DeepSeek Harness LLM 适配器：接入任意模型
模型提供方不止 DeepSeek 一家，想把 dsh 接到自己的模型端点，就要写一个 LLM 适配器。
本章节我们将讲 LlmAdapter 抽象类、stream() 方法、路由注册与 cordis.yml 配置。
LLM 适配器是什么
LLM 适配器是一个继承 LlmAdapter 并实现 stream() 方法的类。
它把 Harness 的提供方无关请求，转换成具体提供方的 API 调用。
它再把响应转换回 Harness 的分片，也就是 StreamChunk。
因此 agent-loop 消费的是统一接口，不关心背后是哪家 API。
顶层是 agent-loop，它消费提供方无关的流式生成服务。
中间是 ctx.llm 注册表，维护 LlmAdapter 的抽象契约。
底层是各个适配器，分别对接不同的 API 格式。
注册时用 ctx.llm.registerAdapter(\['my-provider'\], adapter) 绑定路由。
最小实现
官方文档给了一个最小骨架，我们照着写并补上注释。
stream() 是核心，返回一个异步生成器 AsyncIterable。
三步注释标出了标准流程：转换消息格式、调用流式 API、把响应转成 StreamChunk。
实例
// 文件路径：src/my-llm-adapter.ts
import type { Context } from '@deepseek-ai/cordis'
import Schema from '@deepseek-ai/schemastery'
import { LlmAdapter, type GenerateOptions, type StreamChunk } from '@deepseek-ai/dsh-llm'
// 适配器：继承抽象类，实现 stream()
class MyAdapter extends LlmAdapter {
private apiKey: string
constructor(apiKey: string) {
super()
this.apiKey = apiKey
}
// stream() 返回异步生成器，逐片产出 StreamChunk
async *stream(options: GenerateOptions): AsyncIterable<StreamChunk> {
// 1. Convert options.messages to the provider format.
// 2. Call the streaming API.
// 3. Convert the response into StreamChunk values.
}
}
// 插件配置：apiKey 与 providers 都必填
export interface Config {
apiKey: string
providers: string[]
}
// 同名的 Schemastery schema，加载时校验配置
export const Config: Schema<Config> = Schema.object({
apiKey: Schema.string().required(),
providers: Schema.array(Schema.string()).required(),
})
export const name = 'my-llm-adapter'
// 声明依赖 llm 服务，保证 ctx.llm 已就绪
export const inject = ['llm']
export function apply(ctx: Context, config: Config) {
const adapter = new MyAdapter(config.apiKey)
// 把提供方路由列表绑定到这个适配器
ctx.llm.registerAdapter(config.providers, adapter)
}apiKey 来自插件配置，避免把密钥硬编码进代码。
providers 数组声明这个适配器负责哪些提供方路由。
apply 里先 new MyAdapter(config.apiKey)，再 registerAdapter 完成注册。
inject: ['llm'] 保证 ctx.llm 服务就绪后才执行 apply。
stream() 返回的是异步生成器，用 yield 逐片往外吐数据。
下一篇会详细讲 StreamChunk 的分片协议。
GenerateOptions：适配器收到什么
stream() 接收仓库导出的 GenerateOptions。
它包含模型、推理强度、对话历史、系统提示词、工具 schema、生成参数、停止序列与中止信号。
完整字段以 @deepseek-ai/dsh-llm 导出的 TypeScript 类型为准。
| 字段 | 说明 |
|---|---|
| provider | 选择已注册的适配器 |
| model | 适配器拥有的模型 id，无需在启动时注册 |
| messages | 对话历史 |
| system prompt | 系统提示词 |
| tools | 工具 schema |
| reasoning | 适配器拥有的推理强度 ID（可选） |
| signal | 中止信号，取消与资源释放用它完全停稳 |
适配器必须把支持的字段映射到具体 API。
如果某个字段无法支持，应抛出带稳定 code 的 LlmError，不得静默丢弃。
不支持的字段要明确报错，而不是悄悄忽略；否则模型会拿到残缺的结果。
注册适配器
apply 里调用 ctx.llm.registerAdapter 完成路由注册。
实例
// 文件路径：src/my-llm-adapter.ts（注册片段）
ctx.llm.registerAdapter(['my-provider'], adapter)第一个参数是适配器处理的提供方路由列表。
GenerateOptions.provider 会选择已注册的适配器。
GenerateOptions.model 则传入由适配器拥有、无需在生命周期启动时注册的模型 id。
如果适配器能向选择器公布模型选项，可以覆写 listModels()。
需要返回确切的提供方与模型身份时，可以覆写 resolveModel(provider, model, signal?)。
resolveModel 一次查询返回确切的提供方、模型身份，以及可选的 context 和 reasoning 元数据。
reasoning 元数据描述模型可选的推理强度：有序的不透明 ID、展示名称，以及可选的配置默认值。
保留适配器给出的权威可选列表，包括上游能力 API 返回的 off，不要把这些值提升为核心枚举。
异步查询必须响应可选的 signal，让取消和资源释放过程完全停稳。
服务会校验聚合结果：显式指定但不支持的推理强度，会在调用 stream() 之前被拒绝。
省略 reasoning，表示该模型没有可选的推理强度能力。
在 cordis.yml 中使用
把适配器插件和 agent-loop 一起加载，并让 agent-loop 用新的 provider 与 model。
实例
# 文件路径：cordis.yml
# 加载适配器插件，apiKey 从环境变量读取
- id: my-llm
name: './src/my-llm-adapter.ts'
config:
apiKey: !!js process.env.MY_API_KEY
providers:
- my-provider
# 配置 agent-loop 使用新适配器的 provider 与 model
- id: agent-loop
name: '@deepseek-ai/dsh-agent-loop'
config:
agents:
- id: main
provider: my-provider
model: my-model-v1my-llm 插件的 config.apiKey 从环境变量 MY_API_KEY 读取，不落盘。
providers 数组把 my-provider 这个路由注册给 MyAdapter。
agent-loop 的 agents.main 配置 provider 与 model，生成请求时就会命中新适配器。
实战参考
仓库里有现成的两个完整实现可以对照。
llm-deepseek 适配 DeepSeek API，走 OpenAI 兼容格式。
llm-pi-ai 适配 Pi AI，是不同的 API 格式。
对比这两个适配器，可以看到同一套 harness 契约如何在不同提供方 SDK 之上实现。
先读 llm-deepseek 再读 llm-pi-ai，最容易看出「契约不变、实现各异」的 seam 思想。
小结与自测
一句话总结：LLM 适配器 = 继承 LlmAdapter + 实现 stream() + registerAdapter 路由注册 + cordis.yml 配置。
自测题一：stream() 的返回值类型是什么？
自测题二：registerAdapter 的第一个参数代表什么？
自测题三：agent-loop 通过哪些配置项选择新适配器？
AI 思考中...