dsh-llm-verifier 0.6.2 → 0.6.4

package/README.md

@@ -294,7 +294,11 @@ flowchart LR
 | **缓存条目上限** | 成功评分持久化缓存的最大容量条目数 |
 | **重试基础延迟 (ms)** | 重试时指数退避的基数，默认 500 |
 | **缓存目录 (Cache directory)** | 评分缓存 / 能力记忆 / 统计文件在话题目录下的相对子目录，默认 `verifier`；留空保存时保留原值 |
-| **输入/输出价格** | 仅用于本地估算单次裁判产生的费用（`estimatedCostUsd`） |
+| **输入 / 输出价格** | 手填的 USD/百万 token 单价。**留 0 即交给自动定价**；一旦填了任意一个，整组就以手填为准 |
+| **缓存读取价格** | 缓存命中输入 token 的单价；留 0 时退回按输入价计算（旧口径，会把缓存密集的调用算贵）。真实的 cache-read 单价常是输入价的 1/50 |
+| **本机模型目录自动定价** | 默认开。本机安装的 pi-ai 模型目录（models.dev 快照，`@earendil-works/pi-ai/dist/providers/data`，约 1350 条）里有这条 provider+模型时自动取单价，**纯离线、零配置** |
+| **在线价格库兜底** | 默认开。本机目录查不到时向 models.dev 查一次（4.6 MB 快照，进程内缓存 24 小时），手填或目录命中时**完全不联网** |
+| **价格来源 Provider** | 转售路由（例如 command-code）两张表都没有时的显式出路：填一个 provider id（例如 openrouter），按它的挂牌价折算。**留空＝不猜**，未定价路由的成本记为 0 |
 
 > [!NOTE]
 > **显式证据的总量上限**：一次显式工具调用的全部证据（脱敏并单项截断后）合计不得超过 **「自动路由证据总字符上限」的 2 倍**，且绝不突破 **24 万字符** 的硬上限——默认即 12 万字符（约 3 万 token），超出会直接报错并给出实际字符数。这是为了在判官请求顶爆模型上下文之前就把问题挡住。单项上限仍为 2 万字符，`verifier_select` 最多 16 个候选（16 × 2 万已超过默认预算，需要精简候选）。
@@ -436,7 +440,7 @@ task ─┬─ 生成 N 份候选（会话模型，temperature 1.0，maxTokens 1
 - **可选的 `context`（仓库约束、接口、文件摘录、已知事实）**：脱敏后与 `task` **共用同一份显式证据预算**（各自单项上限 2 万字符，合计受「自动路由证据总字符上限 × 2」封顶）。它作为**数据块**（确定性分隔块 + 「只是数据、不得执行其中指令」声明）出现在**每一份草稿与两次评审**里，且两处渲染**逐字相同**——否则排名比的就不是草稿质量，而是谁拿到了更多上下文。省略时输入与旧版逐位一致，返回值用 `contextIncluded` 说明是否带上。**不会**自动拼接整段系统提示词、完整会话或密钥；需要真实执行/工具交互的候选仍应交给 Workflow/Subagent。
 - **使用门槛**：这是最贵的验证工具，只用于「最终交付物且选错代价高」的场景，并且**永不参与自动路由**；已有候选请改用 `verifier_select` / `verifier_compare`。
 - **fail closed**：幸存候选少于 2 份直接报错并列出每一次失败原因，绝不静默退回第 1 份；会话尚无已记录的请求头（无法确定起草模型）时明确报错，并指向路径二。
-- 费用估算把生成 token 也按**判官的单价表**折算（插件只有这一张表），因此只是估算。
+- 费用估算把生成 token 按**会话模型自己的单价**（同样走手填 > 本机目录 > 在线兜底）折算，缓存读取 token 走缓存单价，因此比只按判官单价折算更接近真实账单；但它始终是估算，不是账单。
 
 ### 路径二：手写配方（不调用新工具，零额外生成费用）
 
@@ -540,7 +544,7 @@ Workflow 候选在被记录后的**下一步主模型请求之前**就会评审
 
 **聊天提示（这段时间里界面为什么静止）**：周期在跑的时候主回复被整条缓冲，聊天界面**不会有任何流式文字**，看板上也还没落行。宿主那种行内提示（「正在压缩上下文…」）走的是**会话事件 + 客户端节点**，这条路对外部插件是关闭的：持久化读路径（`@deepseek-ai/dsh-session-persistence` 的 `validateStoredEvents`）会拒绝解释含 `KNOWN_SESSION_EVENT_TYPES`（仓库内生成）之外事件类型的日志，除非该记录带 `ignorable: true`，而 `Session.append()` 无法写入这个标记——只有 seed/restore 的持久化信封能带。**所以本插件一条会话事件都不写**，改用内存态回答：选择器按会话登记「本次周期在哪个阶段（生成 / 比较）、几份候选」，插件既有的 RPC 增加一个只读的 `{ kind: 'process', sessionId }`（纯内存查询：不读侧车、不调模型、不改任何判定），聊天输入框上方的 dock 只在**回合运行中、或刚结束的 20 秒内**轮询它，依次显示「正在过程选优：生成 N 份候选…」→「裁判比较 N 份候选…」→「已改用更优的回复 / 保留原回复 / 备选与原回复相同 / 未完成」。它**不进模型历史、不写会话日志、不参与任何判定**；重载后什么都不显示（那个周期确实已经不存在）。长期记录仍然只有统计看板。
 
-同一块指示器也覆盖**自动路由与最终验收**：它们跑在 `agent/turn-stopping` 里，回复已经在屏幕上，但回合会一直开着等裁判（`compare` / `select` / `track` 各 6 次调用起，`select` 随候选数与对数上升；最终验收是判据数 × 轮次 × 裁判数）。发布点是**路由器的预约状态机**——那是唯一知道「一个周期被批准了、什么时候结算」的地方（`RouterCycleObserver`，可选且异常安全：一个坏掉的观察者绝不能改变预约、预算或判决），P06 自己的周期则由选择器发布更细的相位。于是这些窗口会显示「正在识别需要独立复核的对象…」→「正在比较候选方案 / 为多个候选排名 / 复核任务进度（约 N 次调用）…」，最终验收结束时给一次「最终验收通过 / 未通过」——**通过时宿主本来一句话都不说，这一行是唯一能看见它的地方**。这一行是**输入框上方的 dock 卡片**，几何与颜色都跟宿主同层的 Todo / Goal / Queue 卡片同族（同一条内容宽度轴：聊天内容列减去左右留白与四个 dock 内缩，高 36px、圆角 12px、底色 `--dsw-specific-tip`），状态点用宿主的 `StateDot`（进行中 / 完成 / 失败），容器带 `role="status"`，所以「通过」对读屏同样可达；它不是一条横贯窗口的状态行。计划预审与 Team 任务闸**不进**这块指示器：前者本来就有宿主的挂起工具行，后者窗口极短，加进去只是噪音。
+同一块指示器也覆盖**自动路由与最终验收**：它们跑在 `agent/turn-stopping` 里，回复已经在屏幕上，但回合会一直开着等裁判（`compare` / `select` / `track` 各 6 次调用起，`select` 随候选数与对数上升；最终验收是判据数 × 轮次 × 裁判数）。发布点是**路由器的预约状态机**——那是唯一知道「一个周期被批准了、什么时候结算」的地方（`RouterCycleObserver`，可选且异常安全：一个坏掉的观察者绝不能改变预约、预算或判决），P06 自己的周期则由选择器发布更细的相位。于是这些窗口会显示「正在识别需要独立复核的对象…」→「正在比较候选方案 / 为多个候选排名 / 复核任务进度（约 N 次调用）…」，最终验收结束时给一次「最终验收通过 / 未通过」——**通过时宿主本来一句话都不说，这一行是唯一能看见它的地方**。这一行是**输入框上方的 dock 卡片**，几何与颜色都跟宿主同层的 Todo / Goal / Queue 卡片同族（同一条内容宽度轴：聊天内容列减去左右留白与四个 dock 内缩，高 36px、圆角 12px、底色 `--dsw-specific-tip`），状态点用宿主的 `StateDot`（进行中 / 完成 / 失败），容器带 `role="status"`，所以「通过」对读屏同样可达；它不是一条横贯窗口的状态行。**这张卡片只有一个元素**：宽度轴与表面（描边、圆角、底色）声明在同一个盒子上——composer stack 是宿主区域，宿主或皮肤样式表可以给 dock 行刷底，多一层「宽而无底」的 wrapper 会让那层底在卡片两侧露出一条遮罩（见 `.agents/notes/implemented/bug-fix/2026-09-15-single-element-activity-card.md`），`client.test.ts` 的 `client activity card structure` 锁死了这一点。计划预审与 Team 任务闸**不进**这块指示器：前者本来就有宿主的挂起工具行，后者窗口极短，加进去只是噪音。
 
 ### 定位诊断（Findings）与 smart 调度（P04）
 
@@ -569,6 +573,7 @@ Workflow 候选在被记录后的**下一步主模型请求之前**就会评审
 - **两种"缓存命中率"要分清**：看板的「评分缓存命中率」是**本地评分缓存**命中（命中即不发模型请求），「前缀缓存命中率」是**模型服务端**按 token 计费口径统计的前缀命中（`cachedInputTokens / (inputTokens + cachedInputTokens)`，DSH 报告的两者是**不相交**的计数）。前者衡量省了多少次调用，后者衡量省了多少输入 token；只优化后者不会改变任何判决，而把两者混为一谈会让人误以为省钱优化无效。
 - **看板与设置页只用宿主真实存在的主题 token**：所有颜色都写成 `--dsw-alias-*` / `--dsw-specific-*` / `--dsw-static-*` 里的名字，浅色与深色由宿主 token 表解析，不读主题标记、不手写两套色。原因见 `.agents/notes/implemented/bug-fix/2026-09-14-client-theme-tokens-and-activity-chip-geometry.md`：CSS 对取不到值的 `var()` **静默丢弃声明**，所以写错 token 名既不会被构建、类型检查也不会被单测发现，历史上就因此让看板在浅色主题下画出一片深色卡片。`src/client.test.ts` 里的 `client design tokens` 用例现在会双向校验这份名单（用了未登记的名字、或登记了没用的名字，都会失败）。
 - **能力记忆**：当某个 Provider/Model 明确拒绝 `logprobs` 参数后，插件会记住该能力探测结果，避免后续每次调用重复报错。探测结果按话题持久化到 verifier 目录的 `capabilities-v1.json`（24 小时 TTL 后自动重新探测），随话题一并删除；跨进程与会话恢复不再重复探测，首次降级并发窗口内的相同请求也会合并在途调用、不重复计费。
+- **自动定价的三层来源**（`src/pricing.ts`）：手填单价 > 本机 pi-ai 模型目录 > models.dev（可选）。宿主**不向插件暴露任何价格**——`@deepseek-ai/dsh-llm` 的 usage 与 `resolveModel` 没有价格字段，`llm-pi-ai` 还明确把 pi-ai 的 cost 元数据归零（"no consumer reports spend"）——所以价格只能由插件自己找。匹配**只认精确的 provider + model**：同一个 model id 在 models.dev 上有 21 家 provider 挂牌、价差 6.5 倍（0.10/0.40 ↔ 0.65/1.45），跨 provider 取价等于往成本列写一个编造的数字，插件因此**绝不猜**；转售路由要用 `priceProviderOverride` 明确指定跟随谁的挂牌价，否则老老实实记为未定价（0）。两层目录都是「读不到就退到下一层」，任何一种失败都不会影响判定。判官自检会回报当前判官实际生效的单价与来源。
 
 ## 隐私与数据安全边界
 

package/lib/client.js

@@ -124,6 +124,14 @@ window.__ModuleLoader__.load({
 			"field.estimatedInputUsdPerMillion.help": "每百万输入 Token 的美元价格，仅用于统计估算。",
 			"field.estimatedOutputUsdPerMillion.title": "输出价格",
 			"field.estimatedOutputUsdPerMillion.help": "每百万输出 Token 的美元价格，仅用于统计估算。",
+			"field.estimatedCachedInputUsdPerMillion.title": "缓存读取价格",
+			"field.estimatedCachedInputUsdPerMillion.help": "每百万缓存命中输入 Token 的美元价格；留 0 时退回按输入价格计算（旧口径，对缓存密集的调用会高估）。",
+			"field.autoPriceFromCatalog.title": "从本机模型目录自动定价",
+			"field.autoPriceFromCatalog.help": "本机安装的 pi-ai 模型目录（models.dev 快照）里有这条 provider/模型时自动取出单价。手填的价格永远优先；目录里没有就交给在线价格库。",
+			"field.autoPriceOnline.title": "在线价格库兜底",
+			"field.autoPriceOnline.help": "本机目录查不到时向 models.dev 查一次（结果缓存 24 小时）。只按 provider + 模型精确匹配，绝不跨 provider 猜价——同一个模型 id 在不同转售商手里能差 6 倍。",
+			"field.priceProviderOverride.title": "价格来源 Provider",
+			"field.priceProviderOverride.help": "转售路由（例如 command-code）两张价格表里都没有时，填一个 provider id（例如 openrouter），按它的挂牌价折算。留空表示不猜：未定价的路由成本记为 0。",
 			"settings.catalogFailures": "部分模型目录读取失败",
 			"settings.saved": "设置已保存。",
 			"settings.reload": "重新载入",
@@ -433,6 +441,14 @@ window.__ModuleLoader__.load({
 			"field.estimatedInputUsdPerMillion.help": "USD price per million input tokens, for statistical estimation only.",
 			"field.estimatedOutputUsdPerMillion.title": "Output Price",
 			"field.estimatedOutputUsdPerMillion.help": "USD price per million output tokens, for statistical estimation only.",
+			"field.estimatedCachedInputUsdPerMillion.title": "Cached Input Price",
+			"field.estimatedCachedInputUsdPerMillion.help": "USD per million cached prompt tokens. Left at 0 it falls back to the input price, which is the old estimate and over-reports cache-heavy calls.",
+			"field.autoPriceFromCatalog.title": "Auto Price From Catalog",
+			"field.autoPriceFromCatalog.help": "Price this judge route from the installed pi-ai model catalog (a models.dev snapshot). Typed prices always win; a route the catalog does not describe moves on to the online lookup.",
+			"field.autoPriceOnline.title": "Online Price Lookup",
+			"field.autoPriceOnline.help": "When the installed catalog has no entry, query models.dev once (cached for 24 hours). Matching is exact provider + model only — prices are never guessed across providers, where the same model id can differ sixfold.",
+			"field.priceProviderOverride.title": "Price Source Provider",
+			"field.priceProviderOverride.help": "For a reseller route neither price table knows (for example command-code), name the provider whose list price to follow (for example openrouter). Empty means never guess and leave the route unpriced.",
 			"settings.catalogFailures": "Some model catalogs failed to load",
 			"settings.saved": "Settings saved.",
 			"settings.reload": "Reload",
@@ -1311,6 +1327,10 @@ window.__ModuleLoader__.load({
 			cacheMaxEntries: 1e4,
 			estimatedInputUsdPerMillion: 0,
 			estimatedOutputUsdPerMillion: 0,
+			estimatedCachedInputUsdPerMillion: 0,
+			autoPriceFromCatalog: true,
+			autoPriceOnline: true,
+			priceProviderOverride: "",
 			autoVerifySubagents: false,
 			extraJudges: []
 		};
@@ -1536,8 +1556,12 @@ window.__ModuleLoader__.load({
 				integer: true,
 				unitKey: "settings.unit.ms"
 			}),
+			toggle("autoPriceFromCatalog", "cost"),
+			toggle("autoPriceOnline", "cost"),
+			text("priceProviderOverride", "cost", true),
 			number("estimatedInputUsdPerMillion", "cost", { min: 0 }),
-			number("estimatedOutputUsdPerMillion", "cost", { min: 0 })
+			number("estimatedOutputUsdPerMillion", "cost", { min: 0 }),
+			number("estimatedCachedInputUsdPerMillion", "cost", { min: 0 })
 		];
 		function fieldsOfSection(section) {
 			return FIELDS.filter((field) => field.section === section);
@@ -1619,6 +1643,10 @@ window.__ModuleLoader__.load({
 				cacheMaxEntries: numberOr("cacheMaxEntries"),
 				estimatedInputUsdPerMillion: numberOr("estimatedInputUsdPerMillion"),
 				estimatedOutputUsdPerMillion: numberOr("estimatedOutputUsdPerMillion"),
+				estimatedCachedInputUsdPerMillion: numberOr("estimatedCachedInputUsdPerMillion"),
+				autoPriceFromCatalog: v.autoPriceFromCatalog !== false,
+				autoPriceOnline: v.autoPriceOnline !== false,
+				priceProviderOverride: typeof v.priceProviderOverride === "string" ? v.priceProviderOverride.trim() : "",
 				autoVerifySubagents: v.autoVerifySubagents === true,
 				extraJudges: normalizeExtraJudges(v.extraJudges)
 			};
@@ -1725,7 +1753,7 @@ window.__ModuleLoader__.load({
 					});
 					continue;
 				}
-				if (field.kind === "text" && field.key !== "criteriaFile" && field.key !== "label" && field.key !== "autoProcessAlternativeModel") {
+				if (field.kind === "text" && field.key !== "criteriaFile" && field.key !== "label" && field.key !== "autoProcessAlternativeModel" && field.key !== "priceProviderOverride") {
 					const value = typeof raw === "string" ? raw.trim() : "";
 					if (!value) {
 						issues.push({
@@ -4468,18 +4496,19 @@ window.__ModuleLoader__.load({
 		* four dock insets — and the fallbacks below only matter on a host that does not publish the three
 		* custom properties. Without this clamp the status line stretches to the window edge and its text
 		* sits far left of the composer it belongs to, which is exactly the misplacement it is here to fix.
+		*
+		* ONE element owns BOTH the dock-column width and the card surface. The composer stack is a host
+		* region a host or skin stylesheet may paint (the dock row, for instance with the tip surface), and
+		* a wider wrapper that paints no background of its own would show that paint as a mask reaching
+		* well past the card on both sides. The surface here is declared inline, so it is itself the card:
+		* a background can never be painted outside the border box it is declared on.
 		*/
-		const activityDock = {
-			boxSizing: "border-box",
-			width: "calc(100% - var(--dsh-composer-side-clearance, 16px) - var(--dsh-composer-side-clearance, 16px) - var(--dsh-composer-dock-inset, 8px) - var(--dsh-composer-dock-inset, 8px) - var(--dsh-composer-dock-inset, 8px) - var(--dsh-composer-dock-inset, 8px))",
-			margin: "0 auto"
-		};
-		const activityBar = {
+		const activityCard = {
 			boxSizing: "border-box",
 			display: "flex",
 			alignItems: "center",
 			gap: 10,
-			width: "100%",
+			width: "calc(100% - var(--dsh-composer-side-clearance, 16px) - var(--dsh-composer-side-clearance, 16px) - var(--dsh-composer-dock-inset, 8px) - var(--dsh-composer-dock-inset, 8px) - var(--dsh-composer-dock-inset, 8px) - var(--dsh-composer-dock-inset, 8px))",
 			maxWidth: "calc(var(--dsh-composer-card-max-width, 952px) - 4 * var(--dsh-composer-dock-inset, 8px))",
 			height: 36,
 			margin: "0 auto",
@@ -4546,20 +4575,17 @@ window.__ModuleLoader__.load({
 			]);
 			if (rendered === null) return null;
 			const dotState = rendered.tone === "busy" ? "ongoing" : rendered.tone === "ok" ? "done" : "error";
-			return /* @__PURE__ */ (0, react_jsx_runtime.jsx)("div", {
-				style: activityDock,
-				children: /* @__PURE__ */ (0, react_jsx_runtime.jsxs)("div", {
-					style: activityBar,
-					role: "status",
-					"aria-live": "polite",
-					children: [/* @__PURE__ */ (0, react_jsx_runtime.jsx)(_deepseek_ai_dsh_client_ui_primitives.StateDot, {
-						state: dotState,
-						size: 8
-					}), /* @__PURE__ */ (0, react_jsx_runtime.jsx)("span", {
-						style: activityTextStyle,
-						children: rendered.text
-					})]
-				})
+			return /* @__PURE__ */ (0, react_jsx_runtime.jsxs)("div", {
+				style: activityCard,
+				role: "status",
+				"aria-live": "polite",
+				children: [/* @__PURE__ */ (0, react_jsx_runtime.jsx)(_deepseek_ai_dsh_client_ui_primitives.StateDot, {
+					state: dotState,
+					size: 8
+				}), /* @__PURE__ */ (0, react_jsx_runtime.jsx)("span", {
+					style: activityTextStyle,
+					children: rendered.text
+				})]
 			});
 		}
 		/**