dsh-atn

dsh plugin --profile web add dsh-atn

dsh-ATN：企业级多智能体自适应拓扑网络与数据边界引擎

<div align="center">

布线自适应，边界强管控

Topology adapts, boundaries hold.

面向高安全、多租户与严格合规场景打造的 DeepSeek Harness 智能体拓扑治理与零信任数据边界基础设施。







[核心优势](#-核心产品优势) • [为什么选择 ATN](#-为什么选择-dsh-atn) • [安全责任模型](#-零信任安全责任共担模型) • [实测数据背书](#-严谨实测背书-显著节省调用开销) • [快速上手](#-快速上手) • [文档中心](docs/README.md)

</div>

---

💡 为什么选择 dsh-ATN？

在多智能体系统（Multi-Agent Systems）深入企业生产环境的过程中，架构师与工程师普遍面临着协同与安全不可兼得的三重严峻困境：

1. 数据越权与穿透失控（Data Leakage & Context Pollution）

原生 Team 或自由群聊缺乏宿主级数据隔离机制，智能体间的上下文广播极易引发跨租户数据穿透、敏感资产越权或信息污染，直接触碰合规红线。

2. 拓扑僵化 vs 广播风暴（Rigid DAGs vs Broadcast Storms）

固定工作流难以适应多变的任务环境；而放任自由通信则导致通信复杂度飙升至 $O(N^2)$，造成严重的 Token 预算爆炸与延迟雪崩。

3. 黑盒协作与单点故障（Blackbox Chaos & Brittle Operations）

节点离线导致任务悬空，缺乏事务级原子队列与自愈保障，生产级故障难以复现与追溯。

🌟 dsh-ATN 的破局之道：双层解耦与确定性控制

dsh-ATN 通过创新的拓扑层与保管层两层解耦架构，彻底解决了上述矛盾：

架构层级 · 管辖维度 · 运作机制 · 核心业务价值

🕸️ 拓扑层 (Topology) · 物理可达性<br>（能和谁协作） · 动态自适应：节点按需自主换边，出度受对数曲线平滑约束 $O(N \log N)$（默认 8 节点上限为 4，32 节点为 6，部署天花板为 8） · 告别广播风暴与静态僵化：以极低通信复杂度实现跨阶段高效路由，杜绝无序网络蔓延。

🛡️ 保管层 (Custody) · 数据合法权属<br>（能传递什么） · 宿主强约束：零信任底线，受控出站通道逐一审查，无权声明即刻原子熔断 · 杜绝数据洗白与横向越权：严格匹配宿主授予的真实资产凭证，保障企业数据主权。

关键差异：这是 DeepSeek Harness 原生 Team 完全不具备的能力——原生 Team 既无法自适应动态拓扑，更完全缺乏宿主级强制的数据保管边界。

---

🎯 核心适用场景

dsh-ATN 专为对数据边界可证明性、调用经济性与系统韧性有严苛要求的生产级场景而设计：

• 🏢 多租户 Agent 基础设施：多租户共享底层模型与算力底座，物理级杜绝租户私有上下文与核心资产跨智能体横向穿透。
• 🏛️ 金融 / 医疗 / 司法高合规流水线：将数据主权与实体权限（Artifact ID）与节点严格绑定，提供出站通道零旁路的合规保障。
• 🔒 严格知悉范围（Need-to-Know）研发管线：例如模块 A 的智能体需要与模块 B 智能体对齐接口协议，但严格禁止接触模块 B 的底层实现细节。
• 🔍 安全可追溯的自动化交付网络：为多智能体协作链路提供形式化权属审计与一致性验证，让每一次协同都有据可查。

---

🌟 核心产品优势

1. 🛡️ 宿主强制的零信任数据隔离（Host-Enforced Boundary）

• 14 条出站通道全覆盖：对 start、spawn、send（task/note/result）、status（review/claim/rewire）、publish、finish 及保留治理 API 实行毫秒级出站审查。
• 零副作用原子拦截：未持有合法凭证的虚假声称（evidence-not-owned）在持久化或派发前被绝对熔断，不污染网络状态、不扣减步数配额、不产生脏数据。
• 杜绝隐式数据洗白：对结果回执、评价反馈、关联元数据（messageId、dependsOn、retryOf）实施全链路审计，彻底封堵任何隐式信道。

2. 🔍 宿主派生的真实专长发现（Derived Discovery）

• 告别虚假自报：智能体在通过 atn_status(query=...) 检索潜在协作节点时，候选节点的专长与标签（topics）完全由宿主从真实 Custody 注册表反向派生。
• 发现即真权属：智能体无法通过自然语言伪造不存在的能力或持有权，确保路由匹配的真实可信。

3. 🕸️ 高效局部自适应拓扑（Logarithmic Adaptive Topology）

• 对数级出度硬顶约束：有效出度上限为 $\min(\text{天花板}, \lceil \log_2(N) \rceil + 1)$，默认规模（8 节点）上限为 4，32 节点为 6。全网通信开销保持在优雅的 $O(N \log N)$。
• 节点自主换边路由：智能体基于真实协作履约反馈与历史评价，通过 atn_status(rewire=...) 自主重连最佳协同节点，无缝适应多阶段任务流转。
• 零开销遥测捎带：本地静默统计任务延迟、步数消耗与健康状态，随正常业务通信捎带回传，零额外模型唤醒，零额外 Token 费用。

4. 📚 共享 Substrate：高效有界知识底座

• 只追加不可篡改：网络内消息与产物采用单调递增地址，地址永不重用；生产者退休或异常后，交付产物仍可被全网检索与安全追溯。
• 细粒度权属核验：支持 msg:<n>、task:<id> 与 artifact:<id> 精准引用，由宿主严格核验存在性、任务可见性与保管集合。
• 极简上下文协议：8 个核心工具固定上下文仅占 7,956 字节（schema 6,119 + 规则 1,837），关闭 substrate 时更低至 5,910 字节，将宝贵的上下文窗口全额留给业务思考。
• 可关闭引文加权：支持基于 BM25 的检索与正相关引文权重排序，亦可随时配置为纯检索模式。

5. ⚙️ 企业级事务架构与自动化自愈（Resilience & Self-Healing）

• 串行原子写事务：按 networkId 隔离的串行写队列，读取、配额校验、ID 分配与持久化在同一临界区原子执行，杜绝并发竞争与死锁。
• 孤儿任务自动接管：节点异常离线或步数配额耗尽时，其在途任务自动标记为孤儿状态；空闲节点通过 atn_status(claimTaskId=...) 原子抢占接管，流程永不悬空中断。
• 两阶段平滑下线：节点按 Draining（处理在途义务、停收新任务）→ Retired（注销资源）两阶段优雅离线，保障复杂链路有序收拢。

6. 📊 原生 Web GUI 全景可视化与舰队态势感知（Observability）

• 原生深度集成：在 DeepSeek Harness Web GUI 中点击顶栏 「ATN 网络状态」，即可实时查看节点拓扑、出边谱系与任务流；并原生集成 dsh-better-sidebar@0.28.0 侧边栏 Tab。
• 只读轻量观察：观察端复用严格 RPC 机制，串行读取、零网络写入、不唤醒模型、不产生额外模型 Token。
• 多网络舰队观察（Fleet Observation）：在获得授权的前提下，支持跨网络统一监控各执行网络的健康状态、步数吞吐、容量及有界拒绝遥测。

---

🔒 零信任安全责任共担模型

企业在部署多智能体系统时，需要清晰明确的安全边界定义。dsh-ATN 采用业界标准的责任共担模型（Shared Responsibility Model）：

职责层级 · 负责主体 · 核心保障范围 · 协同交互界面

基础设施层 · dsh-ATN 引擎 · • 14 条受控出站通道无旁路强制审查<br>• evidence-not-owned 原子熔断与事务回滚<br>• 对数级拓扑出度限制与稀疏路由保障<br>• 结构化 Artifact / Task 权属与引用合规校验<br>• 串行原子写队列与孤儿任务自愈机制 · 框架内置拦截引擎与一致性套件 ([conformance/](conformance/README.md))

企业宿主层 · 企业宿主系统 · • 租户主体身份认证与会话鉴权 (IAM / OAuth)<br>• 企业真实数据权限源映射 (文件 ACL / 数据库 RLS)<br>• 业务层自然语言敏感内容与 DLP 策略审查<br>• 持久化合规审计日志的存储与留存 · defineCustodyPolicy 策略配置接口

💡 设计哲学：拒绝浮夸玄学，交付确定性控制

dsh-ATN 坚信：在生产环境中，确定性的规则比不可控的“群体智能涌现”更值得信赖。ATN 专注在通信层与拓扑层提供数学可证明、测试可复现的强隔离保障，与宿主的安全体系共同构筑坚不可摧的立体防护网。详见 [威胁模型白皮书](docs/THREAT_MODEL.md) 与 [读取授权规范](docs/OBSERVER_READ_AUTHORIZATION.md)。

---

🧪 严谨实测背书：显著节省调用开销

在行业普遍充斥个例跑分与过度宣传的背景下，dsh-ATN 坚持实事求是。我们在严格对齐的等预算约束下，使用 deepseek-v4.1-flash 完成了五臂各 14 个配对 seed、共 70 次真实模型调用的终轮基准评测：

评估臂 (Arm) · 精确任务通过率 · Wilson 95% 置信区间 · 任务墙钟耗时中位数（秒） · 配对模型调用次数相对差

single (普通单智能体) · 9/14 · 38.76% – 83.66% · 106.08 · 基准

single-scaffolded (逐分片单智能体) · 13/14 · 68.53% – 98.73% · 119.83 · +13 次

independent-pool (独立无通信池) · 12/14 · 60.06% – 95.99% · 107.95 · +1 次

native-team (Harness 原生 Team) · 14/14 · 78.47% – 100.00% · 204.37 · +21 次

🚀 atn-adaptive (自适应拓扑网络) · 10/14 · 45.35% – 88.28% · 156.96 · 较原生 Team 显著少 21 次 (p=0.00366)

📊 核心业务结论：

1. 💰 显著降低 API 调用开销：在完成多智能体协同任务时，ATN 凭借精简的自适应拓扑控制，比原生 Team 显著节省 21 次模型调用开销（p=0.00366），帮助企业大幅削减推理成本。

2. 🛡️ 隔离性无可替代：虽然在单任务纯单体场景下单智能体更简单，但单智能体完全无法提供企业级职责隔离与多租户安全边界。当业务必须使用多智能体协同以满足隔离合规诉求时，ATN 是兼具高安全与低成本的最佳选择。

3. 🔬 数据透明公开：所有对照实验数据与判定标准均完整存档留档，详见 [第 11 轮五臂评测报告](docs/EQUAL_BUDGET_BENCHMARK_IMPLEMENTATION_REPORT_V3.md)。

---

📊 Web GUI 结构化全景监控面板

ATN 深度融合 DeepSeek Harness Web GUI，提供直观的可视化网络拓扑与执行状态：

<div align="center">

…(truncated)