@leonhardthust/dsh-decision-engine 0.0.0-stage → 1.9.1

package/lib/tolerance.js

@@ -0,0 +1,498 @@
+/**
+ * 「人工审核比例」（tolerance）——**模型无关**的打扰频率设定。
+ *
+ * ## 为什么需要这一层
+ *
+ * 现有的授权裁决靠**固定阈值**（`guardConfidenceMin` / `guardIrreversibleCeiling` /
+ * `guardTaskRelevanceFloor` …）。这些阈值是在**某一家决策模型**的输出分布上
+ * 校准出来的，换一个模型就失去意义：
+ *
+ *   - 同一个 0.4，在 A 模型上是「中风险」，在 B 模型上可能只是「基线噪声」；
+ *   - 同一个 0.9，在 A 模型上几乎不出现，在 B 模型上是家常便饭。
+ *
+ * 而用户真正想表达的不是「阈值是多少」，而是「**大概每多少次调用来问一次**」。
+ * 这两件事之间隔着一层「模型归一化」，本模块就是那层归一化。
+ *
+ * ## 归一化怎么做：滚动分位数，而不是固定阈值
+ *
+ * 每次授权裁决都算出一个 **severity**（严重度排序分数，0–1，不是经校准的危险概率），
+ * 把它塞进一个**滚动窗口**（按 provider × model 分开）。窗口里存的是
+ * 「这个模型最近怎么说的」，于是：
+ *
+ *   - 「最严重的 1%」= 窗口里的 **P99 分位**，而不是某个固定的绝对分数；
+ *   - 换模型时窗口是空的，阈值重新学——**这正是模型无关的含义**。
+ *
+ * 窗口按 provider × model 分桶：两个模型的分数分布没有可比性，混在一个
+ * 窗口里算分位数会得到一个两边都不对的阈值。
+ *
+ * ## 四档语义
+ *
+ *   自治  autonomous  消除软询问；mandatory deny 与必须人工批准的操作不受影响。
+ *                      必须审批但审批不可用时直接拒绝，不能用模型替代许可。
+ *   轻松  relaxed    只有严重度排在最前的 1% 才询问用户。
+ *   默认  default    按决策模型自己的判断提问（**当前的默认行为**，逐字不变）。
+ *   谨慎  cautious   在默认判断之外，再把严重度靠前的 25% 也拿来询问。
+ *
+ * 三档之间是**单调**的（校准完成后）：1% ≤ 默认 ≤ 默认 ∪ 25%。自治是例外——
+ * 它是「不打扰」，不是「按分位数」。
+ *
+ * ## 校准不足时怎么办
+ *
+ * 窗口里还没攒够样本时**算不出可靠的分位数**。此时不猜分位数，改用
+ * `fallbackSeverity`——这几个绝对值是**在真实数据上量出来的典型分位数**
+ * （见 DEC-035 的实测表），因此冷启动的行为与校准后的行为量级一致，不会
+ * 出现「一开始问很多、攒够数据后突然变安静」这种跳变。
+ *
+ * 校准状态会显示在界面上（校准中 n/50），用户不会以为设置没生效。
+ *
+ * @module dsh-decision-engine/tolerance
+ */
+
+/** 四档的固定顺序（界面上的滑块从左到右也是这个顺序）。 */
+export const TOLERANCE_LEVELS = ["autonomous", "relaxed", "default", "cautious"];
+
+/** 默认档：`default` = 当前的默认行为（升级不改变行为）。 */
+export const DEFAULT_TOLERANCE = "default";
+
+/**
+ * 滚动窗口容量（每个 provider × model 一份）。
+ *
+ * 取 200 的理由：分位数要稳，至少要几十个样本；200 个样本能让 P99 落在
+ * 「最���的那一两个」之外（插值后是一个连续阈值），同时窗口不必大到让
+ * 「最近」失去意义——用户改用模型后，几十次调用之内就该反映新分布。
+ */
+export const TOLERANCE_WINDOW_SIZE = 200;
+
+/**
+ * 校准「就绪」所需的最小样本数。
+ *
+ * 50 是折中：样本太少时 P99 只是「最大的那一条」，噪声大到会随机打扰用户；
+ * 50 个样本时 P99 插值出来已经落在真实分布的尾部附近。
+ */
+export const TOLERANCE_MIN_SAMPLES = 50;
+
+/**
+ * 严重度的构成常量。
+ *
+ * ## 风险分：把三档的 choice 连续化
+ *
+ * 决策模型的 `choice` 只有 low/medium/high 三档，是**粗糙**的量化；同一次
+ * 调用里，模型给出的 `probabilities`（high/medium/low 各多少）比 choice 细
+ * 得多。用概率合成一个连续分数（`high + medium/2`），让同档内部也能分出
+ * 轻重——这正是「按比例挑」所需要的信息：分位数只能区分**连续**分数。
+ *
+ * 没有 `probabilities` 时（部分自建服务不返回该字段）退回分类兜底值。
+ *
+ * ## 安全下限：保证最危险的那几条一定排在最前面
+ *
+ * 分位数是**相对**的：如果模型整体校准很差（所有分数都挤在 0.2 附近），
+ * 「P99」可能落在一条平平无奇的调用上，而真正危险的那条反而在中间。
+ *
+ * 因此对两类**不容置疑**的情况设下限：
+ *
+ *   - 注入嫌疑达线（`injectionP ≥ 0.8`）→ 至少 0.90；
+ *   - 判定为高风险（`choice === "high"`）→ 至少 0.70。
+ *
+ * 这两个下限让「最该被人看一眼的那几条」在任何分位数口径下都进得了最前面
+ * 的那 1%。下限的值是刻意挑的：0.90 高于实测 P99（≈0.50），0.70 也高于它，
+ * 于是它们必然落在最前 1% 内（实测 5/5 条危险样本全部命中）。
+ */
+const CATEGORICAL_RISK = { low: 0.1, medium: 0.5, high: 0.9 };
+
+/** 注入嫌疑达到这个值就算「安全下限」档（与 `guardInjectionAskThreshold` 默认值一致）。 */
+export const INJECTION_FLOOR_THRESHOLD = 0.8;
+
+/** 注入嫌疑达线时的严重度下限。 */
+export const INJECTION_FLOOR_SCORE = 0.9;
+
+/** 判定为高风险时的严重度下限。 */
+export const HIGH_RISK_FLOOR_SCORE = 0.7;
+
+/**
+ * 四档预设。
+ *
+ * `percentile` = 该档在窗口里的分位数（null = 不按分位数走）。
+ * `fallbackSeverity` = 校准不足时用的绝对阈值。
+ */
+export const TOLERANCE_PRESETS = {
+  autonomous: {
+    id: "autonomous",
+    label: "自治",
+    labelEn: "Autonomous",
+    summary: "免除软询问；保留强制审批与拒绝，无人审批时阻止未授权操作",
+    summaryEn: "Skips soft questions; preserves mandatory approval and denial, blocking unapproved actions when approval is unavailable",
+    percentile: null,
+    // 自治档不走分位数路径，这里的值只是「让通用分支也不会触发」的占位。
+    fallbackSeverity: Number.POSITIVE_INFINITY,
+  },
+  relaxed: {
+    id: "relaxed",
+    label: "轻松",
+    labelEn: "Relaxed",
+    summary: "只有严重度排在最前的 1% 才询问用户",
+    summaryEn: "Only the top 1% by severity asks the user",
+    percentile: 0.99,
+    // 实测（1421 条真实授权决策，见 DEC-035）：severity ≥ 0.60 覆盖 0.47%
+    // 的调用，与 P99 分位（≈0.50，覆盖 1.1%）在同一量级。冷启动时用它，
+    // 行为与校准后一致，不会出现「一开始问一堆、攒够数据后突然变安静」。
+    fallbackSeverity: 0.6,
+  },
+  default: {
+    id: "default",
+    label: "默认",
+    labelEn: "Default",
+    summary: "按决策模型自己的判断提问（当前的默认行为）",
+    summaryEn: "Ask according to the decision model's own judgement (current behaviour)",
+    percentile: null,
+    fallbackSeverity: null,
+  },
+  cautious: {
+    id: "cautious",
+    label: "谨慎",
+    labelEn: "Cautious",
+    summary: "在默认判断之外，再把严重度靠前的 25% 也拿来询问",
+    summaryEn: "Beyond the default judgement, also ask for the top 25% by severity",
+    percentile: 0.75,
+    // 实测：severity ≥ 0.30 覆盖 19.3% 的调用；P75 分位（≈0.28）覆盖 25.1%。
+    // 兜底值取实测的中位口径，量级一致。
+    fallbackSeverity: 0.3,
+  },
+};
+
+/** 把任意值夹到 [0, 1]。 */
+function clamp01(value) {
+  const n = Number(value);
+  if (!Number.isFinite(n)) return 0;
+  if (n < 0) return 0;
+  if (n > 1) return 1;
+  return n;
+}
+
+/**
+ * 算一次授权决策的**严重度**（0–1，越大越严重）。
+ *
+ * 三个分量取**最大**而不是加权求和：三个分量各自都是「独立成立的严重性」
+ * （风险高 / 可能不可逆且与任务无关 / 疑似注入），其中任何一条成立都足以
+ * 让人工审核。加权求和会让「注入 0.9 + 风险 0.05」被平均值稀释掉——
+ * 而那恰恰是最该拦下来的一次。
+ *
+ * @param answers - 已通过 `extractGuardAnswers` 校验的答案。
+ * @param options.injectionFloorThreshold - 注入嫌疑达线值；缺省 0.8。
+ * @returns 严重度；输入不可用时返回 0。
+ */
+export function severityOf(answers, options = {}) {
+  if (answers === null || typeof answers !== "object") return 0;
+  const risk = answers.risk ?? {};
+  const probabilities = risk.probabilities;
+  let riskScore;
+  if (
+    probabilities !== null &&
+    typeof probabilities === "object" &&
+    Number.isFinite(probabilities.high) &&
+    Number.isFinite(probabilities.medium)
+  ) {
+    riskScore = probabilities.high + 0.5 * probabilities.medium;
+  } else {
+    riskScore = CATEGORICAL_RISK[risk.choice] ?? 0.5;
+  }
+  // 「可能不可逆」只有在**与当前任务无关**时才值得打断人：模型自己都确信
+  // 这个调用服务于任务时，它对不可逆的顾虑多半是模型对某类工具的惯性谨慎
+  // （实测：普通 bash 命令的 irreversible 输出基线在 0.2–0.4）。
+  const irrelevance = clamp01(answers.irreversibleP) * (1 - clamp01(answers.taskP));
+  const injection = clamp01(answers.injectionP);
+  let severity = Math.max(riskScore, irrelevance, injection);
+  // 安全下限：让最危险的那几条在任何分位数口径下都排在最前面。
+  const injectionFloor =
+    Number.isFinite(options.injectionFloorThreshold)
+      ? options.injectionFloorThreshold
+      : INJECTION_FLOOR_THRESHOLD;
+  if (injection >= injectionFloor) severity = Math.max(severity, INJECTION_FLOOR_SCORE);
+  if (risk.choice === "high") severity = Math.max(severity, HIGH_RISK_FLOOR_SCORE);
+  return clamp01(severity);
+}
+
+/**
+ * 线性插值分位数（与 numpy 默认口径一致）。
+ *
+ * 为什么要插值而不是直接取第 k 个：P99 在 200 个样本上落在倒数第 2 与
+ * 倒数第 1 之间，取整会让阈值在两次调用之间跳一整步，表现为「突然多问一次
+ * 或突然不问」。插值把它变成连续阈值。
+ *
+ * @param sorted - **已排序**的数值数组。
+ * @param q - 分位数（0–1）。
+ * @returns 分位数值；数组为空时返回 null。
+ */
+export function quantileOf(sorted, q) {
+  if (!Array.isArray(sorted) || sorted.length === 0) return null;
+  const position = (sorted.length - 1) * Math.min(1, Math.max(0, q));
+  const low = Math.floor(position);
+  const high = Math.ceil(position);
+  if (low === high) return sorted[low];
+  return sorted[low] + (sorted[high] - sorted[low]) * (position - low);
+}
+
+/**
+ * 滚动校准器：按 provider × model 记住最近若干次严重度。
+ *
+ * 为什么分桶：两个决策模型的分数分布没有可比性。混在一个窗口里算分位数，
+ * 得到的阈值对两个模型都不对（对高分模型偏松，对低分模型偏紧）。
+ *
+ * 纯内存：不落盘。理由是窗口的语义是「**最近**怎么说的」，落盘会把几天前
+ * 的分布混进来，而模型与调用场景都可能已经变了。
+ */
+export class ToleranceCalibrator {
+  /**
+   * @param options.windowSize - 每个分桶保留多少个样本。
+   * @param options.minSamples - 校准就绪所需的最小样本数。
+   */
+  constructor(options = {}) {
+    this.windowSize = Number.isFinite(options.windowSize)
+      ? Math.max(10, Math.floor(options.windowSize))
+      : TOLERANCE_WINDOW_SIZE;
+    this.minSamples = Number.isFinite(options.minSamples)
+      ? Math.max(5, Math.floor(options.minSamples))
+      : TOLERANCE_MIN_SAMPLES;
+    /** `@type {Map<string, number[]>}` 分桶：键 = `provider::model`。 */
+    this.buckets = new Map();
+    /** 最近一次观察到的分桶键（状态回显用）。 */
+    this.lastKey = "";
+    /**
+     * 分桶 → 有序副本的缓存，供 `threshold()` 复用（见 `sortedOf`）。
+     * 键是分桶键，值是 `{ source, length, sorted }`；`observe()` 会删掉对应项。
+     */
+    this.sortedCache = new Map();
+  }
+
+  /** 分桶键。 */
+  static keyOf(provider, model) {
+    return `${String(provider ?? "unknown")}::${String(model ?? "unknown")}`;
+  }
+
+  /**
+   * 记一次严重度。
+   *
+   * @param provider - 服务商 id。
+   * @param model - 模型 id。
+   * @param severity - 严重度（0–1）。
+   */
+  observe(provider, model, severity) {
+    const value = clamp01(severity);
+    const key = ToleranceCalibrator.keyOf(provider, model);
+    let bucket = this.buckets.get(key);
+    if (bucket === undefined) {
+      bucket = [];
+      this.buckets.set(key, bucket);
+    }
+    bucket.push(value);
+    // 窗口是「最近」的：超量就从最旧的开始丢。
+    while (bucket.length > this.windowSize) bucket.shift();
+    // 窗口变了，有序副本作废（见 `sortedOf`）。
+    this.sortedCache.delete(key);
+    this.lastKey = key;
+  }
+
+  /**
+   * 某分桶的校准状态。
+   *
+   * @param provider - 服务商 id。
+   * @param model - 模型 id。
+   * @returns `{ samples, ready }`；分桶不存在时 samples = 0。
+   */
+  stats(provider, model) {
+    const key = ToleranceCalibrator.keyOf(provider, model);
+    const bucket = this.buckets.get(key);
+    const samples = bucket === undefined ? 0 : bucket.length;
+    return { samples, ready: samples >= this.minSamples };
+  }
+
+  /**
+   * 某分桶在某分位数上的阈值。
+   *
+   * @param provider - 服务商 id。
+   * @param model - 模型 id。
+   * @param q - 分位数（0–1）。
+   * @returns 阈值；样本不足时返回 null（调用方应改用 `fallbackSeverity`）。
+   */
+  threshold(provider, model, q) {
+    const key = ToleranceCalibrator.keyOf(provider, model);
+    const bucket = this.buckets.get(key);
+    if (bucket === undefined || bucket.length < this.minSamples) return null;
+    return quantileOf(this.sortedOf(key, bucket), q);
+  }
+
+  /**
+   * 取某分桶的**有序**副本。
+   *
+   * 为什么需要缓存：`threshold()` 在**每一次受守卫的决策**上都会被问一次
+   * （算「这一档要问多频繁」），而它过去每次都要复制整个窗口再排序——
+   * 窗口 200 条就是每次决策一次 200 元素排序。窗口只在 `observe()` 时变化，
+   * 所以把有序副本连同「当时的长度」一起记住，`observe()` 一来就作废。
+   *
+   * 为什么用「长度 + 数组身份」当失效依据而不是脏标记：`buckets` 是公开字段
+   * （测试与界面会直接读），外部可能整体替换或 push。用长度比对能覆盖 push
+   * 与出窗，用数组身份比对能覆盖替换；两者都不依赖调用方守规矩。
+   *
+   * @param key - 分桶键。
+   * @param bucket - 当前分桶数组。
+   * @returns 升序数组（内部缓存，调用方只读）。
+   */
+  sortedOf(key, bucket) {
+    const cached = this.sortedCache.get(key);
+    if (cached !== undefined && cached.source === bucket && cached.length === bucket.length) {
+      return cached.sorted;
+    }
+    const sorted = [...bucket].sort((a, b) => a - b);
+    this.sortedCache.set(key, { source: bucket, length: bucket.length, sorted });
+    return sorted;
+  }
+
+  /** 清空（配置变更或测试用）。 */
+  reset() {
+    this.buckets.clear();
+    this.sortedCache.clear();
+    this.lastKey = "";
+  }
+}
+
+/**
+ * 归一化一档配置。
+ *
+ * @param level - 档位 id。
+ * @returns 预设对象；未知档位退回 `default`。
+ */
+export function tolerancePreset(level) {
+  const id = TOLERANCE_LEVELS.includes(level) ? level : DEFAULT_TOLERANCE;
+  return TOLERANCE_PRESETS[id];
+}
+
+/**
+ * 按档位决定「这次要不要问用户」。
+ *
+ * 这个函数是**纯函数**：`cutoff` 由调用方算好传进来（校准器是有状态的，
+ * 而裁决必须可测）。
+ *
+ * @param options.level - 档位 id。
+ * @param options.legacyKind - 现有阈值算出的裁决（`delegate` / `ask` / `deny`）。
+ * @param options.severity - 本次的严重度（0–1）。
+ * @param options.cutoff - 该档的严重度阈值；null = 还没校准好。
+ * @returns `{ kind, changed, severity, cutoff, note }`：
+ *   - `kind`：最终裁决（`delegate` / `ask` / `deny`）；
+ *   - `changed`：是否与 `legacyKind` 不同（用于审计与界面提示）；
+ *   - `note`：改动原因（`changed` 为 true 时才有意义）。
+ */
+export function resolveTolerance(options = {}) {
+  const preset = tolerancePreset(options.level);
+  const severity = clamp01(options.severity);
+  const legacyKind = options.legacyKind === "ask" || options.legacyKind === "deny"
+    ? options.legacyKind
+    : "delegate";
+
+  // 拦截（deny）不是「打扰用户」，四档一律保留。
+  //
+  // 这条边界必须守住：自治档的语义是「不问我」，不是「什么都放行」。
+  // deny 不会打断用户（它直接告诉模型「这次调用被拒了」），而把它一并
+  // 取消等于让自治档变成「关掉安全检查」——那与用户说的「0% 询问」是两件事。
+  if (legacyKind === "deny") {
+    return { kind: "deny", changed: false, severity, cutoff: null, note: "" };
+  }
+
+  const mandatoryStatus = typeof options.mandatory === "string" ? options.mandatory : options.mandatory?.status;
+  if (mandatoryStatus === "deny") {
+    return { kind: "deny", changed: legacyKind !== "deny", severity, cutoff: null, note: "mandatory=deny" };
+  }
+  if (mandatoryStatus === "requires_approval") {
+    const approvalAvailable = options.approvalAvailable ?? options.mandatory?.approvalAvailable;
+    const kind = approvalAvailable === true ? "ask" : "deny";
+    return { kind, changed: kind !== legacyKind, severity, cutoff: null, note: approvalAvailable === true ? "mandatory=requires_approval" : "mandatory=requires_approval; approval-unavailable" };
+  }
+
+  if (preset.id === "autonomous") {
+    return legacyKind === "ask"
+      ? {
+          kind: "delegate",
+          changed: true,
+          severity,
+          cutoff: null,
+          note: `tolerance=autonomous（自治：不询问用户，severity=${severity.toFixed(3)}）`,
+        }
+      : { kind: "delegate", changed: false, severity, cutoff: null, note: "" };
+  }
+
+  // 默认档：完全走现有阈值，逐字不变。
+  if (preset.id === "default") {
+    return { kind: legacyKind, changed: false, severity, cutoff: null, note: "" };
+  }
+
+  // 轻松 / 谨慎：按分位数带。
+  const cutoff = Number.isFinite(options.cutoff)
+    ? clamp01(options.cutoff)
+    : preset.fallbackSeverity;
+
+  if (preset.id === "relaxed") {
+    // 轻松档**替换**默认判断，而不是叠加在它上面——否则「top 1%」会变成
+    // 「top 1% ∪ 默认判断」，实测那是 23% 的打扰率，与档位语义不符。
+    if (severity >= cutoff) {
+      return {
+        kind: "ask",
+        changed: legacyKind !== "ask",
+        severity,
+        cutoff,
+        note: `tolerance=relaxed（严重度 ${severity.toFixed(3)} ≥ ${cutoff.toFixed(3)}，属最前的 1%）`,
+      };
+    }
+    return legacyKind === "ask"
+      ? {
+          kind: "delegate",
+          changed: true,
+          severity,
+          cutoff,
+          note: `tolerance=relaxed（严重度 ${severity.toFixed(3)} < ${cutoff.toFixed(3)}，不在最前的 1%）`,
+        }
+      : { kind: "delegate", changed: false, severity, cutoff, note: "" };
+  }
+
+  // 谨慎档：默认判断 ∪ 严重度靠前的 25%（**叠加**，因此一定 ≥ 默认）。
+  if (legacyKind === "ask" || severity >= cutoff) {
+    return {
+      kind: "ask",
+      changed: legacyKind !== "ask",
+      severity,
+      cutoff,
+      note:
+        legacyKind === "ask"
+          ? `tolerance=cautious（默认判断已升级询问）`
+          : `tolerance=cautious（严重度 ${severity.toFixed(3)} ≥ ${cutoff.toFixed(3)}，属最前的 25%）`,
+    };
+  }
+  return { kind: "delegate", changed: false, severity, cutoff, note: "" };
+}
+
+/**
+ * 算一档该用的严重度阈值。
+ *
+ * @param options.level - 档位 id。
+ * @param options.calibrator - 校准器（可为 undefined）。
+ * @param options.provider - 服务商 id。
+ * @param options.model - 模型 id。
+ * @returns `{ cutoff, ready, samples }`：`cutoff` 为 null 表示「该档不按分位数走」
+ *   或「还没校准好」（调用方据此改用 `fallbackSeverity`）。
+ */
+export function toleranceCutoff(options = {}) {
+  const preset = tolerancePreset(options.level);
+  if (preset.percentile === null) {
+    return { cutoff: null, ready: true, samples: 0 };
+  }
+  const stats = options.calibrator?.stats(options.provider, options.model) ?? {
+    samples: 0,
+    ready: false,
+  };
+  if (!stats.ready) {
+    return { cutoff: null, ready: false, samples: stats.samples };
+  }
+  const threshold = options.calibrator.threshold(options.provider, options.model, preset.percentile);
+  return {
+    cutoff: Number.isFinite(threshold) ? threshold : null,
+    ready: true,
+    samples: stats.samples,
+  };
+}

package/lib/vendor/microcharts-charts.css

@@ -0,0 +1,47 @@
+/**
+ * microcharts@0.19.1 的统计页样式（**构建期生成**，勿手改）。
+ *
+ * 上半部分是 @microcharts/react 的 core.css + sparkline.css，未做删改——
+ * 图型的可见性依赖 `[data-mc-ink]` 的 fill/stroke 规则，删一条就可能整张图空白。
+ *
+ * 下半部分是「主题覆盖」：把库的硬编码调色板接到 DSH 的语义变量上。
+ */
+
+@layer microcharts.tokens,microcharts.base,microcharts.charts,microcharts.motion;@property --mc-seat{syntax: "<number>"; inherits: false; initial-value: 0;}@property --mc-seat-mid{syntax: "<number>"; inherits: false; initial-value: 0;}@layer microcharts.tokens{:where(:root){--mc-stroke: #1a1917;--mc-positive: #0e7a5f;--mc-negative: #bd4b2d;--mc-neutral: #8a8986;--mc-accent: #1f6091;--mc-band: color-mix(in oklab, var(--mc-stroke) 8%, transparent);--mc-moon: #c1922f;--mc-cat-1: #d2982f;--mc-cat-2: #5b9fd4;--mc-cat-3: #2e8c66;--mc-cat-4: #285788;--mc-cat-5: #bc5138;--mc-cat-6: #a55a89;--mc-on-cat-1: rgba(0, 0, 0, .9);--mc-on-cat-2: rgba(0, 0, 0, .9);--mc-on-cat-3: rgba(0, 0, 0, .9);--mc-on-cat-4: rgba(255, 255, 255, .96);--mc-on-cat-5: rgba(255, 255, 255, .96);--mc-on-cat-6: rgba(255, 255, 255, .96);--mc-stroke-width: 1.5;--mc-gap: .25em;--mc-density: 1;--mc-font: inherit;--mc-font-numeric: var(--mc-font);--mc-label-size: .75em;--mc-label-weight: 400;--mc-inline-nudge: 0em;--mc-glyph-nudge: 0em;--mc-surface: Canvas;--mc-surface-ink: CanvasText;--mc-surface-edge: color-mix(in oklab, CanvasText 16%, transparent);--mc-surface-shadow: color-mix(in oklab, #000 28%, transparent);--mc-on-fill: rgba(255, 255, 255, .96);--mc-on-cat: rgba(0, 0, 0, .9);--mc-on-fill-dim: var(--mc-stroke);--mc-duration: .3s;--mc-easing: cubic-bezier(.22, 1, .36, 1)}@media(prefers-color-scheme:dark){:where(:root){--mc-stroke: #eae9e6;--mc-positive: #45a385;--mc-negative: #df7856;--mc-accent: #5ea1cf;--mc-neutral: #9a9a97;--mc-moon: #e0be6f;--mc-cat-1: #e2b45c;--mc-cat-2: #6fb0e0;--mc-cat-3: #4fb08d;--mc-cat-4: #6e9bd1;--mc-cat-5: #e07e5e;--mc-cat-6: #c486b0;--mc-on-cat-1: rgba(0, 0, 0, .9);--mc-on-cat-2: rgba(0, 0, 0, .9);--mc-on-cat-3: rgba(0, 0, 0, .9);--mc-on-cat-4: rgba(0, 0, 0, .9);--mc-on-cat-5: rgba(0, 0, 0, .9);--mc-on-cat-6: rgba(0, 0, 0, .9);--mc-on-fill: rgba(0, 0, 0, .9)}}:where([data-mc-theme=light]){--mc-stroke: #1a1917;--mc-positive: #0e7a5f;--mc-negative: #bd4b2d;--mc-accent: #1f6091;--mc-neutral: #8a8986;--mc-moon: #c1922f;--mc-cat-1: #d2982f;--mc-cat-2: #5b9fd4;--mc-cat-3: #2e8c66;--mc-cat-4: #285788;--mc-cat-5: #bc5138;--mc-cat-6: #a55a89;--mc-on-cat-1: rgba(0, 0, 0, .9);--mc-on-cat-2: rgba(0, 0, 0, .9);--mc-on-cat-3: rgba(0, 0, 0, .9);--mc-on-cat-4: rgba(255, 255, 255, .96);--mc-on-cat-5: rgba(255, 255, 255, .96);--mc-on-cat-6: rgba(255, 255, 255, .96);--mc-on-fill: rgba(255, 255, 255, .96)}:where([data-mc-theme=dark]){--mc-stroke: #eae9e6;--mc-positive: #45a385;--mc-negative: #df7856;--mc-accent: #5ea1cf;--mc-neutral: #9a9a97;--mc-moon: #e0be6f;--mc-cat-1: #e2b45c;--mc-cat-2: #6fb0e0;--mc-cat-3: #4fb08d;--mc-cat-4: #6e9bd1;--mc-cat-5: #e07e5e;--mc-cat-6: #c486b0;--mc-on-cat-1: rgba(0, 0, 0, .9);--mc-on-cat-2: rgba(0, 0, 0, .9);--mc-on-cat-3: rgba(0, 0, 0, .9);--mc-on-cat-4: rgba(0, 0, 0, .9);--mc-on-cat-5: rgba(0, 0, 0, .9);--mc-on-cat-6: rgba(0, 0, 0, .9);--mc-on-fill: rgba(0, 0, 0, .9)}:where([data-mc-theme=editorial],[data-mc-preset=editorial]){--mc-accent: #a32236;--mc-stroke-width: 1}:where([data-mc-theme=mono],[data-mc-preset=mono]){--mc-positive: var(--mc-stroke);--mc-negative: var(--mc-stroke);--mc-accent: var(--mc-stroke);--mc-neutral: var(--mc-stroke);--mc-moon: var(--mc-stroke)}:where([data-mc-theme=vivid],[data-mc-preset=vivid]){--mc-positive: #0f9e78;--mc-negative: #e24d2e;--mc-stroke-width: 2}:where([data-mc-theme=print],[data-mc-preset=print]){--mc-stroke: #1a1a1a;--mc-neutral: #666666;--mc-positive: #0c6249;--mc-negative: #a33f22;--mc-accent: #14507a;--mc-moon: #7a5a12;--mc-band: color-mix(in oklab, #1a1a1a 9%, transparent);--mc-stroke-width: 1.25}:where([data-mc-theme=eink],[data-mc-preset=eink]){--mc-stroke: #000000;--mc-positive: #000000;--mc-negative: #595959;--mc-neutral: #8c8c8c;--mc-accent: #000000;--mc-moon: #000000;--mc-band: color-mix(in oklab, #000000 14%, transparent);--mc-stroke-width: 2}:where([data-mc-theme=mono],[data-mc-preset=mono],[data-mc-theme=eink],[data-mc-preset=eink]){--mc-cat-1: color-mix(in oklab, var(--mc-stroke) 16%, transparent);--mc-cat-2: color-mix(in oklab, var(--mc-stroke) 13%, transparent);--mc-cat-3: color-mix(in oklab, var(--mc-stroke) 11%, transparent);--mc-cat-4: color-mix(in oklab, var(--mc-stroke) 9%, transparent);--mc-cat-5: color-mix(in oklab, var(--mc-stroke) 7%, transparent);--mc-cat-6: color-mix(in oklab, var(--mc-stroke) 5%, transparent);--mc-on-cat: var(--mc-stroke)}@media(prefers-color-scheme:dark){:where([data-mc-theme=print],[data-mc-preset=print]){--mc-stroke: #e8e6e1;--mc-neutral: #9a958c;--mc-positive: #4aa588;--mc-negative: #e08a63;--mc-accent: #6aa9d3;--mc-moon: #e0be6f;--mc-band: color-mix(in oklab, #e8e6e1 9%, transparent)}:where([data-mc-theme=eink],[data-mc-preset=eink]){--mc-stroke: #ffffff;--mc-positive: #ffffff;--mc-negative: #b0b0b0;--mc-neutral: #808080;--mc-accent: #ffffff;--mc-moon: #ffffff;--mc-band: color-mix(in oklab, #ffffff 14%, transparent)}}:where([data-mc-theme=dark]) :where([data-mc-theme=print],[data-mc-preset=print]),:where([data-mc-theme=dark][data-mc-preset=print]){--mc-stroke: #e8e6e1;--mc-neutral: #9a958c;--mc-positive: #4aa588;--mc-negative: #e08a63;--mc-accent: #6aa9d3;--mc-moon: #e0be6f;--mc-band: color-mix(in oklab, #e8e6e1 9%, transparent)}:where([data-mc-theme=dark]) :where([data-mc-theme=eink],[data-mc-preset=eink]),:where([data-mc-theme=dark][data-mc-preset=eink]){--mc-stroke: #ffffff;--mc-positive: #ffffff;--mc-negative: #b0b0b0;--mc-neutral: #808080;--mc-accent: #ffffff;--mc-moon: #ffffff;--mc-band: color-mix(in oklab, #ffffff 14%, transparent)}}@layer microcharts.base{:where(.mc-root){display:inline-block;vertical-align:middle;overflow:visible;font:var(--mc-font);height:auto;max-width:100%;--mc-sw: calc(var(--mc-stroke-width) * var(--mc-density))}:where(td:has(>.mc-root:only-child)),:where(td:has(>[data-mc-host]:only-child:not(.mc-delta-live,.mc-token-confidence))),:where(td:has(>[class$=-live]:only-child:not(.mc-delta-live,.mc-tc-live))),:where(td:has(>[class$=-interactive]:only-child)){line-height:0}:where(.mc-root text){font-variant-numeric:tabular-nums;font-family:var(--mc-font-numeric);font-weight:var(--mc-label-weight);font-size:calc(var(--mc-label-px, var(--mc-label-size)) * min(1.25,var(--mc-density)));fill:var(--mc-stroke)}:where(.mc-root text[data-mc-on-fill]){fill:var(--mc-on-fill)}:where(.mc-group){display:inline-flex;flex-wrap:wrap;gap:calc(var(--mc-gap) * var(--mc-density));align-items:center}:where(.mc-inline){display:inline-flex;align-items:center;vertical-align:baseline;margin-inline:.2em;translate:0 var(--mc-inline-nudge)}:where(.mc-inline .mc-root){translate:0 calc(var(--mc-seat, 0) * 100% + var(--mc-seat-mid, 0) * (var(--mc-glyph-nudge) - .36em))}@supports (height: 1cap){:where(.mc-inline .mc-root){translate:0 calc(var(--mc-seat, 0) * 100% + var(--mc-seat-mid, 0) * (var(--mc-glyph-nudge) - .5cap))}}:where(.mc-inline [data-mc-seated]){translate:0 calc(var(--mc-seat, 0) * 100% + var(--mc-seat-mid, 0) * (var(--mc-glyph-nudge) - .36em))}:where(.mc-inline [data-mc-seated]>.mc-root){translate:none}@supports (height: 1cap){:where(.mc-inline [data-mc-seated]){translate:0 calc(var(--mc-seat, 0) * 100% + var(--mc-seat-mid, 0) * (var(--mc-glyph-nudge) - .5cap))}}:where(.mc-inline .mc-status){align-self:center}:where(.mc-inline .mc-trend){width:.95em;height:.95em}:where([data-mc-host]:focus-visible,.mc-root:focus-visible){outline:2px solid var(--mc-accent);outline-offset:2px;border-radius:.2em}:where(.mc-delta){display:inline-flex;align-items:baseline;gap:var(--mc-gap);font:var(--mc-font);font-family:var(--mc-font-numeric);font-variant-numeric:tabular-nums;color:var(--mc-neutral);vertical-align:baseline;line-height:1}:where(.mc-delta[data-mc-valence=pos]){color:var(--mc-positive)}:where(.mc-delta[data-mc-valence=neg]){color:var(--mc-negative)}:where(.mc-delta .mc-delta-glyph){fill:currentColor;flex:none;align-self:center}:where(.mc-delta .mc-delta-num){font-weight:600}:where(.mc-delta-live){position:relative;display:inline-flex;vertical-align:baseline}:where(.mc-trend-live){position:relative;display:inline-flex;vertical-align:middle}:where(.mc-status-live){position:relative;display:inline-flex;vertical-align:middle}:where([data-mc-host] .mc-root :is([data-mc-ink],[data-mc-cat],[data-mc-cone]):not([data-mc-ui],[data-mc-ui] *)){transition-property:x,y,width,height,cx,cy,r;transition-duration:.2s;transition-timing-function:var(--mc-easing)}}@layer microcharts.charts{:where(.mc-root [data-mc-ink=data]){fill:none;stroke:var(--mc-stroke);stroke-width:var(--mc-sw);stroke-linejoin:round;stroke-linecap:round}:where(.mc-root [data-mc-ink=accent]){fill:var(--mc-accent);stroke:none}:where(.mc-root :is(path,line,polyline)[data-mc-ink=accent]){fill:none;stroke:var(--mc-accent)}:where(.mc-root [data-mc-w=full]){stroke-width:var(--mc-sw)}:where(.mc-root [data-mc-w=support]){stroke-width:calc(var(--mc-sw) * 2 / 3)}:where(.mc-root [data-mc-w=tick]){stroke-width:calc(var(--mc-sw) / 2)}:where(.mc-root [data-mc-w=hair]){stroke-width:calc(var(--mc-sw) / 3)}:where(.mc-root [data-mc-w=heavy]){stroke-width:calc(var(--mc-sw) * 4 / 3)}:where(.mc-root [data-mc-w=anchor]){stroke-width:calc(var(--mc-sw) * 3 / 2)}:where(.mc-root [data-mc-w],.mc-root [data-mc-ink=data],.mc-root [data-mc-ink=muted],.mc-root [data-mc-ink=unit-off],.mc-root [data-mc-ink=gap],.mc-root [data-mc-ink=accent],.mc-root [data-mc-ink=positive],.mc-root [data-mc-ink=negative],.mc-root [data-mc-ink=ghost],.mc-root [data-mc-ink=flag]){vector-effect:non-scaling-stroke}:where(.mc-donut-wedge,.mc-ring path[data-mc-ink=accent],.mc-ring-halo){vector-effect:none}:where(.mc-root [data-mc-active]){stroke:var(--mc-active-stroke, var(--mc-accent))}:where(.mc-root :is(rect,circle,ellipse,polygon)[data-mc-active]){fill:var(--mc-active-fill, var(--mc-on-fill));fill-opacity:var(--mc-active-fill-opacity, .2)}:where(.mc-root:has([data-mc-active]) :is([data-mc-ink],[data-mc-cat]):not([data-mc-active],[data-mc-ui],[data-mc-ui] *,[opacity])){opacity:var(--mc-rest-opacity, 1)}:where(.mc-root [data-mc-ink=muted]){fill:none;stroke:var(--mc-neutral)}:where(.mc-root text[data-mc-ink=label]){fill:var(--mc-neutral);stroke:none}:where(.mc-root [data-mc-ink=point]){fill:var(--mc-stroke);stroke:none}:where(.mc-root [data-mc-ink=bar]){fill:var(--mc-stroke);stroke:none}:where(.mc-root [data-mc-ink=positive]){fill:var(--mc-positive);stroke:none}:where(.mc-root [data-mc-ink=negative]){fill:var(--mc-negative);stroke:none}:where(.mc-root :is(line,polyline)[data-mc-ink=positive]){fill:none;stroke:var(--mc-positive)}:where(.mc-root :is(line,polyline)[data-mc-ink=negative]){fill:none;stroke:var(--mc-negative)}:where(.mc-root path[data-mc-ink=positive][fill=none]){stroke:var(--mc-positive)}:where(.mc-root path[data-mc-ink=negative][fill=none]){stroke:var(--mc-negative)}:where(.mc-root [data-mc-ink=neutral]){fill:var(--mc-neutral);stroke:none}:where(.mc-root [data-mc-ink=band]){fill:var(--mc-band);stroke:none}:where(.mc-root [data-mc-ink=fill]){fill:var(--mc-stroke);fill-opacity:.12;stroke:none}:where(.mc-root [data-mc-ink=cell]){fill:var(--mc-accent);stroke:none}:where(.mc-root [data-mc-cell-mix]){fill:color-mix(in oklab,var(--mc-cell-color, var(--mc-accent)) calc(var(--mc-cell-mix, 100) * 1%),var(--mc-band))}:where(.mc-root [data-mc-cone]){fill:var(--mc-cone-color, var(--mc-accent));fill-opacity:var(--mc-cone-opacity, .13);stroke:none}:where(.mc-root [data-mc-ink=unit-off]){fill:var(--mc-band);stroke:var(--mc-neutral);stroke-opacity:.4;stroke-width:calc(var(--mc-sw) / 3)}:where(.mc-root [data-mc-ink=gap]){fill:var(--mc-band);stroke:var(--mc-neutral);stroke-opacity:.35;stroke-width:calc(var(--mc-sw) / 3)}:where(.mc-root :is(rect,circle,ellipse,polygon)[data-mc-ink=ghost]){fill:var(--mc-neutral);fill-opacity:.18;stroke:none}:where(.mc-root :is(path,line,polyline)[data-mc-ink=ghost]){fill:none;stroke:var(--mc-neutral);stroke-opacity:.5}:where(.mc-root [data-mc-ink=region]){fill:var(--mc-accent);fill-opacity:.08;stroke:none}:where(.mc-root line[data-mc-ink=flag]){stroke:var(--mc-accent)}:where(.mc-root circle[data-mc-ink=flag]){fill:var(--mc-accent)}:where(.mc-root [data-mc-cat="1"]){fill:var(--mc-cat-1);stroke:none}:where(.mc-root [data-mc-cat="2"]){fill:var(--mc-cat-2);stroke:none}:where(.mc-root [data-mc-cat="3"]){fill:var(--mc-cat-3);stroke:none}:where(.mc-root [data-mc-cat="4"]){fill:var(--mc-cat-4);stroke:none}:where(.mc-root [data-mc-cat="5"]){fill:var(--mc-cat-5);stroke:none}:where(.mc-root [data-mc-cat="6"]){fill:var(--mc-cat-6);stroke:none}:where(.mc-trace,.mc-partition) :where(rect){shape-rendering:crispEdges;rx:.5}:where(.mc-root rect:not([rx])){shape-rendering:crispEdges}:where(.mc-root rect[width^="0."],.mc-root rect[height^="0."]){shape-rendering:auto}:where(.mc-trace,.mc-partition) :where(text){font-weight:600;fill:var(--mc-on-fill)}:where(.mc-partition,.mc-segbar) :where(text){fill:var(--mc-on-cat)}:where(.mc-partition,.mc-segbar) :where(rect[data-mc-cat="1"]+text){fill:var(--mc-on-cat-1, var(--mc-on-cat))}:where(.mc-partition,.mc-segbar) :where(rect[data-mc-cat="2"]+text){fill:var(--mc-on-cat-2, var(--mc-on-cat))}:where(.mc-partition,.mc-segbar) :where(rect[data-mc-cat="3"]+text){fill:var(--mc-on-cat-3, var(--mc-on-cat))}:where(.mc-partition,.mc-segbar) :where(rect[data-mc-cat="4"]+text){fill:var(--mc-on-cat-4, var(--mc-on-cat))}:where(.mc-partition,.mc-segbar) :where(rect[data-mc-cat="5"]+text){fill:var(--mc-on-cat-5, var(--mc-on-cat))}:where(.mc-partition,.mc-segbar) :where(rect[data-mc-cat="6"]+text){fill:var(--mc-on-cat-6, var(--mc-on-cat))}:where(.mc-partition,.mc-segbar) :where(rect[data-mc-ink=accent]+text){fill:var(--mc-on-fill)}:where(.mc-segbar) :where(rect[data-mc-ink=neutral]+text){fill:var(--mc-on-cat)}:where(.mc-trace) :where(text[data-mc-dim]){fill:var(--mc-on-fill-dim);font-weight:var(--mc-label-weight)}:where([data-mc-host]){touch-action:pan-y pinch-zoom;width:fit-content;max-width:100%}:where(.mc-minimap-live){cursor:ew-resize;touch-action:none}:where(.mc-spark-readout){border:0;display:block;position:absolute;inset:auto auto 100% 50%;transform:translate(-50%);margin:0 0 .3em;padding:.05em .4em;border-radius:.4em;background:var(--mc-surface);color:var(--mc-surface-ink);box-shadow:0 0 0 1px var(--mc-surface-edge),0 2px 6px -2px var(--mc-surface-shadow);font:var(--mc-label-size, .75em) var(--mc-font, inherit);font-variant-numeric:tabular-nums;line-height:1.35;letter-spacing:.01em;white-space:nowrap;pointer-events:none;box-sizing:border-box;max-width:max(100%,14em);overflow:hidden;text-overflow:ellipsis}@supports (anchor-name: --mc) and (position-area: block-start){:where([data-mc-host]){anchor-name:--mc-chart;anchor-scope:--mc-chart}:where(.mc-spark-readout){position:fixed;position-anchor:--mc-chart;transform:none;inset:auto 2px anchor(top) 2px;justify-self:anchor-center;max-inline-size:max(anchor-size(width),14em);margin:0 0 .3em;position-try-fallbacks:--mc-readout-below;position-visibility:anchors-visible}@position-try --mc-readout-below{inset:anchor(bottom) 2px auto 2px;margin:.3em 0 0}}:where(.mc-readout-rows){display:grid;grid-template-columns:auto auto auto;inline-size:max-content;align-items:center;gap:0 .4em;text-align:start}:where(.mc-readout-rows>.mc-readout-key){inline-size:.5em;block-size:.5em;border-radius:.15em;forced-color-adjust:none}:where(.mc-readout-rows>.mc-readout-name){max-inline-size:7em;overflow:hidden;text-overflow:ellipsis}:where(.mc-readout-rows>.mc-readout-val){justify-self:end}}@layer microcharts.motion{:where(.mc-spark-readout){translate:0 0;scale:1;transition:opacity .14s var(--mc-easing),translate .14s var(--mc-easing),scale .14s var(--mc-easing);@starting-style{opacity:0;translate:0 2px;scale:.97}}:where(.mc-root [data-mc-ui] :is(circle,line,path,rect)){vector-effect:non-scaling-stroke}:where(.mc-root [data-mc-ui],.mc-root [data-mc-ui] :is(g,rect,circle,line)){transition-property:transform;transition-duration:.12s;transition-timing-function:var(--mc-easing)}@keyframes mc-pulse{0%{transform:scale(1)}30%{transform:scale(1.16)}to{transform:scale(1)}}:where(.mc-delta-live[data-pulse="1"] .mc-delta-num){display:inline-block;animation:mc-pulse var(--mc-duration) var(--mc-easing)}@keyframes mc-delta-num-in{0%{opacity:0;transform:translateY(2px) scale(.97)}to{opacity:1;transform:none}}:where(.mc-delta-live[data-enter="1"] .mc-delta-num){display:inline-block;animation:mc-delta-num-in .2s var(--mc-easing) backwards}:where(.mc-trend-live[data-pulse="1"] .mc-root){transform-origin:center;animation:mc-pulse var(--mc-duration) var(--mc-easing)}:where(.mc-hourglass-sand){transform-box:fill-box;transform-origin:center bottom}@keyframes mc-status-pulse{0%{transform:scale(1);opacity:.5}to{transform:scale(1.333);opacity:0}}:where(.mc-status .mc-status-halo){transform-box:fill-box;transform-origin:center;animation:mc-status-pulse 1.8s var(--mc-easing) infinite}@media(prefers-reduced-motion:reduce){:where(.mc-status .mc-status-halo){display:none}}@keyframes mc-burst{0%{transform:var(--mc-burst-from);opacity:0}to{transform:none;opacity:1}}:where(.mc-root .mc-celebrate){transform-box:fill-box;transform-origin:center;animation:mc-burst .6s var(--mc-easing) backwards}@media(prefers-reduced-motion:reduce){:where(.mc-root *),:where(.mc-root),:where(.mc-delta-live .mc-delta-num),:where(.mc-spark-readout){animation:none!important;transition:none!important}}@media(prefers-contrast:more){:where(.mc-root){--mc-stroke-width: 2;--mc-band: color-mix(in oklab, var(--mc-stroke) 16%, transparent)}}@media(forced-colors:active){:where(.mc-root){forced-color-adjust:none}:where(.mc-root){--mc-accent: Highlight}:where(.mc-root [data-mc-ink=data]){stroke:CanvasText}:where(.mc-root [data-mc-ink=accent]){stroke:Highlight;fill:Highlight}:where(.mc-root :is(path,line,polyline)[data-mc-ink=accent]){fill:none;stroke:Highlight}:where(.mc-root [data-mc-active]){stroke:Highlight}:where(.mc-root){--mc-rest-opacity: 1}:where(.mc-root [data-mc-ink=muted]){stroke:GrayText;fill:GrayText}:where(.mc-root [data-mc-ink=point]),:where(.mc-root [data-mc-ink=bar]){fill:CanvasText}:where(.mc-root [data-mc-ink=positive]){fill:CanvasText}:where(.mc-root [data-mc-ink=negative]){fill:GrayText}:where(.mc-root [data-mc-ink=neutral]){fill:GrayText}:where(.mc-root [data-mc-ink=band]){fill:GrayText}:where(.mc-root [data-mc-ink=fill]){fill:CanvasText;fill-opacity:.2}:where(.mc-root [data-mc-ink=cell]){forced-color-adjust:none;fill:Highlight}:where(.mc-root [data-mc-cone]){fill:Highlight;fill-opacity:calc(var(--mc-cone-opacity, .13) * 2.5)}:where(.mc-root [data-mc-cell-mix]){forced-color-adjust:none;fill:Highlight;fill-opacity:calc(var(--mc-cell-mix, 100) / 100)}:where(.mc-root [data-mc-ink=unit-off]),:where(.mc-root [data-mc-ink=gap]){fill:Canvas;stroke:GrayText;stroke-opacity:1}:where(.mc-root :is(rect,circle,ellipse,polygon)[data-mc-ink=ghost]){fill:GrayText}:where(.mc-root :is(path,line,polyline)[data-mc-ink=ghost]){stroke:GrayText}:where(.mc-root [data-mc-cat]){fill:CanvasText;stroke:Canvas;stroke-width:.5}:where(.mc-root [data-mc-cat="2"]){fill-opacity:.92}:where(.mc-root [data-mc-cat="3"]){fill-opacity:.85}:where(.mc-root [data-mc-cat="4"]){fill-opacity:.77}:where(.mc-root [data-mc-cat="5"]){fill-opacity:.7}:where(.mc-root [data-mc-cat="6"]){fill-opacity:.62}:where(.mc-root text[data-mc-on-fill]){fill:Canvas}:where(.mc-trace,.mc-partition,.mc-segbar) :where(text){fill:Canvas}:where(.mc-trace) :where(text[data-mc-dim]){fill:CanvasText}:where(.mc-root [data-mc-ink=region]){fill:transparent}:where(.mc-root text[data-mc-ink=label]){fill:CanvasText}:where(.mc-root line[data-mc-ink=flag]){stroke:Highlight}:where(.mc-root circle[data-mc-ink=flag]){fill:Highlight}:where([data-mc-host]:focus-visible,.mc-root:focus-visible){outline-color:Highlight}:where(.mc-delta){color:CanvasText}:where(.mc-root [data-mc-status]){fill:CanvasText}:where(.mc-root circle[data-mc-status=ring]),:where(.mc-root circle[data-mc-status=half]){fill:none;stroke:CanvasText}:where(.mc-root [fill=none]){fill:none}}}
+@layer microcharts.charts{:where(.mc-spark-interactive [data-mc-ink=muted]){stroke-dasharray:1.5 2}}
+
+/* ============================================================
+ * 主题覆盖：把 microcharts 的 token 接到 DSH 的语义变量上
+ * ============================================================ */
+:where(.mc-theme) {
+  /* 兜底用 currentColor 而不是一个固定的深色：固定深色在深色宿主里
+     是不可见的黑，而 currentColor 永远等于它身边的文字色——宿主改了
+     变量名时图表只是「跟正文同色」，不是「消失」。 */
+  --mc-stroke: var(--dsw-alias-label-primary, currentColor);
+  --mc-neutral: var(--dsw-alias-label-tertiary, color-mix(in srgb, currentColor 55%, transparent));
+  --mc-accent: var(--dsw-alias-state-business-primary, #1f6091);
+  --mc-positive: var(--dsw-alias-state-success-primary, #0e7a5f);
+  --mc-negative: #e8797f;
+  --mc-cat-1: var(--dsw-alias-state-success-primary, #2e8c66);
+  --mc-cat-2: var(--dsw-alias-state-warn-primary, #d2982f);
+  --mc-cat-3: #e8797f;
+  --mc-cat-4: var(--dsw-alias-label-tertiary, #8a8986);
+  --mc-cat-5: var(--dsw-alias-state-business-primary, #285788);
+  --mc-cat-6: var(--dsw-alias-label-secondary, #a55a89);
+  --mc-on-cat: var(--dsw-alias-bg-base, rgba(0, 0, 0, .9));
+  --mc-on-cat-1: var(--dsw-alias-bg-base, rgba(0, 0, 0, .9));
+  --mc-on-cat-2: var(--dsw-alias-bg-base, rgba(0, 0, 0, .9));
+  --mc-on-cat-3: var(--dsw-alias-bg-base, rgba(255, 255, 255, .96));
+  --mc-on-cat-4: var(--dsw-alias-bg-base, rgba(0, 0, 0, .9));
+  --mc-on-cat-5: var(--dsw-alias-bg-base, rgba(255, 255, 255, .96));
+  --mc-on-cat-6: var(--dsw-alias-bg-base, rgba(255, 255, 255, .96));
+  --mc-font: inherit;
+}
+
+/* 图表与数字并排时的容器：垂直居中，行高归零免得撑高卡片。 */
+:where(.de-chart) {
+  display: inline-flex;
+  align-items: center;
+  vertical-align: middle;
+  line-height: 0;
+}

package/lib/vendor-src/entry.js

@@ -0,0 +1,13 @@
+/**
+ * microcharts 的**按需子集**（只导出统计页真正用到的图型）。
+ *
+ * 为什么不导出整个目录：本插件的硬约束之一是首屏体积。整包 106 种图型
+ * 即使 tree-shaking 也带着共享几何，而统计页只用得到「比较大小」「占比」
+ * 「目标达成」这三类。少一种图型就少一份要审的第三方代码。
+ */
+export { Sparkline } from "@microcharts/react/sparkline";
+export { SparkBar } from "@microcharts/react/sparkbar";
+export { Bullet } from "@microcharts/react/bullet";
+export { SegmentedBar } from "@microcharts/react/segmented-bar";
+export { Delta } from "@microcharts/react/delta";
+export { MiniBar } from "@microcharts/react/mini-bar";

package/lib/vendor-src/jsx-shim.js

@@ -0,0 +1,34 @@
+/**
+ * `react/jsx-runtime` 的最小垫片：把 JSX 产物接到宿主给的 `react` 上。
+ *
+ * 为什么需要这个文件：microcharts 的构建产物内部 import
+ * `react/jsx-runtime`（自动 JSX 运行时），而宿主 factory 只保证
+ * `require("react")` 可用——`react/jsx-runtime` 不在平台种子表里。
+ * 与其赌宿主会暴露第二个种子词，不如把 jsx 调用翻成
+ * `createElement`，让整份产物**只依赖 react**（唯一的 peer）。
+ *
+ * 语义要点：
+ *   - `children` 是 props 的一个键，不是独立参数，必须拆出来当第三参；
+ *   - key 在 createElement 里走第三参的位置（这里直接赋值给元素），
+ *     不能塞进 props（否则 React 会当成普通属性警告）。
+ *
+ * 这是构建期私有垫片，不对外发布。
+ */
+import { createElement, Fragment } from "react";
+
+/** 统一的 jsx/jsxs/jsxDEV 实现：三者在本库产物里的行为一致。 */
+function jsx(type, props, key) {
+  const { children, ...rest } = props ?? {};
+  const args =
+    children === undefined
+      ? [type, rest]
+      : [type, rest, ...(Array.isArray(children) ? children : [children])];
+  const element = createElement(...args);
+  if (key !== undefined && element !== null && typeof element === "object") element.key = key;
+  return element;
+}
+
+const jsxs = jsx;
+const jsxDEV = jsx;
+
+export { jsx, jsxs, jsxDEV, Fragment };

package/locale/en.json

@@ -0,0 +1,6 @@
+{
+  "meta": {
+    "title": "Decision Engine",
+    "description": "A cheap judgement layer: before the main model acts, a small decision model answers structured questions (risk, reversibility, task relevance, injection suspicion) and the plugin allows, asks or blocks — or switches model, or skips an expensive call entirely. Works against any service exposing a decision endpoint (built-in system one / bamboonode / SiliconFlow presets, or a custom base URL). Shadow-first by default, fail-open on any error."
+  }
+}

package/locale/zh.json

@@ -0,0 +1,6 @@
+{
+  "meta": {
+    "title": "Decision Engine",
+    "description": "便宜的决策层：在主模型动手前用决策小模型做结构化判断（风险、可逆性、任务相关性、注入嫌疑），决定放行、询问或拦截，也可换模型或省掉一次昂贵调用。可接任意提供决策端点的服务（内置 system one / bamboonode / 硅基流动 / Perplexity Decider / OpenRouter 预设，或自定义 base URL）。默认只观察不拦截，任何异常都自动放行。"
+  }
+}