tools/ 计算层。
每个头条指标有第二条独立实现路径:手写 OLS vs statsmodels(|Δ系数|=0)、秩和法 AUC vs sklearn。
观察性数据只谈关联;健康数据禁用于真实临床。不适用方法(生存/纵向/因果/调查加权)显式声明理由。
数据不满足契约时,智能体必须提出修正要求——拒绝编造是 Skill 层的显式条款,课堂现场演示。
research-design 先出 protocol.md,分析计划锁定后不得静默修改;改协议必须升版本号。
零模拟数据:两套基准均为 UCI 真实公开研究数据(CC BY 4.0),数值全部锁定可复核。
一个 .app 装下全部——随包内置真实 DSH(DeepSeek Harness 0.2.1-rc.2,npm 官方包原样分发)、 Node 22 运行时与全部 Python 科研栈;使用者无需预装 Node / Python / DSH。 从 Releases 下载 v0.3.1 dmg (或 .zip)即可安装。
工作台一键启动 DSH Web(MIT 许可,整包未修改): 12 个科研技能首启自动装配,所选科研台的智能体守则经 profile patch 注入会话; 会话内 DSH 的 shell 工具直接调用随包 Python 运行管线脚本。
首次使用在「模型设置」填 Key(DeepSeek 官方或 OpenAI 兼容端点)。Key 仅存本机(0600),经环境变量注入 DSH——绝不打包、不写日志、不随应用分发。
教育 / 公卫管线一键运行,报告、表格、图表就地浏览; 数据与产出全部落在用户目录,升级应用不触碰已有结果。
构建自动做干净环境冒烟(装配 → 双管线真实产出 → 启动内置 DSH → token 断言 303/401,6/6 步全绿);另附 GUI 实机验证与 preset 注入实证报告 docs/desktop-validation.md。
改造而非重造——tools/ 与验收设施零改动,只换"知识 + 协议 + 数据"三件事。
python 直接命中随包科研依赖。# 跑通教育科研管线(真实数据,约 10 秒) git clone https://github.com/milulab/dsh-research-lab.git cd dsh-research-lab && pip install -r requirements.txt python examples/education-demo/run_t1_t5.py # → outputs/{results.json, report.md, …} python examples/health-demo/run_h1_h5.py # 公卫分类管线 python scripts/verify.py # 49 项对账全绿
# 已安装 DeepSeek Harness(npm i -g @deepseek-ai/dsh)的场景: bash scripts/install.sh --preset research-lab # 装配 skills + 科研台 preset dsh web # 工作区指向仓库根目录
关于 DSH Research Lab 的常见疑问,一句话版本都在这里。
一套"下载即可运行"的高校科研智能体框架:macOS 桌面端开箱即用(内置真实 DeepSeek Harness、Node 22 与全部科研栈),也可源码接入,把数据审计、统计分析、报告生成串成可复核的研究流程。
内置教育与公共卫生两个完整领域模板:教育科研台基于 UCI Student Performance(649 名中学生真实数据),公卫科研台基于 UCI Heart Disease(303 例真实病例);换学科等于换 Preset 配置,无需改计算层。
内置 verify.py 的 49 项自动验收:SHA256 完整性、确定性复跑、双独立实现交叉验证与协议断言;原始数据只读、数字只能来自真实执行、协议先于数据锁定。
从 GitHub Releases 下载 macOS(Apple Silicon)桌面端 DMG,把 App 拖入「应用程序」即可,内置 12 个科研技能,无需预装 Node / Python;也可克隆源码后 pip install 依赖直接运行教育或公卫管线。
是。框架基于 DeepSeek Harness 构建,MIT 许可开源,数据为 CC BY 4.0 的 UCI 真实公开数据集,代码与文档在 GitHub 仓库 milulab/dsh-research-lab。