deepseek-foreman 0.2.2 → 0.3.1

package/README.en.md

@@ -140,6 +140,10 @@ Also: **hand-editing a bundle's patch file does not notify the running Host** (c
 
 ## Field data
 
+![Metrics dashboard](docs/metrics-2026-10-01.png)
+
+> Per-item numbers, model-role logic and cost caveats: **[Quantified metrics](docs/metrics-2026-10-01.md)** (with data sources and how to reproduce).
+
 The full sprint ran in one night (2026-09-30 23:00 – 2026-10-01 12:00); the numbers below come from that run's tickets and receipts, with the field report in [docs/dogfooding.md](docs/dogfooding.md).
 
 | Item | Value |
@@ -172,6 +176,16 @@ The three pieces cover one segment each and add up:
 
 **Honest accounting**: the overall numbers from the 19 tickets are in [Field data](#field-data) above; per-plugin isolated quantification **has had no A/B control, so no numbers are given** — only mechanisms: build dominates token spend → cheap workers; dialogue and judgement stay terse → persona; quality holds → cross-vendor review + item-by-item verification. The three mechanisms each own one segment, and they stack.
 
+## Ticket tiers (effort scaling)
+
+| Tier | Flow | Dispatch effort |
+|---|---|---|
+| `trivial` (≤10 lines/docs) | skip cross-vendor review, Lead accepts | low |
+| `normal` (default) | full loop + cheap cross-vendor review | per workers.md |
+| `critical` (data/release/security) | double review + physical read-only | high; escalate after 2 failures |
+
+Every receipt logs a cost ledger (build token/effort/wall-clock); budget caps halt unattended runs. Model-role logic and measured data: [Quantified metrics](docs/metrics-2026-10-01.md).
+
 ## Status
 
 Installed into dsh desktop 0.2.0-rc.2 (Intel iMac) and verified live: cold start is normal, `pick_route` is callable by the model, the vision constraint really blocks and returns a fallback; the final `subagent_readonly` state is live-verified too (read-only tool set enforced, delegation tools blocked).

package/README.md

@@ -138,6 +138,10 @@ bundle 的 `cordis.patch.yml` 里**新增插件行要包在 `insert:` 下**：
 
 ## 实测数据
 
+![效果看板](docs/metrics-2026-10-01.png)
+
+> 逐项数字、模型分工逻辑、成本口径见 **[可量化测试数据](docs/metrics-2026-10-01.md)**（含图表数据源与复核方法）。
+
 一晚（2026-09-30 23:00 – 2026-10-01 12:00）跑完整轮冲刺的记录，数字来自当轮工单与回执，实证见 [docs/dogfooding.md](docs/dogfooding.md)。
 
 | 项 | 内容 |
@@ -170,6 +174,16 @@ bundle 的 `cordis.patch.yml` 里**新增插件行要包在 `insert:` 下**：
 
 **口径（诚实）**：19 张工单的整体数据见上文[实测数据](#实测数据)；逐插件的孤立量化贡献**没做 A/B 对照，不给数字**，只讲机制——token 大头在实现 → 便宜工人；对话与判断从简 → persona 精简；质量不降 → 异族审查 + 逐条核实。三个机制各管一段，叠加生效。
 
+## 工单分级（effort scaling）
+
+| 级别 | 走什么流程 | 派单 effort |
+|---|---|---|
+| `trivial`（≤10 行/纯文档） | 跳过异族审查，Lead 验收收尾 | low |
+| `normal`（默认） | 完整闭环 + 异族便宜审查 | 按 workers.md |
+| `critical`（数据/发布/安全） | 双审查 + 物理只读审查 | high；失败 2 次升档重派 |
+
+成本台账随每张回执记录（施工 token/effort/wall-clock），`_receipts/progress.md` 周汇总；无人托管有预算闸（到限即停）。分工逻辑与实测数据见 [可量化测试数据](docs/metrics-2026-10-01.md)。
+
 ## 状态
 
 已装进 dsh 桌面版 0.2.0-rc.2（Intel iMac）并 live 验证：冷启动正常，`pick_route` 可被模型调用，视觉约束会真的拦截并给 fallback；`subagent_readonly` 最终态同样 live 实测通过（只读工具集生效、委派工具被拦死）。

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "deepseek-foreman",
-  "version": "0.2.2",
+  "version": "0.3.1",
   "description": "Foreman for DeepSeek Harness: your best model leads, cheaper models build, a rival vendor reviews. Role-to-route adjudication with peak-window, vision, output-size and cross-vendor-review constraints.",
   "type": "module",
   "main": "lib/index.js",

package/skill/deepseek-foreman/SKILL.md

@@ -67,9 +67,16 @@ _receipts/   回执、审查报告、进度、报告
 - **工单头写 `worker-route: <provider>/<model>`**，派单时照它传参。
 - **碰线上服务的单，停机要短**：备份、大文件传输、长测试都在停服务之前做完；从停到拉起之间只切文件和做必要校验；所有远程连接设超时。
 - **写两张，派一张。** `open/` 只放现在能跑的；下一张往往取决于上一张回执里的存疑项。
+- **工单分级（effort scaling）**，工单头写 `difficulty:`：
+  - `trivial`（纯文档/≤10 行改动）：跳过异族审查，Lead 验收即收尾；派单 effort 用 low
+  - `normal`（默认）：完整闭环（派单→验收→异族审查→核实）；effort 按 workers.md
+  - `critical`（碰数据/发布/安全/架构）：双审查（两家各审一轮）；effort high
+  - 失败 2 次升级：同角色 effort 升 max 或换高档施工模型重派，再败才挪 blocked
 
 ## 三、派单
 
+**派单前必须调 `pick_route`**（把工单的 worker-route 传给它）：拿到的 route 原样传给 subagent；被拒（高峰/视觉/输出上限/同族审查）就照它给的 fallback/alternatives 换，**不允许绕过硬约束自己挑模型**。
+
 一次 `subagent` 调用 = 一张单。参数：
 
 - `prompt`：照下面这段，**只给绝对路径**
@@ -102,6 +109,8 @@ _receipts/   回执、审查报告、进度、报告
 
 **回执是说法，不是证据。**
 
+**回执阅读纪律（省 token）**：回执的「1. 做了什么」「4. 成本台账」「5. 风险与存疑」是结论层——Lead 默认只读这三段；「3. 验收证据」原文段只在抽查或存疑指向它时才读。验收输出超过 50 行让工人落盘到 _receipts/logs/，回执只贴命令+首尾 10 行。
+
 1. **每条验收命令自己重跑一遍**，和回执里贴的对比。
 2. **看改动范围**：用 git 就看 `git status` 和 `git diff`；不用 git 就逐个读回执列出的文件。是不是只动了工单允许的？有没有删掉不该动的？
 3. **有实物就看实物**：打开页面、调接口、截图。
@@ -142,7 +151,7 @@ _receipts/   回执、审查报告、进度、报告
 **走之前**：本来会中途打断他的事一次问完，一次一件。他人已经走了就**不要停在问题上等**——一律按最保守的理解，他没明确允许的都算「绝不能自己做」。
 
 1. 拆成工单，顺序写进 `_tickets/queue.md`。只有现在能跑的单放 `open/`；轮到下一张时再写进去。
-2. 写 `_tickets/handoff.md`：目标；工单顺序；哪些可以不问直接做（审查通过后合并、发测试环境、工人花费上限）；哪些绝不能自己做（删数据、对外发消息、超预算花钱、他没点头的正式上线）；几点停。
+2. 写 `_tickets/handoff.md`：目标；工单顺序；**预算闸（写死数字）**：单张施工 token 上限（默认 500 万）、累计上限、Lead 轮数上限（默认 200 轮）；哪些可以不问直接做；哪些绝不能自己做；几点停。**到任一上限立即停派，写报告等用户**。
 3. 告诉他什么会让托管中断，请他走前处理：**电脑不能休眠**；权限确认不能没人点；**模型套餐有用量上限**，到顶就停，已派出去的任务会跑完，重置后要他叫你继续。
 
 **他不在时**：
@@ -150,7 +159,7 @@ _receipts/   回执、审查报告、进度、报告
 - 按队列往下做，不等人说「继续」：派单 → 验收 → 审查 → 核实 → 修复单 → 下一张。
 - 每个在跑的子任务都要有等待手段（`list_agents` 看状态，或后台轮询回执）。
 - 遇到 `handoff.md` 没写到的决定：**不要猜，也不要全停**。记进 `_tickets/decisions.md`（问题、选项、你的建议、哪张单在等），那张单挪 `blocked/`，接着做别的。
-- 每收尾一张单，在 `_receipts/progress.md` 加一行：时间、工单、结果、花费。用户看这个文件就知道进度。
+- 每收尾一张单，在 `_receipts/progress.md` 加一行：`时间 | 工单 | 结果 | 施工token(万) | effort | Lead轮数 | 备注`。每周汇总一次给用户（施工总token、Lead轮数、重做率、审查命中率）。
 - 会话随时可能中断。每张单做完就更新 `queue.md` 和 `progress.md`；会话开始时若 `handoff.md` 里还有活，先读这两个文件再继续。
 - **不扩大范围。** 新想法写进 `queue.md` 当提议，不开工。
 - 停下条件：队列做完；只剩卡住的单；到预算或停止时间；**同一张单失败两次**（挪 `blocked/` 写明原因）。

package/skill/deepseek-foreman/templates/receipt.md

@@ -19,5 +19,12 @@
 <原样输出，不删改>
 ```
 
-## 4. 风险与存疑
+## 4. 成本台账（v0.3 起必填）
+| 项 | 值 |
+|---|---|
+| 施工 token（dsh 子代理面板 tok 值） | <万> |
+| reasoning_effort | <档> |
+| wall-clock | <分钟> |
+
+## 5. 风险与存疑
 <没能验证的、没覆盖的边界、没做完的。没有就写"无"。>

package/skill/deepseek-foreman/templates/ticket.md

@@ -2,6 +2,7 @@
 
 > 派单：dsh <Lead 的 provider/model> | 日期：YYYY-MM-DD
 > worker-route: <施工用的 provider/model>
+> difficulty: <trivial|normal|critical>
 > workdir: <相对项目根目录的作业目录；在根目录就删掉这行>
 > claimed-by: （派单时由 Lead 填写实际生效的 provider/model/reasoning_effort 和时间）