dsh-auto-model-routing 0.3.0 → 0.4.1

package/docs/feedback-evaluation.md

@@ -0,0 +1,18 @@
+# AUTO 人工反馈数据与评估口径
+
+## 记录
+`$DSH_HOME/state/auto-model-routing/allocation-feedback.jsonl` 是本地append-only记录，无会话正文和key。
+
+绑定行使用sessionId/messageId/decisionId、depth、实际model/effort，新增boundAt与不可变snapshot：decidedAt/appliedAt、policyVersion/mappingVersion、decisionProvider/decisionModel、判断ms、返回的confidence/probabilities、实际provider、requestSeq及可得时requestTurn。requestSeq是同session请求头事件，可与该会话历史关联actual request及usage；绑定并非完成任务或用量已知的证明。
+
+反馈事件为`type:feedback, version:2`，带sessionId/messageId/decisionId、at、feedback。每次修改或撤销独立追加；null表示撤销。读取时按追加顺序应用到既有精确绑定。历史完整记录仍兼容，原快照不可被后续同身份行替换；旧记录没有时间或快照则未知，禁止用迁移时刻或最新配置补造。
+
+## 评估
+- 评估单位为(sessionId, decisionId)，不是每个assistant/message，避免同轮多条工具消息导致重复计数。先按消息取最后事件，再按决策取最后反馈；历史无时间以追加顺序作本文件内顺序，跨文件不可猜。
+- appropriate/too-high/too-low分别统计；unknown不是满意，null撤销不计有效评价；未评价不能计为合适。多条消息评价冲突也应单独报告。
+- 按策略版本/映射版本/服务模型及depth/实际路由分组；旧缺字段独立unknown组，不混进新策略精确对照。
+- 以requestSeq和消息ID关联实际usage/延迟/返工证据；拿不到价格或token就未知。用户主观反馈不等于正确性oracle，适合率也不能单独证明质量或节省。
+- 按需观察报表见包内 skill `auto-model-routing-report`（`lib/usage-report.js`，只读）；仍不做自动阈值调整、自动训练或换模重试。
+
+## 确定度
+UI称“判定确定度”，Choice公式为`(pmax - 1/n)/(1 - 1/n)`；n为该维候选数。三选一最高概率70%得到55%，不等于选中概率或任务成功率。插件直接展示服务返回值，分布独立保留，不从四舍五入后的百分比反推。官方定义：https://docs.typesafe.ai/confidence.md 。

package/docs/host-capability-report.md

@@ -0,0 +1,91 @@
+# AUTO 宿主能力核验（官方 0.2.0-rc.2）
+
+## 结论
+
+**官方入口足以让插件在普通子会话、fork、teammate 的首次模型请求前读取精确子身份和本轮任务，并改写实际 provider/model/effort；不需要改宿主或 compat。** 这证明的是宿主接入能力，不是现有 AUTO 已支持这些路径。
+
+本次只完成宿主探针。策略、Jev、生产持久化、部署与真实模型兼容性均未实现/验证。尤其 fork 跨真实 provider 的历史兼容仍未通过支持门槛，不可据此启用生产自动路由。
+
+## 方法与范围
+
+- 可重跑的 [探针](../scripts/host-capability-probe.mjs)：独立临时 npm prefix，官方包精确 pin 为 `0.2.0-rc.2`、Cordis 为 `4.0.4`；运行前检查所有直接加载包版本。未加载 launcher 或 compat。
+- 官方 Agents、Loop、Sessions、Subagents、spawn/fork providers、Teams、JSONL persistence、session-query 组成真实宿主服务链。适配器是本地 fake，唯一允许的 provider 为 `probe` / `probe-other`，运行期 `fetch` 明确抛错。依赖安装访问 npm，不产生模型/Jev 请求。
+- 使用全局 `agent/pre-step` 的 `decision.messages` 读取进入本轮的任务；按 `agent.id` 记录确定性测试决策；`agent/request` waterfall 应用配置。测试标签仅为 oracle，**不是可直接复用的生产 prompt 匹配绑定方案**。
+- 证据同时校验子会话 `requestHeader().config` 和 fake adapter 收到的最后一次请求，使用请求 `sessionId` 关联，分别确认 provider、model、effort。provider 由各自独立适配器实例记录，不以相同模型名代替路由证明。
+- 数据均为合成任务，JSONL 和简易决策文件只写临时目录，不提交原始会话。
+
+## 支持矩阵
+
+| 路径 | 精确父子身份与任务 | 请求入口与实际执行 | 并发/后续/恢复 | 结论 |
+|---|---|---|---|---|
+| one-shot ordinary `start('spawn')` | 通过：run ID、live child、parentSession 与进入任务对应 | 通过：跨 fake provider + model/effort | 单次请求；未单测此入口并发 | 官方服务入口可用；非生产 applied |
+| continuable ordinary `startContinuable('spawn')` | 通过 | 通过 | 两个并发提交的不同任务各获不同配置，父请求不变；重建宿主后恢复通过 | 可作为正式实现基础；需插件自己的决策恢复机制 |
+| one-shot / continuable fork | 通过；进入任务不含父历史标记，完整会话仍保留父文本历史 | 通过：fake provider 切换 | 未覆盖 fork 冷恢复或并发专项 | 宿主入口可用；真实历史兼容未验证，生产异构 fork 不宣称支持 |
+| teammate fresh | 通过：官方 TeamService → continuable child | 通过；无需 Team 创建 API 暴露 model 参数 | 后续消息含不同测试标签也不重选；重建宿主后发消息恢复同一路由 | 官方服务入口可用；工具层与生产持久化未验证 |
+| teammate fork | 未单独运行组合测试 | 不借普通 fork 的结果算通过 | 未覆盖 | 本轮未验证，不启用自动应用 |
+| ACP / 远端进程子会话 | 未覆盖 | 当前全局 hook 仅本进程 | 未覆盖 | 本轮不支持声明 |
+
+并发证据是 `Promise.all` 并发提交的身份隔离，不是高负载、长流式交错或取消压力测试。后续消息证据是新消息新请求，不包括重复投递同一 message ID 的去重验证。
+
+## 关键发现：请求覆盖不等于持久化选模
+
+官方 continuable descriptor 在创建时保存 model/effort；`agent/request` 覆盖不会修改它。
+
+探针包含负对照：先路由 child → 关闭整个宿主 → 以同一持久化目录重建宿主，禁用决策应用 → 发新消息。实际请求恢复为父模型 `parent/medium`，而非首次应用的 `small/high`。
+
+再次重建宿主，并从探针自有文件恢复 `childId → provider/model/effort` 决策后，同一 child 和 teammate 的请求才保持首次选择。因此正式实现至少需要：
+
+1. 使用稳定的会话身份绑定初始决策，后续消息不重新分类；不能依赖临时 Agent 对象或 prompt 相似度。
+2. 通过插件自己的持久化或可验证重建机制恢复决策，处理恢复失败，不能默默继承却报告 applied。
+3. 为显式 model/effort 约束保留来源；本探针的标签路由没有实现该语义，不可直接上线。
+4. 避免调用主 UI 的 `sessionController.selectModel`：它还会保存全局默认选择；本探针完全不调用该入口。
+
+这里只验证了简易测试文件的正常读写恢复，不是生产持久化设计；未覆盖原子写、并发进程、崩溃、损坏、版本迁移和 MANUAL 切换。
+
+## 官方源码依据
+
+以下为核验时已安装的官方发布包位置，不是上游改动要求。临时 prefix 可按下方命令重建；其中源码行号仅适用于此 pin。
+
+- pre-step / request 类型（`node_modules/@deepseek-ai/dsh-agent/lib/types/runtime-types.d.ts#L293-L332`）：公开事件输入和 waterfall 返回契约。
+- Loop 请求链（`node_modules/@deepseek-ai/dsh-agent-loop/lib/index.js#L1164-L1220`）：实际调用 waterfall 后才 `llm.prepareCall`，记录 resolved request header。
+- scopeTarget（`node_modules/@deepseek-ai/dsh-scope/lib/index.js#L315-L337`）：无 Agent 作用域标记的全局 listener 可观察不同子身份。
+- SubagentStartRequest（`node_modules/@deepseek-ai/dsh-subagent/lib/types/types.d.ts#L136-L162`）：公开 `agentOptions`，不必通过工具 schema 推断宿主能力。
+- continuation 创建（`node_modules/@deepseek-ai/dsh-subagent/lib/types/continuation.js#L101-L176`）、冷恢复（`node_modules/@deepseek-ai/dsh-subagent/lib/types/continuation.js#L354-L374`）：descriptor 与恢复选项。
+- 官方 Team 创建转发（`/tmp/dsh-official-routing-probe.HImElm/node_modules/@deepseek-ai/dsh-experimental-agent-team/lib/index.js#L573-L582`）：只转发 prompt/parent，未传 agentOptions；并不妨碍插件在 child request 入口配置。
+- 默认选择副作用（`node_modules/@deepseek-ai/dsh-api-session-controller/lib/index.js#L720-L739`）：`selectModel` 还会 `saveSelection`。
+
+`resolveChildAgentOptions` 是 官方公开导出（`node_modules/@deepseek-ai/dsh-subagent/lib/types/index.d.ts#L55`），前期函数级实验使用内部文件路径不意味着函数本身是私有 API。本次整链探针没有导入任何内部 helper。
+
+## 重跑
+
+从仓库根运行，Node 24；不更改仓库依赖、manifest 或当前 GUI：
+
+```bash
+PROBE_HOME=$(mktemp -d /tmp/dsh-official-routing-probe.XXXXXX)
+npm install --prefix "$PROBE_HOME" --save-exact --ignore-scripts --no-audit --no-fund \
+  @deepseek-ai/cordis@4.0.4 \
+  @deepseek-ai/dsh-agent-loop@0.2.0-rc.2 \
+  @deepseek-ai/dsh-experimental-agent-team@0.2.0-rc.2 \
+  @deepseek-ai/dsh-session-persistence-jsonl@0.2.0-rc.2 \
+  @deepseek-ai/dsh-session-query-sqlite@0.2.0-rc.2 \
+  @deepseek-ai/dsh-subagent-fork-in-process@0.2.0-rc.2 \
+  @deepseek-ai/dsh-subagent-spawn-in-process@0.2.0-rc.2
+node packages/auto-model-routing/scripts/host-capability-probe.mjs "$PROBE_HOME"
+```
+
+探针输出 7 项 PASS 后才表示整链成功。它有独立依赖装配要求，未加入默认单元测试命令。
+
+装配期间遇到并修正的探针问题：父创建必须提供 sessionId；官方 continuable 任务会附加返回指导，不能断言整个文本与原 prompt 完全相等；子实例自然完成后可能已经卸载，证据应保存事件中的精确 Agent 身份；冷恢复必须装配 session-query（`openAt: 'never'` 保留 exact reads 且不加载 SQLite）；npm 分次安装缺少 `--save-exact` 会漂移版本，版本断言已捕获，最终重装为精确 pin。以上均未修改官方宿主。
+
+## 检查结果与本地复核
+
+- 探针：7 项 PASS（包含恢复负对照）；复核后补充父会话在子任务之后再次发请求仍保持原配置的断言。
+- package 工作目录执行 Vitest：25 个测试文件、162 个测试通过。
+- OpenSpec 严格校验与 `git diff --check`：通过。
+- 首次从仓库根运行 Vitest 的路径过滤意外匹配 worktree，且未使用 package 配置，UI 测试报告缺少 `clsx`。改为 package 工作目录后全部通过；未为此安装仓库依赖或修改 UI。
+- 本地全范围复核：新增脚本/报告及本轮 design/tasks 修改均检查；没有修改运行时代码。保留的局限是明确列出的组合覆盖和生产机制缺口，不将其记为 applied。
+- 未运行全仓测试、构建、sync、真实模型调用或浏览器验证；本次没有部署变更。
+
+## 明确不包含
+
+真实模型和 Jev 调用、策略效果/成本比较、真实 provider 历史与工具消息兼容、部署中工具调用、GUI、subscriptions/MANUAL 改造、上游补丁、生产 AUTO 自动路由。现有 AUTO 请求中间件仍跳过 subagent，此报告不改变当前功能承诺。

package/docs/jev-policy-v2-validation.md

@@ -0,0 +1,37 @@
+# Jev policy-v2 验证（2026-10-24）
+
+## 结论
+
+官方接口和真实 `typesafe/jev-1.13` 均支持一次请求中独立返回 capability 与 depth。10 次合成任务请求全部返回合法的双 Choice；预先定义的 development / holdout 各 5 例均符合预期，不调整 rubric、不重试。**这只证明接口与小样本分类，不证明实际子模型质量、成本收益或默认推广条件。**
+
+- [官方教程](https://openrouter.ai/docs/guides/community/jev-tutorial.md)：多个问题并行作答，不能读取彼此答案。
+- [官方 API schema](https://openrouter.ai/docs/api/api-reference/alphadecisions/submit-a-decisions-request.md)：questions 为命名问题映射，answers 同键返回。
+- [价格入口](https://openrouter.ai/api/v1/models/typesafe/jev-1.13/endpoints)：验证时 input US$0.042 / million tokens，output 0；请求显式 max_price + 禁止 fallback。
+- 模型仍固定 `typesafe/jev-1.13`；文档虽然已有 1.14，本次不擅自升级。
+
+## 实测
+
+用户授权上限：20 次、输入每次 ≤8192 bytes、US$0.10。实际 10 次，总 input 8194 tokens，**US$0.000344148**；单次 493–1036 ms。真实 snapshot 为 `typesafe/jev-1.13-20260917`。
+
+| 样例 | split | capability | depth |
+|---|---|---|---|
+| dev-bulk | development | bounded | baseline |
+| dev-risk | development | bounded | baseline |
+| dev-debug | development | analytical | baseline |
+| dev-proof | development | frontier | higher |
+| dev-missing | development | insufficient_context | baseline |
+| hold-extract | holdout | bounded | lower |
+| hold-batch | holdout | bounded | baseline |
+| hold-tradeoff | holdout | analytical | baseline |
+| hold-constraints | holdout | frontier | higher |
+| hold-unknown | holdout | insufficient_context | baseline |
+
+[测试输入及独立预期](../eval/policy-v2-cases.json)、[问题定义](../src/policy-v2-rubric.json)、[有预算保护的实测脚本](../eval/policy-v2-live.mjs)。depth 从同一任务证据独立判断相对适配模型的推荐投入，不引用另一个尚未返回的 capability 答案。两者都指定时不判；只指定一个维度时仅询问另一个。
+
+实测脚本先保留每次费用预算再请求，失败也计一次；预留每次 65536 input tokens 远高于合成输入。未知 usage.cost 停止，不记零。尚有 10 次授权余量，不默认消耗，也不因生成一个新结果文件就获得新预算。跨多次运行的全局预算需由执行者核对，脚本不是账户级额度控制。
+
+## 实施映射起点
+
+版本 `capability-slots-1`：Claude bounded/analytical/frontier = Haiku/Sonnet/Opus 5.5；Codex = Luna/Sol/Sol（目前目录只有两种已选能力模型，不伪造第三种）。推荐 effort 复用当前 [官方起点表](../src/effort.ts#L7-L16)，Claude 三模型 medium、Luna high、Sol medium。depth 只按支持序列移动一档，automatic 不使用 max；显式值仍校验目录、允许列表与上限，失效报错不替换。
+
+这份映射是初始试验基线，不声称已经独立证明各子模型是最优能力槽。未进行实际子模型调用或端到端任务保留集对照；其成本、质量与返工收益均未知。

package/docs/magpie-live-acceptance.md

@@ -0,0 +1,27 @@
+# Magpie 真实最小验收与本地部署
+
+2026-10-25。用户授权按订阅最小必要调用完成验收与本地部署重启，不授权全局默认切换或发布。
+
+## 实际结果
+
+- 在线 Magpie `/models` 返回 200，确认完整 provider/model 与 effort 元数据；不依赖磁盘缓存作可用证明。
+- GPT：真实 Jev + 生产插件 + 官方 ordinary 子工具 + Magpie adapter，最终 `dsh-magpie-connect` / `codex/gpt-6-luna` / medium / maxTokens=1024，4322 ms，排序去重 JSON 确定性 oracle 通过。
+- Claude：先遇网关账户认证 502，用户重新登录后成功；同一路径选 `claude/claude-haiku-5-5` / low / maxTokens=1024，4027 ms，同一 oracle 通过。未绕到本地 Claude。
+- 实际结果仅证明生成可用与请求配置；不证明底层服务内部推理投入与 effort 参数完全相等，不宣称统计性能收益。订阅实际美元成本 unknown。
+- 尝试旧策略表参考时被官方固定工具实例拒绝显式 model 参数，未产生该参考模型执行；已删除不可用试验分支，不冒充完成策略对照。6任务保留集仍未运行。
+
+## 部署与现场
+
+- 首次 `dsh build` 因仓库工作依赖缺少 lottie-web 失败，恢复已声明依赖后第二次构建成功；再跑一次构建成功且没有 changed/reinstall/generate 操作。
+- 通过 manifest/sync 物化源码，没有手改部署插件。没有升级 DSH。最终再次逐字节确认部署的 index、policy-host、policy-v2、client 构建与源码构建一致；读取持久配置确认为 legacy/AUTO，没有改变全局策略。
+- 自动 restart 尝试中断，用户手动恢复服务成功；现有 3080 GUI 已实测可访问，未将自动重启记为成功。近期日志没有足够证据定位自动重启挂起根因，不猜测。
+- 使用官方启动 URL 认证隔离浏览器，不输出 token；现有 GUI 的设置页显示原策略被选中、v2 试验入口存在。切换 v2 草稿后保存按钮启用；切回原策略并关闭，未保存或改变全局策略。
+- 190 项 package 测试、typecheck 在依赖恢复后再次通过；mock 官方完整冷恢复证据见开发报告。GUI 只验界面入口与草稿状态，不冒充在真实 GUI 已执行完整子路由。
+
+## 全仓检查
+
+全仓 `npm test`：447 项，444 通过、2 跳过、1 失败。唯一失败为文档治理要求链接目标已进入 Git tracked 集合，而本次新增报告尚未暂存；文件真实存在，不为制造绿灯自动 staging 或改写治理测试。package 190 项测试全部通过；artifact check、严格 OpenSpec、diff check 通过。
+
+## 边界
+
+当前 policy 是插件全局设置，不是单会话策略选择；没有承诺仅启用某一会话就实际保存全局开关。默认仍为旧策略。若要全局启用 v2 需用户明确选择。真实 fresh teammate、fork、任务质量收益和保留集对照均不在此最小验收通过范围。

package/docs/policy-v2-development.md

@@ -0,0 +1,68 @@
+# policy-v2 开发与验收记录
+
+## 状态
+
+2026-10-25 用户在最小真实 Magpie 验收后追加授权：AUTO 默认升级，不再要求版本开关。默认配置为内部 policy-v2；显式 legacy 仅供回滚。旧四档配置保留但不参与新策略，MANUAL 不变。已构建部署、通过分离控制进程重启现有3080服务，并在实际GUI验证无版本选择、显示 AUTO 已使用新策略。真实质量/返工/成本对照仍未完成，不宣称性能收益。
+
+## 实现入口
+
+- [Jev 契约](../src/jev.ts)：复用认证、deadline、body 上限、错误分类；原 tier 问题不变。新主请求只问 depth；子请求一次问 capability/depth，显式约束只问未指定维度。
+- [独立映射](../src/policy-v2.ts)：版本化能力槽，effort 推荐起点按受支持序列最多移动一档，受 cap 限制，不自动使用 max。映射是初始基线，Codex analytical/frontier 都是 Sol，未虚构第三模型。
+- [宿主接入](../src/policy-host.ts)：官方 `tools/execute` → AsyncLocalStorage → `agent/created` 绑定精确 child ID 和 parent/root；不依赖 prompt 相似度。`agent/pre-step` 获取首次任务并决策，`agent/request` 应用；`request/header` 记录匹配证据。
+- [持久化](../src/policy-store.ts)：每 child 哈希路径、严格 schema、owner-only 原子替换，只有身份/版本/约束/路由/状态，不含任务原文。缺失、损坏、未完成恢复不默默继承；未完成决策不能用后续消息重新分类。
+- [工具](../src/subagent-tool.ts)：policy-v2 下 optional preview，仅 recommended；普通创建工具负责精确应用，不把预览冒充 applied。
+- [设置](../src/client/settings-section.ts)：无用户版本开关；省略即新策略，旧四档表仅在显式 legacy 回滚时显示。当前能力槽是版本化代码，不新增另一套可编辑映射表。
+- [状态 API](../src/index.ts)：`auto-model-routing.childRouting` 接收 `{sessionId}`；主 state 返回 policy/depth/effort。v2 不使用 `selectModel`，避免全局默认副作用。
+
+## 覆盖矩阵
+
+| 路径/行为 | 证据 | 结果/边界 |
+|---|---|---|
+| 官方 ordinary fresh continuable 工具与 provider | [整链脚本](../scripts/policy-v2-host-probe.mjs)加载官方 0.2.0-rc.2、真实生产插件，fake Jev/adapter | 实际请求 model/effort 匹配；全宿主关闭重建后恢复，不重判 |
+| 官方 fresh teammate 工具与服务 | 同上 | 创建、后续消息和全宿主恢复通过，不重选 |
+| 并发创建与显式模型/effort | [宿主测试](../test/policy-host.integration.test.ts)官方 Tools/Agents，测试创建工具 | 并发精确身份隔离；两者指定零判断；普通/teammate 官方 provider 的并发压力未测 |
+| fork / teammate fork | tools wrapper 可提前拒绝 | unsupported，真实历史兼容未验证，不擅自转 fresh |
+| 未绑定 service API、别名工具、远端 ACP | 进入子 pre-step 时若发现启用 v2 而无绑定则停止 | 不宣称支持；根链不可达时不作自动决策。未宣称能阻止进程外原生创建 |
+| MANUAL / 切回原策略 | unit + host tests | 不做新判断；已绑定实例保留创建初始路线，不因后续消息换模 |
+| needs-context / Jev 402 / 配置失效 | host tests | 子请求停止，根仍 AUTO，不静默替代或自治重试 |
+| 恢复损坏 / 身份不匹配 | store tests | fail closed；单进程按 child 写，无跨进程争用/崩溃注入证明 |
+| 实际请求被其它 middleware 改写 | host mismatch test | 记录 failed，不标 applied；header observer 抛错为尽力阻断，不将配置匹配等同调用成功 |
+| 当前允许列表与父快照 | 新鲜 catalog 校验 + 父 `subagent/model-selection-policy`（存在时） | 不用较新全局列表扩大父快照；整链脚本的 allowlist 是合成 service seam，未验证真实 GUI 设置装配 |
+
+适配器/Jev 都为 fake 的宿主测试不证明真实 provider 兼容、真实工具 schema 部署或网络效果。实际 `applied` 只代表 request/header 配置匹配，不代表任务验收、模型成功或底层 provider 尊重 effort。
+
+## 验证
+
+- 真实 Jev：10 请求 / development 5 + holdout 5，均符合预期，US$0.000344148；见 [Jev 记录](jev-policy-v2-validation.md)。没有实际子模型调用。
+- package `npm run typecheck`、`npm test`（29 文件 / 184 测试）、`npm run build` 通过；构建保留现有 tsdown deprecation/format warning，不顺手升级工具链。
+- 官方整链脚本：ordinary + fresh teammate 创建/请求/全宿主冷恢复通过。
+- 早期 [宿主能力探针](host-capability-report.md)证明 service/request 基础能力；新整链脚本补充生产插件与正式工具绑定，而非把之前的测试标签 oracle 当生产实现。
+
+重跑整链：先 package build；在原临时官方 prefix 的基础上，精确安装 `@deepseek-ai/dsh-tool-subagent@0.2.0-rc.2`、`@deepseek-ai/dsh-experimental-tool-agent-team@0.2.0-rc.2`、`@deepseek-ai/dsh-launch-environment@0.2.0-rc.2`（`--save-exact --ignore-scripts`），然后：
+
+```sh
+node packages/auto-model-routing/scripts/policy-v2-host-probe.mjs "$PROBE_HOME"
+```
+
+官方 standing tool 的 `modelSelectionSettings:true` 要求 preset-scoped context；隔离脚本没有伪造该 composition，使用 standing fixed-schema 工具 + 合成 allowlist。因此显式选择与父快照另用 host tests 验证，真实 preset/GUI 组合不记为通过。
+
+## 独立审查后的修复
+
+用户授权只读独立审查后，修复子输入来源过滤、模式往返 epoch 撤销、await 后 MANUAL 复核，以及路由记录丢失时的 sidecar 绑定检测。原尝试自定义 session 事件被官方持久化拒绝，已完全移除；不依赖上游改动。完整官方 cold resume 探针重新通过。独立最终聚焦复核结论 PASS；其测试命令未能找到 vitest，测试通过证据来自主会话的完整运行，不将其静态审查冒充独立测试通过。
+
+`.bound` 标记只保存 child ID，不包含任务；路由 JSON 缺失而标记保留时 fail closed。整个插件状态目录（两份记录）同时丢失、或旧版无标记记录丢失，无法检测，不能泛称所有存储丢失都已覆盖。
+
+## Magpie 接入（2026-10-25）
+
+用户指定实际模型先只经 Magpie，OpenRouter 仅 Jev，不用本地 Claude/codex。v2 支持精确 `dsh-magpie-connect` transport，持久记录保留完整 model ID；自动映射使用 `claude/...` / `codex/...` 家族，不把网关 route 伪装为本地 provider。映射版本为 `capability-slots-2-magpie`，已有完成路由保持原配置；其他网关模型可显式使用，未定义能力槽时不自动猜；未知模型 effort 使用 LLM 目录 defaultEffort，缺失则停止。固定已知家族沿用版本化官方起点。
+
+当前 legacy catalog 仍不包含 Magpie；持久子路由重放使用独立全量策略目录，避免关闭试验导致既有实例失效。目录/allowlist 校验对精确 provider+model 执行，模型名含斜线只在 v2 网关路径允许，旧配置校验不放宽。
+
+验证：190 测试、类型检查、构建通过；官方工具整链脚本加 `--magpie` 后通过 ordinary/fresh teammate 和全宿主冷恢复（fake adapter/Jev，无外网）。实际 dsh-magpie-connect 0.4.1 源码显示 resolveModel.reasoning 从缓存努力等级构建 defaultEffort；尚未验证在线生成或真实 effort 消费，不把缓存/模拟当实测。
+
+## 回滚与后续
+
+- 切回 legacy 或 MANUAL：停止新判断；已有 child 继续恢复初始路线，避免意外退回父模型。
+- 完全移除/停用插件：请求覆盖停止，官方 cold resume 回到创建 descriptor 配置；操作前应确认已创建子任务可以接受该变化。
+- 不修改 main current spec，不归档 change；其约束继续描述默认旧策略。试验有独立 delta spec。
+- 未运行真实子模型保留集对照、返工总成本评估、浏览器部署验收、全仓测试、sync、发布。4.3 和默认推广不完成；真实质量与收益未知，不记为零。

package/docs/policy-v2-real-evaluation-plan.md

@@ -0,0 +1,32 @@
+# policy-v2 真实任务对照（计划；完整对照未执行）
+
+## 目的与门槛
+
+下一步不是直接部署，而是在独立评审修复后验证真实子模型质量、耗时与总开销。现有 10 个 Jev 分类样例不是执行任务基准，不能把其标签命中率当任务成功率。不得消耗剩余 Jev 授权来调用其它模型；2026-10-25 用户已授权以最小必要订阅调用验收并本地部署，不再按美元预算审批；仅经 Magpie。当前真实最小验收已完成，完整对照仍未完成，见 [实测记录](magpie-live-acceptance.md)。
+
+## 已确认的执行入口（2026-10-25）
+
+用户明确本机网络约束：OpenRouter 仅用于 Jev；实际子模型先只经 Magpie（含其中的 GPT/Claude 等模型）。不调用本地 Claude，不调用本机 codex/subscriptions，也不使用 OpenRouter 执行模型。
+
+本机缓存显示 Magpie DSH provider ID 为 `dsh-magpie-connect`，model ID 例如 `claude/claude-haiku-5-5`、`codex/gpt-6-luna`。缓存只证明曾发现的目录，不证明当前在线可用或实际 effort 生效。
+
+**接入进度**：policy-v2 已接入 `dsh-magpie-connect` 精确 provider/model；Claude/GPT 前缀识别能力家族，其他模型只允许显式选用并从当前目录读取 defaultEffort（两维显式时只验证）。没有自动能力槽时停止，不猜、不回退本地入口。旧策略目录不变；已绑定 Magpie 子会话切回 legacy 后仍使用独立目录恢复。190 项测试与 fake-adapter 官方工具全宿主恢复通过，尚未执行真实 Magpie 模型调用。网关插件是已配置模型入口，不修改其源码或上游。
+
+## 最小可执行方案
+
+- 固定一个 provider，避免首轮同时混入跨 provider 与 fork 变量；只测官方 ordinary fresh，主组织/验收角色固定。
+- 两个策略：默认 legacy 与显式 policy-v2；每个策略对同样的 6 个合成、独立验收任务执行一次，总计初始 12 个子运行。
+- 任务三类各 2 个：有确定 validator 的机械修改、需要定位根因的调查修复、需约束推理的分析。先写 fixture、测试/验收 oracle，再执行；一半用于开发、一半冻结为 holdout，不因结果修改预期。
+- 每个运行最多一次由主 Agent 明确决定的返工，额外运行也计预算，故最多 24 个子运行。禁止路由器自动升级、自动重试和失败后偷偷换模型。
+- provider 模型与 effort 必须先从当前官方目录/允许列表解析并确认，报告完全展开后的模型 ID，不能只写 Haiku/Sol 等别名。现在不假定任何真实 adapter 可用，也不触碰 subscriptions/MANUAL adapter。
+- 准确模型列表、每模型调用次数、输入/输出上限、美元费用或订阅额度上限必须在执行前提交用户确认。无法获得可约束费用的官方模型入口则停止，不自建兼容 adapter。
+
+## 指标
+
+每个任务记录：独立验收是否通过、初次/最终通过、返工原因/次数、分类调用耗时与usage、子执行与验收总耗时、可用的实际usage/成本、基础设施错误。缺失字段记 unknown，不记 0；订阅usage不等同美元API价格。
+
+以包含返工与验收的总成本/总耗时比较，不能只比较首次选中轻模型。小样本只用于发现明显回归，不据此声称统计最优。是否默认推广需要单独批准。
+
+## 不包含
+
+部署、发布、GUI现场验证、fork兼容、真实业务数据/会话外发、扩大provider适配层、自动重试系统。通过后再申请单会话 opt-in 现场试运行，不默认全局启用。

package/docs/routing-community-research-2026-10-24.md

@@ -0,0 +1,98 @@
+# AUTO routing 外部方案调研（2026-10-24）
+
+状态：只读调研，未采纳实现；主会话复核 + gpt-6.1-sol/high 子智能体调研。核心诉求见 routing-intent-and-gaps.md。
+
+## 先分清三类自动路由
+
+1. 服务网关选模型/供应商：对请求做能力与价格路由，可能改变主模型，不天然符合本项目主模型固定的不变量。
+2. 固定模型调推理预算：最接近本项目主会话，但需处理缓存前缀、模型支持与同回合稳定性。
+3. 编排层委派：决定是否派发、任务边界、worker能力与预算、验收升级；网关分类器无法代替主Agent完成这些决策。
+
+## 已复核的一手证据
+
+### Anthropic：强主轻子的生产案例，但不保证省token
+
+来源：https://www.anthropic.com/research/multi-agent-research-system
+
+官方研究系统使用 Opus 4 lead + Sonnet 4 workers；适合多条独立方向的并行研究与上下文压缩，强调任务目标/输出格式/边界/工具指导，以及按最终成果评估。不能将该内部研究评估的收益直接推广到所有编码任务；多agent会增加token消耗，只有收益足够时才值得。
+
+Anthropic platform effort/caching文档本次直接抓取存在地区跳转限制。仓库 eval/README.md 的2026-10-21/22来源摘要是历史依据，不能冒充本次全文复核。
+
+### OpenAI：effort不是无缓存代价的开关
+
+来源：https://developers.openai.com/api/docs/guides/prompt-caching.md
+
+官方说明 reasoning.effort 可改变隐藏模型指令；支持GPT-6+模型可以追加 configuration_update、保持顶层原值，以保存既有前缀。是否适用于DSH订阅适配器需单独检查实际协议，不能从API文档直接推断。
+
+### LiteLLM：分类 + 运行约束 + 影子评估
+
+来源：https://docs.litellm.ai/docs/auto_router
+来源：https://docs.litellm.ai/docs/auto_router/evaluate
+
+当前已经有 Auto Router add-on，不能再将LiteLLM仅归为负载均衡。最值得借鉴的是 shadow evaluation：同输入复制请求、盲评实际输出、对比多个策略；官方明确指出 tier标签匹配不等于选中模型答得好。
+
+费用核算包括classifier与下游费用，记录fallback和p95；继续回合的对照费用应采用暖缓存，切换后新增cache write应扣除。其按最昂贵配置估算的savings仍是反事实估计，不能等同本项目实测节约。
+
+### Magpie：回合稳定、缓存迟滞、可选effort更新
+
+项目确认为 https://github.com/yetone/magpie ，不是同名数据集或仅DSH连接器。
+
+固定代码：https://github.com/yetone/magpie/tree/f3eb92924e56605860f6a85a3449247c26c0bd90
+
+- internal/gateway/rules.go：用户回合开始决策，工具结果继续沿用；上下文超过模型能力等例外另处理。缓存仍暖时保留更高effort，不因新一轮简单就立刻降档；冷却或上下文显著缩短时才允许降低。
+- Pick/Wanted区分实际保留档位与新判断期望，方便展示“推荐值≠生效值”。
+- internal/gateway/effort_update.go：MAGPIE_EFFORT_UPDATES=on的preview才启用，默认关闭；限GPT-6、Responses、OpenAI/ChatGPT账户，并排除某些服务端历史管理/自动截断路径。
+- 超过初始base的升档重设顶层effort；注释声称configuration_update升到高档时实际推理不足。这是上游实测自述，非官方保证，也未由本项目复现。
+- 保存每个thread/account/model的更新位置并重放；历史不匹配、compact或重启可能导致重新缓存。不是只改一个effort字段就能实现。
+
+可借鉴：主会话调effort要有缓存意识；判档值与生效值可分离；缓存更新路径需显式支持与能力验证。不可照搬：默认启用preview、假定跨provider都支持、将所有回合只升不降当作永久最优。
+
+## Sol 补充核验：官方建议
+
+- https://claude.com/resources/articles/claude-model-and-effort-level-in-claude-code ：model是能力边界，effort也影响读文件/工具/核验/坚持程度；从模型默认起，把effort当总体偏好。认真尝试仍错可能需强model，漏读/不测/早退可能需更多effort。
+- https://code.claude.com/docs/en/model-config.md ：当前Opus/Sonnet/Haiku5.5默认medium；各模型同名effort不等价。
+- https://code.claude.com/docs/en/prompt-caching.md ：多数模型不同effort有独立cache；当前Claude Code在部分模型与直API/订阅组合可保cache，但其他后端、禁beta等不适用。这是client×backend×model组合能力，不自动适用于DSH。
+- https://developers.openai.com/api/docs/guides/model-selection.md ：用同输入比较模型和effort，选择达到质量要求的最轻配置。
+- https://developers.openai.com/api/docs/guides/reasoning.md ：Sol默认medium，high适合复杂调试，xhigh需eval收益；模型在各effort档内已会根据任务自适应。
+- https://learn.chatgpt.com/docs/agent-configuration/subagents.md ：主线程管需求/决策/最终交付，子线程做噪音探索并摘要；Sol适合歧义多步，Luna适合窄且可重复任务，显式Luna起high/Astra起low；子agent不是必定更弱。
+
+## 社区策略与维护快照
+
+2026-10-24约02:09–02:15 Asia/Shanghai，Sol读取GitHub REST repo与commits端点。stars仅关注度；last push/commit不等于质量。下表均为当时值。
+
+| 项目 | 关注/维护 | 路由与适用边界 |
+|---|---|---|
+| [Magpie](https://github.com/yetone/magpie) | 20,159 stars / 1,547 forks，HEAD f3eb929，10/23 18:05Z提交；9/23建仓，活跃但年轻，maintainers-only PR | 最接近本项目的回合判档与effort缓存问题，但网关不负责拆解/验收 |
+| [LiteLLM](https://github.com/BerriAI/litellm) | 61,909 / 12,608，HEAD 1e6dc81，10/23 18:11Z提交 | 大平台；Auto Router仍Beta/add-on。四档→模型/pool，可用heuristic/LLM/Jev/local Laya；上下文/模态约束、stall escalation、session pin。平台成熟不证明每个路由策略成熟 |
+| [RouteLLM](https://github.com/lm-sys/RouteLLM) | 5,633 / 446，HEAD 0b64fda，最后push 2024-08-10 | 强弱两模型win-rate/阈值路由；MF/Elo/BERT等，强调本域校准。影响力研究基线而非持续维护的新模型产品；旧静态benchmark非长程coding证据 |
+| [DSH Laya](https://github.com/HapyRain/dsh-router-laya) | 25 / 6，HEAD 29624e7，10/17提交 | 本地约846MB分类器+规则，默认同Flash调low/high/max，同回合锁定；故障回low。标签99%与未公开实验不能当端到端收益 |
+| [Neptune810 router](https://github.com/Neptune810/dsh-model-router) | 2 / 3，HEAD 1d1968a，10/04提交 | full/effort/model作用范围，错误/重复升级与降档迟滞；child preferCheap未经质量证明 |
+| [thedeveloper256 router](https://github.com/thedeveloper256/dsh-model-router) | 1 / 0，9/20最后push | root planner/child executor角色配置；当前两者默认均Flash，README与旧description不一致；角色分离不等于实际强主轻子 |
+| [incrhst router](https://github.com/incrhst/dsh-model-router) | 0 / 0，8/31提交 | size/tool/code/关键词分数阈值切Pro/Flash，图片vision；未见验收闭环 |
+| [superboy911 router](https://github.com/superboy911/dsh-model-router) | 4 / 1，9/11最后push | 有序关键词→model+可选effort，无匹配不改；确定规则而非学习型AUTO |
+
+社区DSH路由尚无充分证据表明已形成大规模验证的收敛方案；不能把同名repo混为一个热门项目。
+
+## OpenRouter Auto 现行策略
+
+来源：https://openrouter.ai/docs/guides/routing/routers/auto-router.md （Sol本次读取）
+
+当前是轻classifier分约30任务类→最近7日该类真实aggregate spend share排序→cost_tier区间→allow/exclude/tool/modality/ZDR约束下选模型与fallback。不是旧NotDiamond描述；市场支出份额不等于能力评分，cost_tier不等于reasoning effort，也不是纯价格上限。session stickiness有条件：原模型仍须在新任务top候选中。可借鉴约束和实际模型透明度，不能原样替换固定主模型策略。
+
+## Magpie进一步代码观察
+
+- classify.go/decide.go：普通小模型可intent+effort两个调用并行；Jev可单调用多questions；effort score 0..3映射low/medium/high/xhigh，不同于本项目choice tier再加模型offset。
+- 意图normalized confidence门槛0.4；level低confidence保前级；结果10分钟缓存与inflight合并，失败rest30秒，可保持前intent。
+- 当前上下文含最新请求前3000+后1000runes、前轮user/reply各1000，不含工具结果/推理。
+- https://usemagpie.ai/docs/intent 标记v0.1.99，仍写只看最新消息/不支持group classifier，与固定提交当前代码不同；不能只读旧文档。
+- smart/order/rotate/usage/pace大量处理账户可用性与额度，不应统称质量最优路由。
+
+## 对本项目的建议顺序
+
+1. **P0 缓存与结果基线**：固定主模型+官方默认effort，与主effort-only、child-model-only、child-effort-only、联合AUTO对照。按窄实现/探索/debug/跨系统设计分层，以独立测试与最终结果为准，计父子/分类/验收/重试/cache总费用、端到端与p95。不要只评tier。
+2. **P1 分离能力与预算**：保留强主轻子；主模型负责规划验收，子模型按任务能力和可验证性选，不因是child就便宜。小模型先用推荐effort起点测，不能未经验证再次降档。
+3. **P1 缓存感知调节**：核验当前DSH实际wire能力，再选择逐轮更新/较稳定默认/自然任务边界/冷却或compact后的降档迟滞；不照搬Magpie五分钟。
+4. **P2 验收与升级**：能力失败与429/timeout分开；根据失败原因补上下文/加effort/换model，设上限与停止条件。现有Jev失败退出AUTO/暂停委派契约不能静默换成low fallback。
+5. **P2 可观测与影子对照**：展示判档与生效配置、缓存/费用/升级原因；真实shadow output有对照价值但额外花钱，推荐值或理论估费不等实际效果。
+
+未安装外部项目、未执行付费基准、未更改运行配置。以上外部收益数字均未独立复现；实施仍需单独确认规范与验收条件。

package/docs/routing-intent-and-gaps.md

@@ -0,0 +1,56 @@
+# AUTO routing：核心诉求与待补差距
+
+记录时间：2026-10-24（Asia/Shanghai）。状态：需求回顾与调研，不是已批准实施方案；不修改现行运行规范、0.3.0 默认行为或生产配置。
+
+## 用户核心诉求（后续方案的验收方向）
+
+1. 决策配置遵循 Anthropic 与 OpenAI 对具体模型用途、effort、委派和成本优化的官方建议；区分官方支持能力、官方推荐和本项目经验策略，不将自定义四档表称为官方标准。
+2. 主会话保留用户选择的 provider/model，只调整 effort。保留主模型的理由包括行为/上下文连续性与减少缓存扰动；不承诺改变 effort 一定保留缓存，须按实际适配器核验。
+3. 强主模型承担理解、拆解、协调与验收；适宜的执行任务交给较轻量子模型。不因缺乏跨模型评估而简单退回“所有子会话默认使用强主模型”，也不把所有小事都委派。
+4. AUTO 的目标是质量、速度、总开销的平衡，避免一律最高或最低配置。总开销包括判档、上下文移交、worker 执行、主模型复核与失败重试。
+5. 用户记得曾要求“主模型让简单子模型干活”：当前环境级指令确有委派场景指导，但不是所有简单任务强制委派；后续应补齐与独立插件一致的执行边界。
+
+## 当前证据
+
+- 当前规范：[主仓规范](https://github.com/prgrmrwy/ohmydsh/blob/main/openspec/specs/auto-model-routing/spec.md)（本节是历史调研快照，不代表当前默认策略），固定主模型、共享四档 rubric、childRoutes 与派发规则。
+- 默认主模型起点与偏移：../src/effort.ts；Claude 子表 Haiku/Sonnet/Opus/Opus；GPT 子表 Luna/Sol/Sol/Sol。
+- 子工具：../src/subagent-tool.ts，单独判断子任务；指定模型时只调 effort；校验目录与允许列表。
+- 包内指导：../skills/subagent-model-routing/SKILL.md，主要约束选模、调用与复用；是否派发的场景主要位于 [主仓环境指令](https://github.com/prgrmrwy/ohmydsh/blob/main/instructions/dsh-home.md)（可选背景，不是插件加载依赖）。历史提交 14d68627（2026-10-22）已明确加入较大编码、独立复核、大量探索、可并行工作的派发规则，以及小修复/讨论不派发；这确认用户记忆中的委派要求确实曾落地，但不是所有简单任务强制派发。
+- 来源与评估范围：../eval/README.md，现有回归是判档一致性，不是最终任务质量/速度/费用基准。
+
+## Gap 与建议（待调研校准，不是实施授权）
+
+| Gap | 影响 | 建议与验证 |
+|---|---|---|
+| 同一难度标签同时决定模型能力档与effort | simple 可能同时降到小模型与低effort，不能由“强模型轻松做”推导“小模型低预算可靠做” | 保留轻量worker；分开能力适配与推理预算，以所选模型官方起点为基线，再验证偏移；不急于增加第二次网络判档 |
+| 固定model被误当作缓存保持保证 | Claude顶层effort可能影响前缀，省下输出费用但新增缓存写入 | 检查当前Claude/GPT适配器与官方文档；记录cache read/write和总延迟；比较稳定effort与逐轮effort策略 |
+| 缺少是否值得委派的成本边界 | 一行任务派发可能比主模型直接做更慢更贵 | 主Agent依据任务独立性、工作量、移交成本与可验证性决定派发；不要“simple必委派” |
+| 独立插件与个人环境指导不完全相同 | 安装工具/skill不保证强主轻子的工作方式真正执行 | 明确包内最小派发/复核指导及尽力而为边界，真实Host验证，不宣称强制拦截 |
+| 缺少结果验收与质量失败升级闭环 | 弱配置可能持续重试，最终成本反增 | 区分工具/网络故障与推理失败；定义验收、有限重试与能力升级策略，尊重用户固定模型约束 |
+| 官方推荐与经验配置边界不清 | 默认表随模型更新失效，用户误以为有官方保障 | 维护版本化来源、适用任务、支持effort、推荐起点；将自行推导明确标注为待评估预设 |
+| 没有端到端收益证据 | 分类准确不等于任务成功或省钱 | 同任务比较固定高配置、固定推荐配置、当前AUTO及候选AUTO；记录独立通过率、全链路耗时/费用与重试次数 |
+
+## 修订后的优先级与职责边界
+
+以用户后续确认的 [策略与推进计划](routing-strategy-plan.md) 为准：
+
+1. 先明确该怎么 route，再把决策说清楚交给 Jev；不能让现有四档输出反向定义策略。
+2. Agent 保留拆解、派发、协作、验收权；AUTO 补齐资源选择与实际生效；Jev 负责有限范围的能力/深度判断。
+3. 分开子模型能力与 effort，保留强主轻子；不因轻量模型而自动再次降低其 effort。
+4. 补齐创建路径 gap：当前 subagent 暴露模型与 effort 参数，fork/teammate 未暴露。返回推荐不等于成功路由，须检查正式接入点并验证实际请求；不能把主 Agent 自选当作所有路径都可用的替代方案。
+5. 分别验证策略质量、Jev 判断忠实度、宿主接入正确性。
+
+本轮按用户范围约定排除 dsh-plugin-subscriptions 与 MANUAL 改造，缓存/适配器实验不再是前置事项。上表与下节缓存内容保留为历史证据和评估限制，不构成本轮实施要求，也不宣称固定模型必保缓存。此范围约定不表示订阅适配器在技术上只运行于 MANUAL。
+
+## 已独立核验的缓存证据
+
+- [OpenAI Prompt caching](https://developers.openai.com/api/docs/guides/prompt-caching.md)（2026-10-24读取）：request-level reasoning.effort 可以改变模型侧指令；支持的 GPT-6+ 模型通过追加 configuration_update 并保持顶层原值来保留早先前缀。这是 API 能力，不证明当前 DSH/订阅适配器已支持。
+- [Magpie rules.go](https://github.com/yetone/magpie/blob/main/internal/gateway/rules.go)（2026-10-24读取 main，可变引用）：同回合保持决策；keepsEffort 在缓存仍暖时阻止降 effort，但允许升档，缓存过冷或上下文缩小至一半以下时允许降档；区分 Pick 与 Wanted，注释说明支持 effort updates 的路径可使用 Wanted。项目注释中的缓存命中观测是上游自述，不是本项目复现结果。它是可借鉴的缓存策略，不能直接抄作所有 provider 的普遍规律。Sol 后续对固定提交 f3eb92924e56605860f6a85a3449247c26c0bd90 的检查指出，effort_update.go 的更新通路为 MAGPIE_EFFORT_UPDATES=on 显式启用的 preview，默认关闭，限 GPT-6/OpenAI或ChatGPT账户/Responses；不能将源码出现 takesEffortUpdates 解读为所有部署默认具备缓存保持能力。
+
+## 官方强主轻子的适用边界
+
+[Anthropic 多智能体研究系统](https://www.anthropic.com/research/multi-agent-research-system)（2026-10-24全文读取）描述 Opus 4 lead + Sonnet 4 workers，在其内部研究评估优于单 Opus 4；这是特定研究系统结果，不是本项目收益证明，也不是所有 coding 都适合多agent的结论。文章强调并行独立方向、上下文压缩、清晰任务边界与最终结果评估；同时指出多agent显著增加token，编码任务往往比研究更难并行。应采用其编排与验收原则，不直接复制旧代模型组合或收益百分比。
+
+## 外部调研
+
+已由 gpt-6.1-sol/high 完成官方指引、维护/热度较高社区路由与 yetone/magpie 策略调研，主会话复核了OpenAI缓存、Anthropic研究编排、LiteLLM评估与Magpie更新路径。详见 [调研记录](routing-community-research-2026-10-24.md)。结果区分官方文档、代码事实、项目自述与未经复现的效果声明；热度不等于效果，不把调研建议直接写为现行spec。

package/docs/routing-strategy-plan.md

@@ -0,0 +1,101 @@
+# AUTO 路由策略与推进计划（修订版）
+
+日期：2026-10-24。状态：已确认职责方向的设计草案，具体规则和宿主接入待验证；不是实施或部署记录，不改变现行规范与运行行为。
+
+## 1. 核心定位
+
+尊重 Agent 的任务组织权；AUTO 补齐资源选择与实际生效能力；Jev 按明确的策略快速判断。先讨论什么决定是正确的，再设计决策问题，最后优化判断性能。不能因 Jev 支持四档就反推策略必须是四档。
+
+| 责任方 | 负责 | 不负责 |
+|---|---|---|
+| 主 Agent / Team Lead | 理解目标、决定是否派发、拆解任务、选择协作形式、定义验收、整合与失败处置 | 不要求它通过没有模型参数的接口完成资源选配 |
+| AUTO | 主会话 effort、子任务 model 与 effort 的独立选择，确定性约束，以及在支持的宿主路径实际生效 | 不重新实现团队任务调度、消息与任务板，不替代主模型验收 |
+| Jev | 按已明确的策略判断当前工作的能力需求和推理投入 | 不制定目标权衡、不拆整个项目、不判断未经执行的任务已成功 |
+| 宿主接入与确定性代码 | 模型目录/允许列表、显式选择优先级、映射、决策绑定、实际请求核验 | 不把推荐结果当作已生效结果 |
+
+## 2. 范围与不变量
+
+- 主会话保留用户选择的 provider/model，只调整 effort。
+- 适宜任务交给较轻量 worker，但不要求所有子任务都降模；复杂调查和独立审查可使用强模型。
+- 不改变 MANUAL 的继承/选择行为。本轮按用户范围约定排除 dsh-plugin-subscriptions，不调查或修改它，不以其缓存实验作为前置条件。此处是范围约定，不是宣称该适配器在技术上仅运行于 MANUAL。
+- 不替换 Jev，不引入多分类器，不改底层缓存协议，不自动发布或部署。
+- 保留同回合稳定与显式用户约束；Jev 失败沿用现有可见退出/暂停契约，不静默降档。
+- 缓存影响保留为评估限制，不承诺固定模型或调 effort 必然保缓存。
+- 本轮讨论 Teams 支持不等于授权启动团队。
+
+## 3. 策略草案
+
+### 3.1 工作组织交给 Agent
+
+任务能独立描述、执行和验收，且并行/上下文隔离收益超过移交与复核成本时考虑派发。小修复、紧密依赖当前上下文的讨论留在主线程。不另设一个 Jev“是否组队”分类器。
+
+### 3.2 主会话 effort
+
+以官方推荐起点为默认参照，按当前承担的认知工作调整，而非整个项目大小。明确低推理需求可降低；复杂取舍、原因分析和结果冲突可提高；信息不足时不强行偏移。同回合稳定。具体档位、映射和未知输入处理在后续决策契约中定义；暂不增加只升不降、固定冷却等状态机。
+
+### 3.3 子模型能力与 effort 分离
+
+先选择有合理把握胜任任务的模型能力，再确定推理投入。轻量模型先以其官方推荐 effort 起点验证，不自动再次降低 effort。可验证性越强，越可积极试用轻量模型；风险通过权限、验收和确认控制，不直接当作推理难度。
+
+- 明确、成熟、可直接验证的执行任务：优先轻量模型。
+- 范围可控但需要探索推断的任务：选择足够能力的模型。
+- 歧义大、多步推断、困难调试、独立审查：允许强模型。
+
+这不是新的三档 rubric，也不意味着必须两次调用 Jev；输出维度与请求次数分别设计。
+
+### 3.4 验收与升级
+
+主模型依据执行证据验收。描述不清先补描述，缺信息先补上下文，漏核验/浅尝辄止考虑加 effort，充分尝试仍失败考虑更强子模型。网络与限流不视为能力不足。升级有预算和停止条件，具体上限在规则确认阶段确定，不通过初始分类自动断言成功。
+
+## 4. 创建路径的真实能力差异
+
+以下仅依据当前会话暴露的工具 schema，不代表所有宿主版本，也不证明已经找到扩展点：
+
+| 路径 | 当前创建接口 | 现有“推荐后传参”是否够用 | 后续必须验证 |
+|---|---|---|---|
+| subagent | 暴露 provider/model/reasoning_effort | 接口上可表达，仍需核验实际生效 | 传参、显式指定优先级、实际请求配置 |
+| subagent_fork | 未暴露上述参数 | 不够 | 官方创建/首次请求扩展点，继承与前缀限制 |
+| spawn_teammate | 未暴露上述参数 | 不够 | 官方扩展点、任务到成员的绑定、首个请求配置 |
+
+AUTO 的关键增量是补出默认继承路径上的异构执行能力，而非仅让主 Agent 重复一次它已能表达的选择。主 Agent 能决定派发，不等于创建接口允许它选择资源。
+
+不得以 route_subagent 返回了推荐就声称 Teams/fork 已覆盖。没有可靠接入点的路径明确标为不支持；不静默绕过用户限制。长驻 teammate 的创建时选配与后续换任务重选分开设计，首版不默认每条消息重路由。
+
+## 5. 策略演练案例
+
+| 场景 | 组织方式 | 资源策略与理由 |
+|---|---|---|
+| 上下文齐全的一行修改 | 主模型直接做 | 派发成本高于收益；低推理需求可降低 effort |
+| 规则明确且有测试的批量迁移 | Agent 划分独立任务 | 轻量 worker + 推荐 effort 起点；量大不等于能力要求高 |
+| 明确字段提取并附来源 | 独立子任务 | 轻量优先，主模型核验来源与格式 |
+| 冲突资料的因果判断 | 独立调查或主模型 | 足够强的模型，按深度加 effort |
+| 未知原因的跨模块 bug | 主模型组织调查 | 不默认降模；并行假设由 Agent 决定 |
+| 复杂实现后的独立 review | 独立 reviewer | 以审查能力为先，不因子任务身份降模 |
+| 多个结果的整合 | 主模型 | 按冲突和整合难度，不继承项目总难度 |
+| 高后果的简单操作 | 主模型控制权限和验收 | 风险不直接映射高 effort |
+
+## 6. 修订后的推进顺序
+
+1. **策略定稿**：用以上案例与反例确认派发边界、模型能力、effort、未知情况与升级规则。此阶段不先改 rubric。
+2. **Jev 决策契约**：分别定义主会话与子任务的输入、问题、输出、信息不足处理及确定性映射。主回合只能依赖本轮推理前已有信号；子任务可使用主模型已经写清的目标、范围、输出和验收。
+3. **宿主能力核验**：只读检查三条创建路径的正式扩展点，明确能覆盖的路径及实现边界。此项与策略细化可并行，但不以宿主接口反推策略。
+4. **创建独立 OpenSpec change**：将确认策略、接入范围和验收条件写为提案，与既有发布 change 分开；再进入实现。
+5. **实现与分层验证**：先离线契约与路由集成测试，再经明确预算的小规模真实任务对照；验证实际模型与 effort，而非只验证推荐。
+6. **根据证据决定上线**：保留回滚与原继承行为，未通过验收不替换默认策略。
+
+## 7. 分开验证三件事
+
+- **策略质量**：假设每次都正确执行策略，任务最终质量、总消耗和耗时是否改善？保留独立任务集，包含验收与重试成本。
+- **Jev 忠实度**：是否按已确认策略作出期望判断？单独测错误类型、稳定性、分类成本与延迟。快速判断不等于正确策略。
+- **接入正确性**：每种支持的创建路径是否真正使用选定 model/effort？MANUAL、显式指定、同回合稳定、失败与不支持路径是否符合契约？
+
+Jev 的价值不仅是体验和性能；误判会损害质量。但策略质量不能用 Jev 标签一致率代替，接入正确性也不能用推荐输出代替。
+
+## 8. 参考与当前规范
+
+- [核心诉求与差距](routing-intent-and-gaps.md)
+- [外部调研](routing-community-research-2026-10-24.md)：历史调研建议，实施优先级以本修订为准。
+- [现行规范](https://github.com/prgrmrwy/ohmydsh/blob/main/openspec/specs/auto-model-routing/spec.md)：仍描述当前行为，本稿不静默替换它。
+- [Claude Code model configuration](https://code.claude.com/docs/en/model-config.md)：opusplan 是规划阶段 Opus、执行阶段 Sonnet，不等于固定强主监督轻子。
+- [Claude Code subagents](https://code.claude.com/docs/en/sub-agents.md)：主模型根据职责描述委派。
+- [Claude Code Agent Teams](https://code.claude.com/docs/en/agent-teams.md)：Lead 组织共享任务与协作，不天然保证异构模型或低成本。

package/lib/client/control.d.ts

@@ -22,13 +22,21 @@ export interface Decision {
     confidence?: number;
     probabilities?: Record<string, number>;
     ms: number;
+    depth?: string;
+    capability?: string;
+    capabilityConfidence?: number;
+    capabilityProbabilities?: Record<string, number>;
+    decisionProvider?: string;
+    decisionModel?: string;
+    provider?: string;
+    status?: string;
 }
 export interface Toast {
     id: number;
     lines: string[];
 }
 export declare const TOAST_MS = 3000;
-/** Line 1: who judged, tier → (model) effort, duration. Line 2: the distribution in tier order, 0% tiers omitted. */
+/** Shared by the persistent hover panel and transient decision hint. */
 export declare function toastText(d: Decision): string[];
 /** A hint is shown only for a decision id not seen before (it is hidden TOAST_MS later by the chip). */
 export declare function nextToast(seen: number | undefined, d: Decision | undefined): Toast | undefined;