dsh-input-assistant 0.1.3 → 0.1.4

package/docs/evaluation.md

@@ -1,111 +1,111 @@
-# 离线模型质量评测
-
-本项目提供 60 条由开发助手编写的固定合成案例，三种操作各 20 条。它们没有取自用户真实聊天，也不会被插件当作长期学习数据。
-
-这套固定案例尚未经独立人工语义标注，当前只有结构及工具回归校验。少量真实模型接线试验记录在 [低用量真实模型试验](smoke-comparison.md)，不能代替全套标注和质量验收。
-
-`reference` 是可接受答案示例，**不作精确匹配评分，也不代表真实模型已经生成该结果**。语义上同样合理的其他表达可以通过人工评审。
-
-## 数据与门槛
-
-| 操作 | 样例构成 | 首版门槛 |
-|---|---|---|
-| `next` | 12 条明确后续、8 条歧义或自然收尾 | 明确组至少 10 条可用，歧义组至少 7 条正确弃权 |
-| `complete` | 12 条适合续写、8 条无需继续 | 明确组至少 10 条可用且只补后缀，无需组至少 7 条弃权 |
-| `optimize` | 20 条约束、语言及原文保护案例 | 全部完成语义评审；无实质新增任务或授权、重大约束丢失，保护片段不变 |
-
-覆盖中文、英文、日文、韩文、混合语言、emoji、否定条件、最新纠正、路径、URL、命令、代码和材料内的伪指令。集合适合作为首版回归门槛，不能据此宣传普遍超过 Claude 或 Codex。
-
-## 1. 验证并导出真实插件提示词
-
-先构建，使评测使用与运行时相同的 `prepareGeneration`：
-
-```powershell
-pnpm build
-node scripts/evaluate.mjs validate
-node scripts/evaluate.mjs export --out evaluation/requests.jsonl
-node scripts/evaluate.mjs template --out evaluation/results.template.jsonl
-```
-
-`export` 输出操作、输入快照、实际 `system` 与 `input` 文本及输出预算。它只生成文件，不发网络请求。将这些材料交给你已配置的模型评测环境运行，并记录提供商、精确模型 ID、推理档、运行日期和延迟。不要把凭据写入结果文件。
-
-基线与候选必须使用相同模型及相同上下文、预算。比较现有插件策略时，另行保存所用基线代码版本、提示词和生成设置，避免只比较不同模型的输出。
-
-## 2. 录入实际结果
-
-结果支持 JSON 数组或 JSONL，每个 ID 一条。模板默认 `recorded:false`，即未运行，不能计为正确弃权。只有真实调用完成才改为 `true`。
-
-直接收集插件最终文本时：
-
-```json
-{"id":"next-01","recorded":true,"text":"运行测试。","latencyMs":920,"inputTokens":1200,"outputTokens":6}
-```
-
-`text:null` 表示真实生成后的正常弃权。没有记录、`recorded:false` 和真实弃权是三种不同状态。
-
-如果收集的是模型原始输出，使用 `raw`，不要同时提供 `text`：
-
-```json
-{"id":"optimize-04","recorded":true,"raw":"检查 ⟪DSH_KEEP_0⟫ 中的问题并说明原因。","latencyMs":1300}
-```
-
-评分工具会重新构造同一合成案例的保护映射，并通过真实 `finishGeneration` 校验、还原。占位符应以导出的输入为准，不能根据本说明示例猜测。生成失败不是正常弃权；应保留失败原因并重跑该项，不能将未得到结果的调用填作成功的空输出。
-
-## 3. 人工语义评审
-
-每条预期输出文本的案例至少评审这些维度，值为 `true`、`false` 或未评审的 `null`：
-
-| 字段 | 判断标准 |
-|---|---|
-| `intentAligned` | 符合当前草稿及最新用户意图，没有回答成助手口吻或偏题 |
-| `noUnsupportedRequirements` | 没有凭空新增功能、事实、选择、发布或执行授权 |
-| `naturalUserVoice` | 对预测与续写，像用户会自然输入的话，并符合语言要求 |
-| `constraintsPreserved` | 对优化，保留范围、否定条件、数值及先后顺序 |
-| `editCharacters` | 可选：用户将候选改成可发送文本需要修改的字符数量 |
-| `comment` | 可选：说明为何失败或需要怎样修改 |
-
-例如在结果中加入：
-
-```json
-{"id":"next-01","recorded":true,"text":"运行测试。","human":{"intentAligned":true,"noUnsupportedRequirements":true,"naturalUserVoice":true,"editCharacters":0,"comment":"承接已要求但未完成的测试"}}
-```
-
-自动检查覆盖长度、整句前缀重复、必要原文片段及弃权行为。它无法证明语义保真。即使所有机械检查通过，缺少必要人工评价时也只会得到 `incomplete`，不会得到 `passed`。
-
-## 4. 匿名对照
-
-候选与基线结果使用相同 ID。以下命令把实际最终 `text` 输出随机化为稳定的 A/B 标签：
-
-```powershell
-node scripts/evaluate.mjs compare --candidate evaluation/candidate.jsonl --baseline evaluation/baseline.jsonl --out evaluation/blind.jsonl
-```
-
-它生成：
-
-- `blind.jsonl`：含题目、A/B 输出及空白评审字段，交给评审者。
-- `blind.key.json`：候选/基线标签映射，由组织评测者单独保存，不交给评审者。
-
-评审者填写 A、B 内的语义字段，可另填 `preferred` 为 `A`、`B` 或 `equal`。对照导出要求已经规范化的最终 `text`；原始模型占位输出应先经插件处理，不能直接作为读者可用结果比较。
-
-## 5. 生成报告
-
-```powershell
-node scripts/evaluate.mjs score --candidate evaluation/candidate.jsonl --baseline evaluation/baseline.jsonl --reviews evaluation/blind.jsonl --key evaluation/blind.key.json --out evaluation/report.json
-```
-
-没有基线或匿名评审时，可只提供候选文件。完全没有模型结果时也可生成状态记录：
-
-```powershell
-node scripts/evaluate.mjs score --out evaluation/status.json
-```
-
-输出 JSON 和同名 Markdown，分别报告记录完成度、人工评审完成度、可用文本、正确弃权、结构失败、无根据新增要求、修改量以及有记录的 P50/P95 延迟。未提供延迟和 token 用量时不会估算或编造。加 `--strict` 会在尚未通过完整验收时返回非零退出码。
-
-评分状态含义：
-
-- `not_evaluated`：没有真实结果。
-- `incomplete`：结果或人工语义评价未齐。
-- `failed`：完整组未达到首版门槛。
-- `passed`：全部案例和必要人工评价齐全，并达到门槛。
-
-不要通过几乎总是不显示建议来抬高采纳率；预测可用率必须与弃权率和曝光覆盖率共同解释。60 条固定合成样例适合回归，不代表统计上覆盖所有真实任务。
+# 离线模型质量评测
+
+本项目提供 60 条由开发助手编写的固定合成案例，三种操作各 20 条。它们没有取自用户真实聊天，也不会被插件当作长期学习数据。
+
+这套固定案例尚未经独立人工语义标注，当前只有结构及工具回归校验。少量真实模型接线试验记录在 [低用量真实模型试验](smoke-comparison.md)，不能代替全套标注和质量验收。
+
+`reference` 是可接受答案示例，**不作精确匹配评分，也不代表真实模型已经生成该结果**。语义上同样合理的其他表达可以通过人工评审。
+
+## 数据与门槛
+
+| 操作 | 样例构成 | 首版门槛 |
+|---|---|---|
+| `next` | 12 条明确后续、8 条歧义或自然收尾 | 明确组至少 10 条可用，歧义组至少 7 条正确弃权 |
+| `complete` | 12 条适合续写、8 条无需继续 | 明确组至少 10 条可用且只补后缀，无需组至少 7 条弃权 |
+| `optimize` | 20 条约束、语言及原文保护案例 | 全部完成语义评审；无实质新增任务或授权、重大约束丢失，保护片段不变 |
+
+覆盖中文、英文、日文、韩文、混合语言、emoji、否定条件、最新纠正、路径、URL、命令、代码和材料内的伪指令。集合适合作为首版回归门槛，不能据此宣传普遍超过 Claude 或 Codex。
+
+## 1. 验证并导出真实插件提示词
+
+先构建，使评测使用与运行时相同的 `prepareGeneration`：
+
+```powershell
+pnpm build
+node scripts/evaluate.mjs validate
+node scripts/evaluate.mjs export --out evaluation/requests.jsonl
+node scripts/evaluate.mjs template --out evaluation/results.template.jsonl
+```
+
+`export` 输出操作、输入快照、实际 `system` 与 `input` 文本及输出预算。它只生成文件，不发网络请求。将这些材料交给你已配置的模型评测环境运行，并记录提供商、精确模型 ID、推理档、运行日期和延迟。不要把凭据写入结果文件。
+
+基线与候选必须使用相同模型及相同上下文、预算。比较现有插件策略时，另行保存所用基线代码版本、提示词和生成设置，避免只比较不同模型的输出。
+
+## 2. 录入实际结果
+
+结果支持 JSON 数组或 JSONL，每个 ID 一条。模板默认 `recorded:false`，即未运行，不能计为正确弃权。只有真实调用完成才改为 `true`。
+
+直接收集插件最终文本时：
+
+```json
+{"id":"next-01","recorded":true,"text":"运行测试。","latencyMs":920,"inputTokens":1200,"outputTokens":6}
+```
+
+`text:null` 表示真实生成后的正常弃权。没有记录、`recorded:false` 和真实弃权是三种不同状态。
+
+如果收集的是模型原始输出，使用 `raw`，不要同时提供 `text`：
+
+```json
+{"id":"optimize-04","recorded":true,"raw":"检查 ⟪DSH_KEEP_0⟫ 中的问题并说明原因。","latencyMs":1300}
+```
+
+评分工具会重新构造同一合成案例的保护映射，并通过真实 `finishGeneration` 校验、还原。占位符应以导出的输入为准，不能根据本说明示例猜测。生成失败不是正常弃权；应保留失败原因并重跑该项，不能将未得到结果的调用填作成功的空输出。
+
+## 3. 人工语义评审
+
+每条预期输出文本的案例至少评审这些维度，值为 `true`、`false` 或未评审的 `null`：
+
+| 字段 | 判断标准 |
+|---|---|
+| `intentAligned` | 符合当前草稿及最新用户意图，没有回答成助手口吻或偏题 |
+| `noUnsupportedRequirements` | 没有凭空新增功能、事实、选择、发布或执行授权 |
+| `naturalUserVoice` | 对预测与续写，像用户会自然输入的话，并符合语言要求 |
+| `constraintsPreserved` | 对优化，保留范围、否定条件、数值及先后顺序 |
+| `editCharacters` | 可选：用户将候选改成可发送文本需要修改的字符数量 |
+| `comment` | 可选：说明为何失败或需要怎样修改 |
+
+例如在结果中加入：
+
+```json
+{"id":"next-01","recorded":true,"text":"运行测试。","human":{"intentAligned":true,"noUnsupportedRequirements":true,"naturalUserVoice":true,"editCharacters":0,"comment":"承接已要求但未完成的测试"}}
+```
+
+自动检查覆盖长度、整句前缀重复、必要原文片段及弃权行为。它无法证明语义保真。即使所有机械检查通过，缺少必要人工评价时也只会得到 `incomplete`，不会得到 `passed`。
+
+## 4. 匿名对照
+
+候选与基线结果使用相同 ID。以下命令把实际最终 `text` 输出随机化为稳定的 A/B 标签：
+
+```powershell
+node scripts/evaluate.mjs compare --candidate evaluation/candidate.jsonl --baseline evaluation/baseline.jsonl --out evaluation/blind.jsonl
+```
+
+它生成：
+
+- `blind.jsonl`：含题目、A/B 输出及空白评审字段，交给评审者。
+- `blind.key.json`：候选/基线标签映射，由组织评测者单独保存，不交给评审者。
+
+评审者填写 A、B 内的语义字段，可另填 `preferred` 为 `A`、`B` 或 `equal`。对照导出要求已经规范化的最终 `text`；原始模型占位输出应先经插件处理，不能直接作为读者可用结果比较。
+
+## 5. 生成报告
+
+```powershell
+node scripts/evaluate.mjs score --candidate evaluation/candidate.jsonl --baseline evaluation/baseline.jsonl --reviews evaluation/blind.jsonl --key evaluation/blind.key.json --out evaluation/report.json
+```
+
+没有基线或匿名评审时，可只提供候选文件。完全没有模型结果时也可生成状态记录：
+
+```powershell
+node scripts/evaluate.mjs score --out evaluation/status.json
+```
+
+输出 JSON 和同名 Markdown，分别报告记录完成度、人工评审完成度、可用文本、正确弃权、结构失败、无根据新增要求、修改量以及有记录的 P50/P95 延迟。未提供延迟和 token 用量时不会估算或编造。加 `--strict` 会在尚未通过完整验收时返回非零退出码。
+
+评分状态含义：
+
+- `not_evaluated`：没有真实结果。
+- `incomplete`：结果或人工语义评价未齐。
+- `failed`：完整组未达到首版门槛。
+- `passed`：全部案例和必要人工评价齐全，并达到门槛。
+
+不要通过几乎总是不显示建议来抬高采纳率；预测可用率必须与弃权率和曝光覆盖率共同解释。60 条固定合成样例适合回归，不代表统计上覆盖所有真实任务。

package/docs/references.md

@@ -1,39 +1,39 @@
-# 公开实现对照与来源
-
-记录日期：2026 年 10 月 22 日。这里比较的是所列公开文档和指定插件版本，不是对所有产品功能的穷尽盘点。
-
-## 能力与本插件的定位
-
-| 公开参考 | 本次核实的能力 | 本插件采用的方向与区别 |
-|---|---|---|
-| PI 的 `pi-prompt-enhancement` | 独立模型请求改写草稿，一键回填，强调保留意图、语言和标识符 | 保留一键操作，另加当前会话上下文、选区处理、原文保护和差异还原；不复制其源代码或提示词 |
-| Claude Code Prompt suggestions | 回复后根据会话，用相同模型作后台请求，建议可采纳为草稿 | 参考下一句建议的交互；本插件通过 DSH 已配置的模型独立生成 |
-| Codex Composer Predictions | 根据当前会话建议下一条消息，Tab 采纳为可编辑草稿 | 参考采纳后可编辑、由用户发送的流程；不依赖 Codex 内部预测服务 |
-| `studyzy/dsh-suggest-prompt` | DSH 回合后生成一句用户口吻建议，宿主存储及输入框灰字 | 参考公开接口使用方式；本插件把下一句和输入中续写纳入一个调度器，并允许有依据的追问和纠偏 |
-| `fishcg/dsh-input-prediction` | DSH 输入续写及回复后候选建议 | 参考两种模式的使用场景；本插件采纳只写草稿，并共用优化、保护和版本守卫 |
-| 本插件 | 优化、下一句、续写、当前会话草稿暂存 | 以同一输入流程解决组织表达、检查改动和保存长草稿的问题；质量仍需独立评测 |
-
-这些差异是可检查的功能或策略差异，不等于准确率排名。比如更长历史和允许追问能覆盖更多场景，也可能引入额外噪声；必须把可用率、弃权率、错误新增要求和延迟一起评估。
-
-## 公开源码与许可
-
-- **本项目**：独立实现的源代码按 MIT 发布，见根目录 `LICENSE`。
-- **PI 参考插件**：已核对 [`f04349ae...` 的 LICENSE](https://github.com/vastsa/pi-prompt-enhancement/blob/f04349ae6902d0d6be880cc19b20e68942d78721/LICENSE)，使用 LGPL-3.0。其代码、原始提示词和构建产物未拷入本发行包，也不作为运行依赖。我们参考的是用户操作流程，实际提示词和实现另行编写。
-- **DSH SDK**：通过官方已发布 SDK 的扩展接口集成，目标为 `0.2.1-rc.2`；运行时共享的 SDK、Cordis、React 保持外部引用。依赖仍适用其各自许可证，不能把本项目的 MIT 解释为替依赖重新授权。
-- **社区参考插件**：`studyzy/dsh-suggest-prompt` 和 `fishcg/dsh-input-prediction` 的许可证均已核对为 MIT。它们是调研参考，不是本包依赖；本包不包含其插件构建产物。
-- **Claude Code**：公开仓库的 [LICENSE.md](https://github.com/anthropics/claude-code/blob/main/LICENSE.md) 使用商业条款。仓库可访问不等于完整实现可按开源许可证移植。本项目没有复制其内部实现。
-- **Codex**：公开 CLI、app-server 等组件的许可与桌面端预测功能的公开范围应分开判断。本项目不连接或复制其内部预测服务。
-
-Claude Code 文档公开了后台请求、会话缓存及采纳行为；Codex 文档公开了基于当前会话的预测与 Tab 采纳行为。**本项目未取得这两款产品的完整内部预测提示词或生成链路。** 自行编写的提示词不应标注为官方原版，也不能承诺复现或超越其预测效果。
-
-## 精确参考
-
-- [DSH bundle 打包与安装说明](https://github.com/deepseek-ai/deepseek-harness/blob/687f282e8625c6b8d11ff58211a90524be2e4317/docs/user/develop/basic/publish.md)
-- [DSH `0.2.1-rc.2` conversation 发布包元数据](https://registry.npmjs.org/@deepseek-ai%2Fdsh-client-ui-conversation/0.2.1-rc.2)
-- [DSH 输入动作契约](https://github.com/deepseek-ai/deepseek-harness/blob/687f282e8625c6b8d11ff58211a90524be2e4317/packages/client/ui-conversation/src/client/contract/input.ts)
-- [DSH 原生键盘仲裁](https://github.com/deepseek-ai/deepseek-harness/blob/687f282e8625c6b8d11ff58211a90524be2e4317/packages/client/ui-conversation/src/client/input/editor/keymap.ts)
-- [PI 提示词增强参考实现](https://github.com/vastsa/pi-prompt-enhancement/blob/f04349ae6902d0d6be880cc19b20e68942d78721/main.js)
-- [Claude Code Prompt suggestions](https://code.claude.com/docs/en/interactive-mode#prompt-suggestions)
-- [Codex Composer Predictions](https://learn.chatgpt.com/docs/features/composer-predictions)
-- [studyzy 建议生成参考实现](https://github.com/studyzy/dsh-suggest-prompt/blob/b02261d6a51bad0cd8c832b13d9def9e1e7b149e/src/generate.ts)及其 [MIT 许可](https://github.com/studyzy/dsh-suggest-prompt/blob/b02261d6a51bad0cd8c832b13d9def9e1e7b149e/LICENSE)
-- [fishcg 输入预测参考实现](https://github.com/fishcg/dsh-input-prediction)及其 [MIT 许可](https://github.com/fishcg/dsh-input-prediction/blob/main/LICENSE)
+# 公开实现对照与来源
+
+记录日期：2026 年 10 月 22 日。这里比较的是所列公开文档和指定插件版本，不是对所有产品功能的穷尽盘点。
+
+## 能力与本插件的定位
+
+| 公开参考 | 本次核实的能力 | 本插件采用的方向与区别 |
+|---|---|---|
+| PI 的 `pi-prompt-enhancement` | 独立模型请求改写草稿，一键回填，强调保留意图、语言和标识符 | 保留一键操作，另加当前会话上下文、选区处理、原文保护和差异还原；不复制其源代码或提示词 |
+| Claude Code Prompt suggestions | 回复后根据会话，用相同模型作后台请求，建议可采纳为草稿 | 参考下一句建议的交互；本插件通过 DSH 已配置的模型独立生成 |
+| Codex Composer Predictions | 根据当前会话建议下一条消息，Tab 采纳为可编辑草稿 | 参考采纳后可编辑、由用户发送的流程；不依赖 Codex 内部预测服务 |
+| `studyzy/dsh-suggest-prompt` | DSH 回合后生成一句用户口吻建议，宿主存储及输入框灰字 | 参考公开接口使用方式；本插件把下一句和输入中续写纳入一个调度器，并允许有依据的追问和纠偏 |
+| `fishcg/dsh-input-prediction` | DSH 输入续写及回复后候选建议 | 参考两种模式的使用场景；本插件采纳只写草稿，并共用优化、保护和版本守卫 |
+| 本插件 | 优化、下一句、续写、当前会话草稿暂存 | 以同一输入流程解决组织表达、检查改动和保存长草稿的问题；质量仍需独立评测 |
+
+这些差异是可检查的功能或策略差异，不等于准确率排名。比如更长历史和允许追问能覆盖更多场景，也可能引入额外噪声；必须把可用率、弃权率、错误新增要求和延迟一起评估。
+
+## 公开源码与许可
+
+- **本项目**：独立实现的源代码按 MIT 发布，见根目录 `LICENSE`。
+- **PI 参考插件**：已核对 [`f04349ae...` 的 LICENSE](https://github.com/vastsa/pi-prompt-enhancement/blob/f04349ae6902d0d6be880cc19b20e68942d78721/LICENSE)，使用 LGPL-3.0。其代码、原始提示词和构建产物未拷入本发行包，也不作为运行依赖。我们参考的是用户操作流程，实际提示词和实现另行编写。
+- **DSH SDK**：通过官方已发布 SDK 的扩展接口集成，目标为 `0.2.1-rc.2`；运行时共享的 SDK、Cordis、React 保持外部引用。依赖仍适用其各自许可证，不能把本项目的 MIT 解释为替依赖重新授权。
+- **社区参考插件**：`studyzy/dsh-suggest-prompt` 和 `fishcg/dsh-input-prediction` 的许可证均已核对为 MIT。它们是调研参考，不是本包依赖；本包不包含其插件构建产物。
+- **Claude Code**：公开仓库的 [LICENSE.md](https://github.com/anthropics/claude-code/blob/main/LICENSE.md) 使用商业条款。仓库可访问不等于完整实现可按开源许可证移植。本项目没有复制其内部实现。
+- **Codex**：公开 CLI、app-server 等组件的许可与桌面端预测功能的公开范围应分开判断。本项目不连接或复制其内部预测服务。
+
+Claude Code 文档公开了后台请求、会话缓存及采纳行为；Codex 文档公开了基于当前会话的预测与 Tab 采纳行为。**本项目未取得这两款产品的完整内部预测提示词或生成链路。** 自行编写的提示词不应标注为官方原版，也不能承诺复现或超越其预测效果。
+
+## 精确参考
+
+- [DSH bundle 打包与安装说明](https://github.com/deepseek-ai/deepseek-harness/blob/687f282e8625c6b8d11ff58211a90524be2e4317/docs/user/develop/basic/publish.md)
+- [DSH `0.2.1-rc.2` conversation 发布包元数据](https://registry.npmjs.org/@deepseek-ai%2Fdsh-client-ui-conversation/0.2.1-rc.2)
+- [DSH 输入动作契约](https://github.com/deepseek-ai/deepseek-harness/blob/687f282e8625c6b8d11ff58211a90524be2e4317/packages/client/ui-conversation/src/client/contract/input.ts)
+- [DSH 原生键盘仲裁](https://github.com/deepseek-ai/deepseek-harness/blob/687f282e8625c6b8d11ff58211a90524be2e4317/packages/client/ui-conversation/src/client/input/editor/keymap.ts)
+- [PI 提示词增强参考实现](https://github.com/vastsa/pi-prompt-enhancement/blob/f04349ae6902d0d6be880cc19b20e68942d78721/main.js)
+- [Claude Code Prompt suggestions](https://code.claude.com/docs/en/interactive-mode#prompt-suggestions)
+- [Codex Composer Predictions](https://learn.chatgpt.com/docs/features/composer-predictions)
+- [studyzy 建议生成参考实现](https://github.com/studyzy/dsh-suggest-prompt/blob/b02261d6a51bad0cd8c832b13d9def9e1e7b149e/src/generate.ts)及其 [MIT 许可](https://github.com/studyzy/dsh-suggest-prompt/blob/b02261d6a51bad0cd8c832b13d9def9e1e7b149e/LICENSE)
+- [fishcg 输入预测参考实现](https://github.com/fishcg/dsh-input-prediction)及其 [MIT 许可](https://github.com/fishcg/dsh-input-prediction/blob/main/LICENSE)

package/docs/smoke-comparison.md

@@ -1,37 +1,37 @@
-# 低用量真实模型试验
-
-日期：2026 年 10 月 22 日。此试验用于检查真实模型接线和观察少量输出，不是完整质量验收。
-
-## 方法和用量
-
-在当前官方 DSH Windows `0.2.1-rc.2` 宿主中，通过已有 `ctx.llm` 连接串行执行 6 次辅助请求。路线为 `deepseek-account / deepseek-flash`，目录显示 DeepSeek-V4.1-Flash；界面模型标记为 1017。六次均显式选择模型声明的最低推理档 `off`、temperature 0、输出上限 256 tokens，不自动重试，不创建 Agent，不写主会话事件。
-
-三个操作各选一个合成案例，并与一个公开实现的提示词比较。候选使用实际已安装插件的提示词构造和输出校验。基线原提示词仅保存在不随发行分发的研究目录，通过同一模型请求；没有安装或执行基线插件，因此没有比较其完整 UI、调度或后处理。
-
-此次模型试验发生在新增设置页及三级优化强度之前；候选核心 SHA-256 为 `02667fa4afc0342806e1aca3ecb33607276a430c8c523f26695c597ce08c3dd0`。最终版本的新强度策略只做了结构与保护回归，未逐档追加真实模型测量；本表不能作为三级强度效果的验收结果。
-
-提供商记录的六次用量合计：输入 **2,706 tokens**（其中缓存读取 256）、输出 **101 tokens**，总计 **2,807 tokens**。另有一次通过实际桌面按钮发起的短草稿优化，已成功回填，但未单独采集其 token 用量；因此不能把 2,807 表述为本次所有操作的精确总用量。其余自动化、宿主和 UI 夹具均不调用付费模型。
-
-## 观察
-
-| 操作 | 合成场景 | 候选观察 | 基线观察 | 单次耗时，候选 / 基线 |
-|---|---|---|---|---|
-| 优化 | 简短、已经清晰的解释要求，禁止改文件或加功能，保护一个路径 | 保持原稿；路径占位映射完整恢复 | PI 调整措辞，保留约束和路径 | 626 / 1,075 ms |
-| 下一句 | 用户要求解释两个概念，助手只解释了一个 | 建议继续询问尚未解释的概念 | studyzy 同样建议继续解释该概念 | 772 / 786 ms |
-| 续写 | 已有前缀请求解释缓存失效 | 返回可直接追加的短后缀 | fishcg 返回可直接追加的较短后缀 | 578 / 862 ms |
-
-基线版本及研究适配：
-
-- [PI `f04349ae…`](https://github.com/vastsa/pi-prompt-enhancement/blob/f04349ae6902d0d6be880cc19b20e68942d78721/main.js)：沿用其不带会话历史的优化流程；研究提示词没有纳入 MIT 发行包。
-- [studyzy `b02261d6…`](https://github.com/studyzy/dsh-suggest-prompt/blob/b02261d6a51bad0cd8c832b13d9def9e1e7b149e/src/generate.ts)：使用其默认系统提示词和本案例最近一轮交流。
-- [fishcg `8145b9cf…`](https://github.com/fishcg/dsh-input-prediction/blob/8145b9cf33e07207f186029341e0b6b25eb1012e/lib/index.js)：静态提取时风格区标题缺少括号内的语气提示，其余系统与续写指令保留。该处适配存在偏差，不能作为严格等价竞品测量；保留结果并修正构造器，没有为此额外重跑。
-
-原始安全报告保留在开发工作区的临时证据目录（`.test-runtime/benchmark/`，已被 `.gitignore` 排除，不随仓库或安装包分发），其中含提示词版本、输出、结束原因、用量和耗时。研究材料不随安装包分发。
-
-## 能说明什么
-
-这三个案例中的候选输出符合基本操作要求，实际模型调用链能够工作。优化案例原稿已经清晰，保持原文也符合本插件策略；不能把“改写更多”直接算作优化更好。
-
-**当前不能证明模型效果处于同类领先地位。** 每种操作只有一个案例，未覆盖歧义弃权、纠偏、长历史和多语言；下一句案例还与提示词示例相近，存在明显有利偏差。单次延迟也受缓存、网络和顺序影响。没有进行匿名多人语义评分，没有调用 Claude/Codex 的内部预测链路，也没有完成 60 条固定评测。
-
-工程上可以核实的优势是功能整合、版本校验、保护片段、原生撤销和暂存恢复；这些提高可控性，不能代替意图符合率的证据。完整质量状态继续保持 `not_evaluated`，详见 [评测流程](evaluation.md) 和 [验收记录](validation.md)。
+# 低用量真实模型试验
+
+日期：2026 年 10 月 22 日。此试验用于检查真实模型接线和观察少量输出，不是完整质量验收。
+
+## 方法和用量
+
+在当前官方 DSH Windows `0.2.1-rc.2` 宿主中，通过已有 `ctx.llm` 连接串行执行 6 次辅助请求。路线为 `deepseek-account / deepseek-flash`，目录显示 DeepSeek-V4.1-Flash；界面模型标记为 1017。六次均显式选择模型声明的最低推理档 `off`、temperature 0、输出上限 256 tokens，不自动重试，不创建 Agent，不写主会话事件。
+
+三个操作各选一个合成案例，并与一个公开实现的提示词比较。候选使用实际已安装插件的提示词构造和输出校验。基线原提示词仅保存在不随发行分发的研究目录，通过同一模型请求；没有安装或执行基线插件，因此没有比较其完整 UI、调度或后处理。
+
+此次模型试验发生在新增设置页及三级优化强度之前；候选核心 SHA-256 为 `02667fa4afc0342806e1aca3ecb33607276a430c8c523f26695c597ce08c3dd0`。最终版本的新强度策略只做了结构与保护回归，未逐档追加真实模型测量；本表不能作为三级强度效果的验收结果。
+
+提供商记录的六次用量合计：输入 **2,706 tokens**（其中缓存读取 256）、输出 **101 tokens**，总计 **2,807 tokens**。另有一次通过实际桌面按钮发起的短草稿优化，已成功回填，但未单独采集其 token 用量；因此不能把 2,807 表述为本次所有操作的精确总用量。其余自动化、宿主和 UI 夹具均不调用付费模型。
+
+## 观察
+
+| 操作 | 合成场景 | 候选观察 | 基线观察 | 单次耗时，候选 / 基线 |
+|---|---|---|---|---|
+| 优化 | 简短、已经清晰的解释要求，禁止改文件或加功能，保护一个路径 | 保持原稿；路径占位映射完整恢复 | PI 调整措辞，保留约束和路径 | 626 / 1,075 ms |
+| 下一句 | 用户要求解释两个概念，助手只解释了一个 | 建议继续询问尚未解释的概念 | studyzy 同样建议继续解释该概念 | 772 / 786 ms |
+| 续写 | 已有前缀请求解释缓存失效 | 返回可直接追加的短后缀 | fishcg 返回可直接追加的较短后缀 | 578 / 862 ms |
+
+基线版本及研究适配：
+
+- [PI `f04349ae…`](https://github.com/vastsa/pi-prompt-enhancement/blob/f04349ae6902d0d6be880cc19b20e68942d78721/main.js)：沿用其不带会话历史的优化流程；研究提示词没有纳入 MIT 发行包。
+- [studyzy `b02261d6…`](https://github.com/studyzy/dsh-suggest-prompt/blob/b02261d6a51bad0cd8c832b13d9def9e1e7b149e/src/generate.ts)：使用其默认系统提示词和本案例最近一轮交流。
+- [fishcg `8145b9cf…`](https://github.com/fishcg/dsh-input-prediction/blob/8145b9cf33e07207f186029341e0b6b25eb1012e/lib/index.js)：静态提取时风格区标题缺少括号内的语气提示，其余系统与续写指令保留。该处适配存在偏差，不能作为严格等价竞品测量；保留结果并修正构造器，没有为此额外重跑。
+
+原始安全报告保留在开发工作区的临时证据目录（`.test-runtime/benchmark/`，已被 `.gitignore` 排除，不随仓库或安装包分发），其中含提示词版本、输出、结束原因、用量和耗时。研究材料不随安装包分发。
+
+## 能说明什么
+
+这三个案例中的候选输出符合基本操作要求，实际模型调用链能够工作。优化案例原稿已经清晰，保持原文也符合本插件策略；不能把“改写更多”直接算作优化更好。
+
+**当前不能证明模型效果处于同类领先地位。** 每种操作只有一个案例，未覆盖歧义弃权、纠偏、长历史和多语言；下一句案例还与提示词示例相近，存在明显有利偏差。单次延迟也受缓存、网络和顺序影响。没有进行匿名多人语义评分，没有调用 Claude/Codex 的内部预测链路，也没有完成 60 条固定评测。
+
+工程上可以核实的优势是功能整合、版本校验、保护片段、原生撤销和暂存恢复；这些提高可控性，不能代替意图符合率的证据。完整质量状态继续保持 `not_evaluated`，详见 [评测流程](evaluation.md) 和 [验收记录](validation.md)。