SearchVidGen：DeepSeek Harness 的视频生成模式

SearchVidGen v3 把「输入一个搜索词或一两句话 → 产出带评测闭环的成片视频」 做成 DeepSeek Harness（dsh）的原生插件家族 + agent preset（模式）—— 不再自建 harness，而是长在 dsh 上：一切皆插件（Cordis），能力缝 = 服务定义 + 提供者 + 消费者，模式 = agent preset。

历史：v1（Gradio 七步流水线，legacy/）与 v2（Python 版 harness， harness/，现降级为执行引擎 + 评测/基准层）见各自目录。

架构

packages/                          # dsh 插件家族（pnpm monorepo）
├── dsh-video/                     # 能力缝 SD：ctx.video 注册表 + 按能力路由 + 结算协议
├── dsh-video-provider/            # 配置驱动提供者（一行配置一个模型，不装新包）
│   ├── remote  生成器             #   openai / minimax 协议，URL+key+model 接入任意端点
│   ├── local   生成器             #   vh gen-single 子进程（本机 GPU 引擎）
│   └── judge   裁判               #   OpenAI 兼容 chat completions（VLM/文本），视频抽帧
└── dsh-video-tool/                # 消费者：5 个模型面工具 + 编排闭环 + ctx.jobs
presets/video/                     # 「视频生成模式」agent preset（GUI 预设选择器可选）
harness/                           # Python 引擎（vidharness）+ 实验/基准/leaderboard
legacy/                            # v1 Gradio 流水线（归档）

能力缝三角色：Service Definition（dsh-video 的协议与注册表）/ Service Provider（dsh-video-provider，配置即状态）/ Consumer（dsh-video-tool 的工具与编排）——与 dsh 官方 capability seam 同构。

模型选择鲁棒，不叠包：新模型 = 在 provider 配置里加一行 （baseUrl + model + credential，未知协议参数经 defaultParams 透传）， 零代码改动；没配任何提供者时工具响亮失败并给出配置指引。

用户旅程（视频生成模式）

GUI 新建会话 → 预设选「视频生成模式」→ 输入 雨夜，一只小猫在旧书店橱窗前躲雨 → agent 调用 video_generate_search （后台 job）→ LLM 分镜 → 逐段生成 + 评测重试闭环 → 跨段一致性检查 → FFmpeg 总装 → 成片 mp4 + 报告（评分/成本）→ video_verify 复检后交付。

模型面工具

安装（任何人）

# 1. 三个包装进 web profile（dsh ≥ 0.1.0-rc.6）
dsh plugin --profile web add <dsh-video 包路径>
dsh plugin --profile web add <dsh-video-provider 包路径>
dsh plugin --profile web add <dsh-video-tool 包路径>

# 2. 配置提供者（一行一个模型；写进 ~/.dsh/cordis.patch.yml 的 video-provider 行）
#    remote 示例（无需 GPU、无需 Python）：
#      generators:
#        - {id: h3-api, kind: remote, protocol: minimax,
#           baseUrl: https://api.minimaxi.com, model: MiniMax-H3,
#           credential: MINIMAX_API_KEY,
#           capabilities: {minDurationS: 3, maxDurationS: 15, audio: true,
#                          maxRefs: 9, firstLastFrame: true, resolutions: [768P, 2K]}}
#      judges:
#        - {id: vlm, baseUrl: http://127.0.0.1:8030/v1, model: judge-qwen3.5-27b,
#           credential: DEEPSEEK_API_KEY, modalities: [video, image]}
#    （凭据放 ~/.dsh/.credentials.yaml 或同名环境变量）

# 3. 同步「视频生成模式」预设到 ~/.dsh/.agent-presets/video
node scripts/sync-preset.mjs

# 4. GUI（127.0.0.1:3080）新建会话 → 预设选「视频生成模式」

本机 GPU 引擎（local 提供者）另需：vidharness 环境（harness/，pip install -e .）， H3 权重路径；模型环境不含 ffmpeg 时在 local 配置行加 ffmpegDir（指向 ffmpeg 所在目录，经 spec.ffmpeg_dir 注入引擎 PATH）。remote 提供者与裁判只需要 网络与凭据。

检验（测试与验证分层）

1. TS 单测/集成：pnpm vet（typecheck + vitest + build）——mock HTTP 协议、 mock vh 子进程、能力路由 fail-loud、评测结算归消费者、预设组合；
2. Python 契约测试：harness/ 内 python -m pytest tests/（170 用例） ——含 vh gen-single 的 stdout JSON 契约（mock 生成器 + 真实 ffmpeg）；
3. 真实冒烟：node scripts/smoke-local.mjs（TS provider → vh → H3 真实 GPU）；
4. 评测/基准/证据：vidharness 的 vh doctor / regress / leaderboard / bench 继续作为实验与证据层（experiments/ 事件溯源 + E 系列结论）。

开发

export PATH=$HOME/.nvm/versions/node/v22.22.2/bin:$PATH   # node >= 22.19
corepack pnpm install
corepack pnpm vet            # 三包 typecheck + test + build

目录内的 docs/ 保留 v1/v2 时期的调研与证据文档； harness 的决策记忆在 harness/.agents/notes/。