dsh-cache-probe
任意已配置渠道的测试页:多轮提示词缓存命中率、流式 TTFT 与 tok/s,以及鹈鹕 SVG 测试。
- 形态
- Plugin 插件
- 安装
- npm 包安装
- 需要密钥
- 是
- 近月下载
- 1,539
- 最近推送
- 昨天更新
项目说明
From README
dsh-cache-probe 在 DSH Web GUI 里打开一个独立的 渠道测试 页面,测试任意已配置渠道的提示词缓存命中率、响应速度,并用「鹈鹕测试」检验模型能否画出可用的 SVG。页面通过插件自己的 Host HTTP 接口运行测试,结果直接画在页面里;不注册 slash 命令,不往对话写命令卡片,也不会产生模型可见的消息。入口 两个入口打开同一个页面: - 输入框下方统计徽标行末尾的 「渠道测试」 按钮; - 侧边栏的 渠道测试 页面图标(像技能中心/插件页一样常驻)。页面替换中栏会话;点 「返回会话」 回到原会话。切换页面再回来,最近一次结果仍在。
页面 - 测缓存 :一次预热 + N 次复测,读取真实 usage 计算命中率。- 测速 :N 轮短提示词,测 TTFT、输出 tok/s、总耗时。- 鹈鹕测试 :一轮请求让模型画“骑自行车的鹈鹕”SVG,页面提取并渲染预览,同时记录 TTFT、tok/s、总耗时、推理/正文 token 和 SVG 字符数;不判断画得像不像,也不设输出上限。- 全部运行 :缓存 → 测速 → 鹈鹕,逐项更新卡片;一项失败不会跳过另一项。- 先选供应商,再选该供应商的模型;每个供应商会记住上次选的模型,切回来时自动恢复。- 没有可用模型的供应商仍会显示,标注「无可用模型」;选中后模型下拉为空、运行按钮禁用。
- 运行中按钮与三个下拉全部禁用,状态显示「缓存测试中… / 测速中…」。- 测试过程中 ,结果区显示全宽进度面板:当前阶段、已用时间、预热/复测步骤条、等待倒计时、逐轮实时指标,以及「停止测试」按钮。- 正常完成后进度面板收起,显示结果卡片;取消后保留已完成轮次的进度面板,标记「测试已停止」,不生成不完整的结果卡。- 结果卡片包含逐轮表格、结论和可复制的文本报告;缓存卡还会显示来源会话的真实流量对照。- 缓存表和测速表最后一行是平均:token/耗时取算术平均;缓存命中率按「总缓存读 ÷ 总 prompt」加权,且只统计复测轮、不含预热。失败轮不参与平均。
- 三张结果卡(缓存、测速、鹈鹕)纵向排列
Original description
DSH channel test page: prompt-cache hit rate, streaming speed, and a pelican SVG test.
安装方式
npm 包安装 · 需要额外配置密钥
dsh plugin --profile web add dsh-cache-probenpm 不可用时,也可以直接指向仓库:dsh plugin --profile web add https://github.com/xymy666/dsh-cache-probe安全能力
静态扫描源码得到的权限画像 —— 回答的是「它要动什么」,而不是「它好不好」
- 访问网络
- 调用模型
未发现已知红线(明文传输、安装期执行代码、凭据外传等)。
能力与红线来自 awesome-dsh-plugin 的静态扫描结果(CC0 公有领域),本站未逐行复核源码; 它只覆盖能被静态识别的模式,不等于安全审计结论。
为什么是这个分数
近 2 天仍在推送;README 给出了可直接复制的安装命令;运行前需要准备 API Key 或环境变量;近月 npm 下载 1539 次,star 不多但真在被使用。
- 维护活跃
- 100
- 实用度
- 66
- 生态热度
- 64
- 上手便捷
- 74
- 信号质量
- 100
- 数据置信度
- 85%
相关插件
dsh-model-master
NEETnina/dsh-model-master
DSH 输入框的模型选择器:保留原生按钮与菜单,只在小下拉列表即将弹出时接管;跨渠道搜索、对任意模型发起真实流式请求测出 TTFT 与 TPS,并可浏览由 OpenRouter 目录构建的最多 100 行榜单,点一行即搜索本机同名渠道。
euthyna
slow-stack/euthyna
面向 AI 编码代理的确定性安全审计事实与结论门禁:euthyna history 把每行被删代码归因到提交并标记安全修复类删除(--origins 追到最初引入者),euthyna coverage 报告哪些改动符号从未被测试调用,euthyna gate 用六道门禁逐条校验结论,拿不出证据的一律降级为观察。
SkillCorpus
EverMind-AI/SkillCorpus
Open-source infrastructure that turns scattered SKILL.md files into curated, retrieval-ready agent-skill corpora—with retrieval and evaluation tooling included.