dsh-plain-talk 0.1.2 → 0.1.4

package/CHANGELOG.md

@@ -1,3 +1,14 @@
+# 0.1.4
+
+- README 输出对比改为逐案例表格（A1/A2、B1/B2、C1/C2），每行一对输出。
+- 词汇清单移除「内部代号」：代号不再入表，每次出现都按未知处理。
+- 开关图标按脸部尺寸对齐，开启/关闭不再一大一小。
+
+
+# 0.1.3
+
+- 关闭态图标换成微笑版本；插件图标同步更新。
+
 # 0.1.2
 
 - 输入框按钮改用聊天气泡笑脸图：开启时带声波，关闭时用插件图标本体。

package/README.en.md

@@ -1,7 +1,7 @@
 # dsh-plain-talk
 
 <p align="center">
-  <img src="https://raw.githubusercontent.com/lizilong1993/dsh-plain-talk/main/assets/banner.jpg" alt="dsh-plain-talk — 说人话" width="100%">
+  <img src="https://raw.githubusercontent.com/lizilong1993/dsh-plain-talk/main/assets/banner.jpg" alt="dsh-plain-talk — plain talk" width="100%">
 </p>
 
 <p align="center">
@@ -22,64 +22,38 @@ A reply-shaping plugin for DeepSeek Harness: one composer switch. When it is on,
 - **Short by default.** ≤12 lines / 300 characters unless you ask for depth.
 - **Standalone.** No "as mentioned above" / "the previous step"; codes such as `EXP-7`, `DEV-1K`, `run-3` get a one-line gloss at first use.
 - **Citations you can read.** A `file:line` reference always comes with the quoted lines.
-- **User vocabulary.** Words you have used, project names and common terms count as known; "research X" still explains X on the first reply, then remembers it.
+- **User vocabulary.** Words you have used, project names and common terms count as known; "research X" still explains X on the first reply. Codes never enter the vocabulary.
 
 ## Results
 
-Environment: DeepSeek Harness `desktop` profile running headless, model `cmc/deepseek/deepseek-v4.1-flash` (high), 2026-11-04. Same prompt, same workspace, only the switch changes; the vocabulary is cleared before each arm.
+Environment: DeepSeek Harness `desktop` profile running headless, model `cmc/deepseek/deepseek-v4.1-flash` (high), 2026-11-04. Same prompt, same workspace, only the switch changes.
 
-### Summary
+### Output comparison
 
-| Scenario | Metric | Off | On | Change |
-|---|---|---|---|---|
-| A. Completion task (4 files + verification) | final reply chars | 144 | 189 | +45 (adds a verdict and a self-check step) |
-| | output tokens | 2,333 | 1,344 | **−42%** |
-| | tool calls | 12 | 11 | −1 |
-| | elapsed | 131 s | 107 s | −24 s |
-| B. Explanation | final reply chars | 410 | 350 | **−15%** |
-| | output tokens | 732 | 326 | **−55%** |
-| | cross-turn references | 2 | 0 | **−2** |
-| C. Report rewrite (turn a draft into a user-facing report) | final reply chars | 558 | 496 | **−11%** |
-| | output tokens | 2,781 | 3,066 | +10% (one extra self-check round) |
-| | unexplained codes | 6 | 0 | **−6** |
-| | pointer-only citations | 1 | 0 | **−1** |
-
-The rules section costs about +589 input tokens per step (single-step, zero-tool B run: 260,351 → 260,940).
-
-### A. Completion task
-
-| Aspect | Off | On |
+| Case | Off | On |
 |---|---|---|
-| First line | 任务完成，产物都在 `bench-demo/` 目录： | 已达标：`bench-demo` 下四个文件已就位，运行脚本输出 `ABC`。 |
-| Artifacts | `a.txt`, `b.txt`, `c.txt` hold A, B, C; `check.mjs` reads them in order and prints the joined result | Each file holds exactly one line; `check.mjs` reads, joins and prints, measured output `ABC` |
-| Reader check | Run `node check.mjs`; output `ABC`, exit code 0. | Run `node check.mjs` in `bench-demo`; expect one line `ABC`. |
-| Chars / output tokens | 144 / 2,333 | 189 / 1,344 |
+| A1 Create and verify files | 任务完成，产物都在 `bench-demo/` 目录：<br><br>- `a.txt`、`b.txt`、`c.txt`，内容分别是 A、B、C<br>- `check.mjs`：按 a→b→c 顺序读取三个文件，去掉换行后拼接输出<br><br>运行 `node check.mjs`，输出 `ABC`，退出码 0。 | 已达标：`bench-demo` 下四个文件已就位，运行脚本输出 `ABC`。<br><br>- `a.txt`、`b.txt`、`c.txt` 各只有一行 `A`、`B`、`C`<br>- `check.mjs` 按 a → b → c 顺序读取、拼接并打印，实测输出：`ABC`<br><br>你自己确认：在 `bench-demo` 目录执行 `node check.mjs`，应看到一行 `ABC`。 |
+| A2 Write and read back | 已完成。<br><br>- 创建了 `hello.txt`，写入内容 `Hello`<br>- 读回确认为 1 行，内容就是 `Hello`<br><br>文件路径：`<工作区>/hello.txt` | 我在工作区根目录创建了 hello.txt，写入内容为 `Hello`（该文件在我操作前已存在，这次是把它覆盖为同一内容），随后读回确认：<br><br>```<br>1: Hello<br>```<br><br>需要注意两点：<br><br>- 已存在同名的 hello.txt，原本内容也是 `Hello`，所以这次覆盖没有造成实际变化。<br>- 文件只有一行，没有换行符，如需要可补一个行尾换行。<br><br>文件路径：`<工作区>/hello.txt` |
+| B1 Why models forget | 多数人以为这只是“上下文窗口不够长”，其实窗口够长也会忘。一是截断与压缩：超过窗口的早期轮次会被滑窗丢弃，或者被系统摘要掉，原本的细节就没了。二是注意力是软检索，没有索引保证——候选内容越多，权重越被摊薄，而且位置偏差很明显（“lost in the middle”：开头和结尾记得住，中间段最容易被忽略）。三是位置编码在超长距离上外推能力下降，早期 token 与当前 token 的关联信号本来就更弱。<br><br>再往深一层，是训练目标没给“长期记忆”发工资。预训练是逐 token 预测，几乎不惩罚“忘了前面说过什么”，模型因此没学出显式的记忆读写机制；早期信息只能靠每层残差流反复重编码往后传，而这条通道带宽有限，误差逐层累积。加上实际产品还会做 KV cache 压缩、历史摘要、检索式拼接，早期内容往往以有损形式才活到当下。所以真正管用的办法不是“让它记住”，而是把关键事实外置：检索、写进系统提示、或在需要时重述。 | 简单说，模型没有“记忆”，它每次回答只能看到当前上下文窗口里的全部 token；窗口塞满后，早先的对话要么被截断、要么被压缩成摘要，原文就没了。窗口再大也不是无限，而塞得越满，注意力被稀释得越厉害：远处的信息权重低、容易被中间位置淹没（常说的 lost-in-the-middle），于是“看得见但用不上”。<br><br>另一层原因是训练时的分布。模型主要在短文本上学习长距离依赖，真到几万 token 的跨度，它把“第 3 轮的约束”和“第 80 轮的问题”关联起来的能力，本来就弱于人类的理解记忆；加上系统端为了省算力会做 KV 缓存淘汰、滑动窗口保留最近若干轮，早期内容被结构性丢弃。所以这不是“忘了”，而是从没被持续保留——需要跨长对话保持的信息，得靠外部记录（写入文件、检索、每轮重述关键约束）来补。 |
+| B2 merge vs rebase | `git merge` 会保留两条分支的完整历史，并生成一个合并提交，历史因此真实，但会分叉、按时间而言不够线性。`git rebase` 则把你分支上的提交逐个“移接”到目标分支的最新提交之上，从而得到一条线性、干净的历史，但会重写提交哈希。实践中，在共享分支上优先使用 merge，以免打乱别人的历史；在个人分支上整合最新代码时用 rebase，可以保持提交整洁。 | **merge 是保留分叉再合并，rebase 是把提交搬到新基底上重写历史。** merge 会生成一个新的合并提交把两条分支接起来，原有提交的哈希不变；rebase 则把当前分支的提交逐个重放到目标分支最新提交之后，产生全新的提交（哈希全变），历史变成一条直线。所以共享分支上推送过的提交用 merge 更安全，rebase 只适合还没推送的本地提交，否则会打断别人基于旧历史的引用。 |
+| C1 Experiment draft | 结论：EXP-7（新加的实例校验模块）这次不合并。加了它的 CAND 定位精度 61.2% → 63.8%，涨 2.6 个百分点，没到 3 个点的门槛。这是跑完实测后的决定，不是"无法评估"。<br><br>但对外的版本里有两个数字打架，得先查。<br><br>一是开头写"没有带来定位精度提升"，和后面的 +2.6pp 冲突，应改成"有提升，但不够门槛"。<br><br>二是 1198/1200 条预测逐字节相同。只剩 2 条不同，最多撬动 0.17 个百分点，凑不出 2.6pp。这两个数至少错一个，而 2.6pp 又刚好卡在门槛下面，不解决这个矛盾，结论就站不住。<br><br>另外缺三样：AUROC（排序质量指标）只写了见 reports/exp7/summary.md:42，没给数值，文件也不在当前目录；分片合并的结果本身不是 claim-eligible EvalRun（可引用评测记录），要注明是方向性对照；没有置信区间，n=1200 时 2.6pp 约等于 31 条样本的差异，是否显著未知。<br><br>你现在就能做的：跑一次全量逐条 diff，确认到底是"1198/1200 相同"还是"+2.6pp"准确，顺带查为什么两个已知缺陷修完预测只变了 2 条；把 AUROC 数值补进报告。如果精度确实只有 2.6pp，round-2 先别跑。 | 结论：EXP-7（给推理流程加"实例验证"一步的实验）没达到合并门槛，不合并。<br><br>- DEV-1K（1200 条开发集）上定位精度 61.2% → 63.8%，+2.6 个百分点，合并线 3 个百分点。<br>- 对照批次是 run-3：BASE（基线，配置名 base_v3）对 CAND（BASE 加 exp7_verify 这一步，保留前两轮配置）。同 manifest（SHA-256 a1b2c3d…）、seed 42、代码 e4f5a6b，4×GPU 分 4 片各 300 条合并成 1200。<br>- 这是实测对照，不是跑不出来：1200 条里 1198 条预测逐字节相同；两个已知缺陷已修复。<br>- 口径瑕疵：分片合并的结果不算可入库的 EvalRun，只能说明分母、manifest、seed 一致。<br>- AUROC 没有可核对的数值：草稿指向的 reports/exp7/summary.md 不在仓库里，这条不引。<br><br>下一步：补出 summary.md，或开 round-2 用单个全量 run 复核 CAND。 |
+| C2 Release-check draft | **结论**：现在不能出“可以上线”的汇报。草稿把“可以上线”和“run-7 回归还没跑完”并列写着，但没有说明条件，直接发出去会被读成无条件放行。准确说法是**条件放行：等 run-7 回归收尾后，再决定是否上线**。<br><br>**已经确认的**<br>- 检查覆盖登录、支付、导出三条链路<br>- 导出耗时从 4.2s 降到 3.1s<br>- 支付回调在 run-7 中失败过一次，草稿中指到 logs/run-7.txt:88<br><br>**放行前必须完成的两件事**<br>- 补齐 run-7 回归，给出“全绿”或“仍未通过”的明确状态<br>- 给支付回调那次失败定性：是偶发超时、可重试，还是必现问题。这条决定能不能带问题上线，是整份汇报里最关键的未知项。<br><br>**草稿没有交代的信息**<br>- 谁执行的、什么时候、在哪个版本或环境跑的<br>- “覆盖了三个链路”是指跑过还是跑通了<br>- 失败那次有没有重试成功<br><br>**我另外核了一下**<br>- 工作目录里没有 `logs/` 目录，所以 `run-7.txt:88` 无法核对，只能作为原草稿的引用转述<br>- 同目录的 `draft.md` 是另一轮实验报告，和上线无关，我没并进来<br><br>**一句话版本**（可以直接贴给相关方）：BUILD-42 的登录、支付、导出三条链路已检查，导出耗时从 4.2s 降到 3.1s；但 run-7 的回归尚未跑完，且支付回调在 run-7 中失败过一次，待回归收尾并确认该失败的性质后，再给出上线结论。<br><br>是否需要我照这个改写成正式汇报文档，或先把 `draft2.md` 更新成这版？ | 结论：BUILD-42（这次要上线的构建）先别上线。草稿自己的结论写的是“可以上线”，但同一份草稿又写明 run-7（第 7 轮回归）还没跑完，并且支付回调在 run-7 里失败过一次；这两条都指向不能放行，所以这个结论和草稿正文相互矛盾。<br><br>- 覆盖范围：登录、支付、导出三条链路。<br>- 支付：支付回调在 run-7 里失败过一次，记录在 run-7 的日志 logs/run-7.txt 第 88 行；该文件不在当前目录，我无法贴出原文，需要你提供路径或直接贴出来。<br>- 导出：耗时从 4.2s 降到 3.1s。<br>- 回归：run-7 还没跑完，支付回调失败的原因也还没查清。<br><br>下一步：先补跑 run-7，确认支付回调的失败能否复现；只要能复现，就不上线。 |
 
-### B. Explanation
+### Characters and tokens
 
-| Aspect | Off | On |
+| Case | Characters (off / on) | Output tokens (off / on) |
 |---|---|---|
-| Paragraph 1 | 多数人以为这只是"上下文窗口不够长"，其实窗口够长也会忘。一是截断与压缩……二是注意力是软检索……三是位置编码在超长距离上外推能力下降。 | 简单说，模型没有"记忆"，它每次回答只能看到当前上下文窗口里的全部 token；窗口塞满后，早先的对话要么被截断、要么被压缩成摘要。 |
-| Paragraph 2 | 再往深一层，是训练目标没给"长期记忆"发工资。预训练是逐 token 预测，几乎不惩罚"忘了前面说过什么"…… | 另一层原因是训练时的分布。模型主要在短文本上学习长距离依赖，真到几万 token 的跨度，关联能力本来就弱…… |
-| Cross-turn references | 2 | 0 |
-| Chars / output tokens | 410 / 732 | 350 / 326 |
-
-### C. Report rewrite
+| A1 Create and verify files | 144 / 189 | 2,333 / 1,344 |
+| A2 Write and read back | 124 / 238 | 220 / 398 |
+| B1 Why models forget | 410 / 350 | 732 / 326 |
+| B2 merge vs rebase | 184 / 194 | 150 / 366 |
+| C1 Experiment draft | 558 / 496 | 2,781 / 3,066 |
+| C2 Release-check draft | 672 / 331 | 1,636 / 2,092 |
 
-The draft contains codes, cross-turn wording and a pointer-only citation. Project codes are replaced with neutral placeholders in this example.
-
-| Aspect | Off | On |
-|---|---|---|
-| Verdict line | 结论：EXP-7（新加的实例校验模块）这次不合并。加了它的 CAND 定位精度 61.2% → 63.8%……没到 3 个点的门槛。 | 结论：EXP-7（给推理流程加"实例验证"一步的实验）没达到合并门槛，不合并。 |
-| Codes | EXP-7 and CAND glossed; AUROC, pp, round-2 left bare | EXP-7, DEV-1K, run-3, BASE, CAND, round-2 all glossed in place |
-| Citation | "see reports/exp7/summary.md:42", no quoted content | says the file is not in the repository and drops the citation |
-| Next step | several options in one paragraph | one action |
-| Chars / output tokens | 558 / 2,781 | 496 / 3,066 |
+The rules section costs about +589 input tokens per step (single-step, zero-tool B1 run: 260,351 → 260,940).
 
 ## Install
 
-Requires a DeepSeek Harness build with the `conversation.input.left` slot (0.2.x line).
-
 ```sh
 dsh plugin --profile desktop add dsh-plain-talk
 dsh plugin --profile desktop add github:lizilong1993/dsh-plain-talk
@@ -90,8 +64,8 @@ Restart DSH afterwards.
 
 ## Use
 
-1. Open any session: a speech-bubble icon appears next to the permission selector in the composer.
-2. It starts on (blue). Click it to turn it off (grey) for that session only.
+1. Open any session: a smiley speech-bubble icon appears next to the permission selector in the composer.
+2. On shows the face with three sound waves and an open smile; off shows the plain smile. Click to toggle, for that session only.
 3. State lives in `$DSH_HOME/plain-talk.json` and survives restarts.
 4. Want new sessions to start off? Set `PLAIN_TALK_DEFAULT=off` where DSH launches.
 
@@ -104,10 +78,11 @@ Restart DSH afterwards.
 | common | built in, never explained | arXiv, DOI, API, GPU |
 | domain | field terms you have used | diffusion model, AUROC |
 | project | repositories, products, workspace names | AcmeService_V2, DataHub_V3 |
-| internal | experiment/task/commit codes | EXP-7, DEV-1K, run-3 |
-| unclassified | recorded, not classified yet | other detected codes |
+| unclassified | recorded, not classified yet | other detected terms |
+
+Codes such as EXP-7, DEV-1K and run-3 never enter the vocabulary: every use is treated as unknown so the model explains it again.
 
-"Research X" is two-phase: X is marked pending, the first reply still explains it, and the turn end records it. Common terms such as arXiv are unaffected.
+"Research X" is two-phase: X is marked pending, the first reply still explains it, and the turn end records it. Common terms such as arXiv are unaffected; codes are never recorded.
 
 Maintain it with `plain_talk_vocab` (`list` / `add` / `remove` / `classify`) or by editing the JSON.
 
@@ -123,7 +98,7 @@ The section asks the model to run it for completion reports and replies over 12
 ## How it works
 
 - Host (`dsh/index.js`) registers one `systemPrompt` section (`plain-talk`, order 55) whose text function returns the rules only while that session's switch is on.
-- Browser half (`lib/client.js`) registers into `conversation.input.left` and renders a 24×24 button.
+- Browser half (`lib/client.js`) registers into `conversation.input.left` and renders an 18×18 smiley button.
 - The switch is read and written over the loopback route `/plain-talk/state` (127.0.0.1 / ::1 only, 8 KB body limit).
 - Switch and vocabulary are atomic JSON sidecar files; no session events are written.
 
@@ -139,7 +114,7 @@ Environment variable `PLAIN_TALK_DEFAULT` (`on` / `off`, default `on`).
 
 - The button position depends on `conversation.input.left`; a host redesign may move it beside other left-side controls.
 - Rules are prompt constraints; `plain_talk_check` warns but never blocks a send.
-- Vocabulary is shared per user, not per project; code detection is heuristic.
+- Vocabulary is shared per user, not per project.
 - With the mode on, each request carries about 590 extra input tokens.
 
 ## License

package/README.md

@@ -22,64 +22,38 @@ DeepSeek Harness 的回复优化插件：输入框里一个「说人话」开关
 - **默认短**：≤12 行 / 300 字；你要求展开时才放开深度。
 - **自包含**：不用"上述 / 前面 / 上一轮"；代号（EXP-7、DEV-1K、run-3）第一次出现写成 `EXP-7（一句话说明）`。
 - **引用可读**：给 `文件:行号` 的同时贴出那几行原文。
-- **词汇清单**：你说过的词、项目名、常见术语默认已知；"调研 X"的第一轮仍会解释 X，回复交付后才记住。
+- **词汇清单**：你说过的词、项目名、常见术语默认已知；"调研 X"的第一轮仍会解释 X，回复交付后才记住。代号不进清单。
 
 ## 效果
 
-测试环境：DeepSeek Harness `desktop` profile、headless 运行、模型 `cmc/deepseek/deepseek-v4.1-flash`（high），2026-11-04。同一提示词、同一工作区，只切换开关；两侧开始前都清空词汇清单。
+测试环境：DeepSeek Harness `desktop` profile、headless 运行、模型 `cmc/deepseek/deepseek-v4.1-flash`（high），2026-11-04。同一提示词、同一工作区，只切换开关。
 
-### 汇总
+### 输出对比
 
-| 场景 | 指标 | 关闭 | 开启 | 变化 |
-|---|---|---|---|---|
-| A 完成类任务（建 4 个文件并验证） | 最终回复字数 | 144 | 189 | +45（多"达标"和"你自己确认"） |
-| | 输出 token | 2,333 | 1,344 | **−42%** |
-| | 工具调用 | 12 | 11 | −1 |
-| | 耗时 | 131 s | 107 s | −24 s |
-| B 解释类（为什么模型会忘事） | 最终回复字数 | 410 | 350 | **−15%** |
-| | 输出 token | 732 | 326 | **−55%** |
-| | 回指次数 | 2 | 0 | **−2** |
-| C 报告整理（把草稿改成给用户的汇报） | 最终回复字数 | 558 | 496 | **−11%** |
-| | 输出 token | 2,781 | 3,066 | +10%（多一次自检） |
-| | 未解释代号 | 6 | 0 | **−6** |
-| | 只给指针的引用 | 1 | 0 | **−1** |
-
-规则段每步约 +589 input token（C 组单步、零工具：260,351 → 260,940）。
-
-### A 完成类：同一任务，两侧输出
-
-| 对比点 | 关闭 | 开启 |
+| 场景 | 关闭 | 开启 |
 |---|---|---|
-| 首行 | 任务完成，产物都在 `bench-demo/` 目录： | 已达标：`bench-demo` 下四个文件已就位，运行脚本输出 `ABC`。 |
-| 产物说明 | `a.txt`、`b.txt`、`c.txt` 内容分别是 A、B、C；`check.mjs` 按 a→b→c 顺序读取，去掉换行后拼接输出 | `a.txt`、`b.txt`、`c.txt` 各只有一行 `A`、`B`、`C`；`check.mjs` 按 a → b → c 读取、拼接并打印，实测输出：`ABC` |
-| 读者确认 | 运行 `node check.mjs`，输出 `ABC`，退出码 0。 | 你自己确认：在 `bench-demo` 目录执行 `node check.mjs`，应看到一行 `ABC`。 |
-| 字数 / 输出 token | 144 / 2,333 | 189 / 1,344 |
+| A1 建文件并验证 | 任务完成，产物都在 `bench-demo/` 目录：<br><br>- `a.txt`、`b.txt`、`c.txt`，内容分别是 A、B、C<br>- `check.mjs`：按 a→b→c 顺序读取三个文件，去掉换行后拼接输出<br><br>运行 `node check.mjs`，输出 `ABC`，退出码 0。 | 已达标：`bench-demo` 下四个文件已就位，运行脚本输出 `ABC`。<br><br>- `a.txt`、`b.txt`、`c.txt` 各只有一行 `A`、`B`、`C`<br>- `check.mjs` 按 a → b → c 顺序读取、拼接并打印，实测输出：`ABC`<br><br>你自己确认：在 `bench-demo` 目录执行 `node check.mjs`，应看到一行 `ABC`。 |
+| A2 写入并读回 | 已完成。<br><br>- 创建了 `hello.txt`，写入内容 `Hello`<br>- 读回确认为 1 行，内容就是 `Hello`<br><br>文件路径：`<工作区>/hello.txt` | 我在工作区根目录创建了 hello.txt，写入内容为 `Hello`（该文件在我操作前已存在，这次是把它覆盖为同一内容），随后读回确认：<br><br>```<br>1: Hello<br>```<br><br>需要注意两点：<br><br>- 已存在同名的 hello.txt，原本内容也是 `Hello`，所以这次覆盖没有造成实际变化。<br>- 文件只有一行，没有换行符，如需要可补一个行尾换行。<br><br>文件路径：`<工作区>/hello.txt` |
+| B1 为什么模型会忘事 | 多数人以为这只是“上下文窗口不够长”，其实窗口够长也会忘。一是截断与压缩：超过窗口的早期轮次会被滑窗丢弃，或者被系统摘要掉，原本的细节就没了。二是注意力是软检索，没有索引保证——候选内容越多，权重越被摊薄，而且位置偏差很明显（“lost in the middle”：开头和结尾记得住，中间段最容易被忽略）。三是位置编码在超长距离上外推能力下降，早期 token 与当前 token 的关联信号本来就更弱。<br><br>再往深一层，是训练目标没给“长期记忆”发工资。预训练是逐 token 预测，几乎不惩罚“忘了前面说过什么”，模型因此没学出显式的记忆读写机制；早期信息只能靠每层残差流反复重编码往后传，而这条通道带宽有限，误差逐层累积。加上实际产品还会做 KV cache 压缩、历史摘要、检索式拼接，早期内容往往以有损形式才活到当下。所以真正管用的办法不是“让它记住”，而是把关键事实外置：检索、写进系统提示、或在需要时重述。 | 简单说，模型没有“记忆”，它每次回答只能看到当前上下文窗口里的全部 token；窗口塞满后，早先的对话要么被截断、要么被压缩成摘要，原文就没了。窗口再大也不是无限，而塞得越满，注意力被稀释得越厉害：远处的信息权重低、容易被中间位置淹没（常说的 lost-in-the-middle），于是“看得见但用不上”。<br><br>另一层原因是训练时的分布。模型主要在短文本上学习长距离依赖，真到几万 token 的跨度，它把“第 3 轮的约束”和“第 80 轮的问题”关联起来的能力，本来就弱于人类的理解记忆；加上系统端为了省算力会做 KV 缓存淘汰、滑动窗口保留最近若干轮，早期内容被结构性丢弃。所以这不是“忘了”，而是从没被持续保留——需要跨长对话保持的信息，得靠外部记录（写入文件、检索、每轮重述关键约束）来补。 |
+| B2 merge 与 rebase | `git merge` 会保留两条分支的完整历史，并生成一个合并提交，历史因此真实，但会分叉、按时间而言不够线性。`git rebase` 则把你分支上的提交逐个“移接”到目标分支的最新提交之上，从而得到一条线性、干净的历史，但会重写提交哈希。实践中，在共享分支上优先使用 merge，以免打乱别人的历史；在个人分支上整合最新代码时用 rebase，可以保持提交整洁。 | **merge 是保留分叉再合并，rebase 是把提交搬到新基底上重写历史。** merge 会生成一个新的合并提交把两条分支接起来，原有提交的哈希不变；rebase 则把当前分支的提交逐个重放到目标分支最新提交之后，产生全新的提交（哈希全变），历史变成一条直线。所以共享分支上推送过的提交用 merge 更安全，rebase 只适合还没推送的本地提交，否则会打断别人基于旧历史的引用。 |
+| C1 实验草稿 | 结论：EXP-7（新加的实例校验模块）这次不合并。加了它的 CAND 定位精度 61.2% → 63.8%，涨 2.6 个百分点，没到 3 个点的门槛。这是跑完实测后的决定，不是"无法评估"。<br><br>但对外的版本里有两个数字打架，得先查。<br><br>一是开头写"没有带来定位精度提升"，和后面的 +2.6pp 冲突，应改成"有提升，但不够门槛"。<br><br>二是 1198/1200 条预测逐字节相同。只剩 2 条不同，最多撬动 0.17 个百分点，凑不出 2.6pp。这两个数至少错一个，而 2.6pp 又刚好卡在门槛下面，不解决这个矛盾，结论就站不住。<br><br>另外缺三样：AUROC（排序质量指标）只写了见 reports/exp7/summary.md:42，没给数值，文件也不在当前目录；分片合并的结果本身不是 claim-eligible EvalRun（可引用评测记录），要注明是方向性对照；没有置信区间，n=1200 时 2.6pp 约等于 31 条样本的差异，是否显著未知。<br><br>你现在就能做的：跑一次全量逐条 diff，确认到底是"1198/1200 相同"还是"+2.6pp"准确，顺带查为什么两个已知缺陷修完预测只变了 2 条；把 AUROC 数值补进报告。如果精度确实只有 2.6pp，round-2 先别跑。 | 结论：EXP-7（给推理流程加"实例验证"一步的实验）没达到合并门槛，不合并。<br><br>- DEV-1K（1200 条开发集）上定位精度 61.2% → 63.8%，+2.6 个百分点，合并线 3 个百分点。<br>- 对照批次是 run-3：BASE（基线，配置名 base_v3）对 CAND（BASE 加 exp7_verify 这一步，保留前两轮配置）。同 manifest（SHA-256 a1b2c3d…）、seed 42、代码 e4f5a6b，4×GPU 分 4 片各 300 条合并成 1200。<br>- 这是实测对照，不是跑不出来：1200 条里 1198 条预测逐字节相同；两个已知缺陷已修复。<br>- 口径瑕疵：分片合并的结果不算可入库的 EvalRun，只能说明分母、manifest、seed 一致。<br>- AUROC 没有可核对的数值：草稿指向的 reports/exp7/summary.md 不在仓库里，这条不引。<br><br>下一步：补出 summary.md，或开 round-2 用单个全量 run 复核 CAND。 |
+| C2 上线检查草稿 | **结论**：现在不能出“可以上线”的汇报。草稿把“可以上线”和“run-7 回归还没跑完”并列写着，但没有说明条件，直接发出去会被读成无条件放行。准确说法是**条件放行：等 run-7 回归收尾后，再决定是否上线**。<br><br>**已经确认的**<br>- 检查覆盖登录、支付、导出三条链路<br>- 导出耗时从 4.2s 降到 3.1s<br>- 支付回调在 run-7 中失败过一次，草稿中指到 logs/run-7.txt:88<br><br>**放行前必须完成的两件事**<br>- 补齐 run-7 回归，给出“全绿”或“仍未通过”的明确状态<br>- 给支付回调那次失败定性：是偶发超时、可重试，还是必现问题。这条决定能不能带问题上线，是整份汇报里最关键的未知项。<br><br>**草稿没有交代的信息**<br>- 谁执行的、什么时候、在哪个版本或环境跑的<br>- “覆盖了三个链路”是指跑过还是跑通了<br>- 失败那次有没有重试成功<br><br>**我另外核了一下**<br>- 工作目录里没有 `logs/` 目录，所以 `run-7.txt:88` 无法核对，只能作为原草稿的引用转述<br>- 同目录的 `draft.md` 是另一轮实验报告，和上线无关，我没并进来<br><br>**一句话版本**（可以直接贴给相关方）：BUILD-42 的登录、支付、导出三条链路已检查，导出耗时从 4.2s 降到 3.1s；但 run-7 的回归尚未跑完，且支付回调在 run-7 中失败过一次，待回归收尾并确认该失败的性质后，再给出上线结论。<br><br>是否需要我照这个改写成正式汇报文档，或先把 `draft2.md` 更新成这版？ | 结论：BUILD-42（这次要上线的构建）先别上线。草稿自己的结论写的是“可以上线”，但同一份草稿又写明 run-7（第 7 轮回归）还没跑完，并且支付回调在 run-7 里失败过一次；这两条都指向不能放行，所以这个结论和草稿正文相互矛盾。<br><br>- 覆盖范围：登录、支付、导出三条链路。<br>- 支付：支付回调在 run-7 里失败过一次，记录在 run-7 的日志 logs/run-7.txt 第 88 行；该文件不在当前目录，我无法贴出原文，需要你提供路径或直接贴出来。<br>- 导出：耗时从 4.2s 降到 3.1s。<br>- 回归：run-7 还没跑完，支付回调失败的原因也还没查清。<br><br>下一步：先补跑 run-7，确认支付回调的失败能否复现；只要能复现，就不上线。 |
 
-### B 解释类：同一问题，两侧输出
+### 字数与 token
 
-| 对比点 | 关闭 | 开启 |
+| 场景 | 字数（关闭 / 开启） | 输出 token（关闭 / 开启） |
 |---|---|---|
-| 第一段 | 多数人以为这只是"上下文窗口不够长"，其实窗口够长也会忘。一是截断与压缩……二是注意力是软检索……三是位置编码在超长距离上外推能力下降。 | 简单说，模型没有"记忆"，它每次回答只能看到当前上下文窗口里的全部 token；窗口塞满后，早先的对话要么被截断、要么被压缩成摘要。 |
-| 第二段 | 再往深一层，是训练目标没给"长期记忆"发工资。预训练是逐 token 预测，几乎不惩罚"忘了前面说过什么"…… | 另一层原因是训练时的分布。模型主要在短文本上学习长距离依赖，真到几万 token 的跨度，关联能力本来就弱…… |
-| 回指 | 2 处（"前面说过"等） | 0 |
-| 字数 / 输出 token | 410 / 732 | 350 / 326 |
-
-### C 报告整理：同一份草稿，两侧整理结果
+| A1 建文件并验证 | 144 / 189 | 2,333 / 1,344 |
+| A2 写入并读回 | 124 / 238 | 220 / 398 |
+| B1 为什么模型会忘事 | 410 / 350 | 732 / 326 |
+| B2 merge 与 rebase | 184 / 194 | 150 / 366 |
+| C1 实验草稿 | 558 / 496 | 2,781 / 3,066 |
+| C2 上线检查草稿 | 672 / 331 | 1,636 / 2,092 |
 
-草稿里放了代号、回指和只给指针的引用。示例中的项目代号已替换为中性占位符。
-
-| 对比点 | 关闭 | 开启 |
-|---|---|---|
-| 结论句 | 结论：EXP-7（新加的实例校验模块）这次不合并。加了它的 CAND 定位精度 61.2% → 63.8%，涨 2.6 个百分点，没到 3 个点的门槛。 | 结论：EXP-7（给推理流程加"实例验证"一步的实验）没达到合并门槛，不合并。 |
-| 代号处理 | EXP-7、CAND 有解释；AUROC、pp、round-2 仍是裸代号 | EXP-7、DEV-1K、run-3、BASE、CAND、round-2 全部就地解释 |
-| 引用 | 只写"见 reports/exp7/summary.md:42"，没有原文 | 说明该文件不在仓库里，这条不引用 |
-| 下一步 | 一段话里给了多个选项 | 只给一个动作 |
-| 字数 / 输出 token | 558 / 2,781 | 496 / 3,066 |
+规则段每步约 +589 input token（B1 单步、零工具：260,351 → 260,940）。
 
 ## 安装
 
-需要带 `conversation.input.left` 插槽的 DeepSeek Harness（0.2.x 线）。
-
 ```sh
 # npm（推荐，预构建）
 dsh plugin --profile desktop add dsh-plain-talk
@@ -95,8 +69,8 @@ dsh plugin --profile desktop add ./dsh-plain-talk
 
 ## 使用
 
-1. 打开任意会话，输入框权限选择器右侧会多一个气泡图标。
-2. 默认开启（蓝色）；点一下变灰，只关掉当前会话。
+1. 打开任意会话，输入框权限选择器右侧会多一个笑脸气泡图标。
+2. 开启时笑脸右侧带三道声波、张嘴笑；关闭时是不带声波的微笑版。点一下切换，只影响当前会话。
 3. 状态写在 `$DSH_HOME/plain-talk.json`，重启后保持。
 4. 想让新会话默认关闭：启动环境里设 `PLAIN_TALK_DEFAULT=off`。
 
@@ -109,10 +83,11 @@ dsh plugin --profile desktop add ./dsh-plain-talk
 | 常识词汇 | 内置，不解释 | arXiv、DOI、API、GPU |
 | 专业词汇 | 你用过的领域词 | 扩散模型、AUROC |
 | 项目 / 产品名 | 仓库、产品、工作区名 | AcmeService_V2、DataHub_V3 |
-| 内部代号 | 实验号、任务号、提交号 | EXP-7、DEV-1K、run-3 |
-| 待归类 | 已记录、未分类 | 其他识别到的代号 |
+| 待归类 | 已记录、未分类 | 其他识别到的词 |
+
+内部代号（EXP-7、DEV-1K、run-3）不进入词表：每次出现都按未知处理，提醒模型重新解释。
 
-"调研 X"分两步：X 先记为待确认，第一轮回复照常解释；回复交付后写入词表。常识词（如 arXiv）不受影响。
+"调研 X"分两步：X 先记为待确认，第一轮回复照常解释；回复交付后写入词表。常识词（如 arXiv）和内部代号不受影响。
 
 维护用 `plain_talk_vocab`：`list` / `add` / `remove` / `classify`；也可以直接改 JSON。
 
@@ -128,7 +103,7 @@ dsh plugin --profile desktop add ./dsh-plain-talk
 ## 工作原理
 
 - 宿主端（`dsh/index.js`）注册一个系统提示词段落（`plain-talk`，order 55），只有当前会话开关打开时返回规则正文。
-- 浏览器端（`lib/client.js`）注册进 `conversation.input.left`，渲染 24×24 气泡按钮。
+- 浏览器端（`lib/client.js`）注册进 `conversation.input.left`，渲染 18×18 笑脸按钮。
 - 开关经 loopback 路由 `/plain-talk/state` 读写（仅 127.0.0.1 / ::1，body ≤8 KB）。
 - 状态与词表都是 JSON sidecar，原子写；不写 session 事件。
 
@@ -144,7 +119,7 @@ dsh plugin --profile desktop add ./dsh-plain-talk
 
 - 按钮位置依赖 `conversation.input.left`，宿主改版后可能移到其它左侧控件旁。
 - 规则是提示词约束，`plain_talk_check` 只提醒、不拦截发送。
-- 词表按用户共享，不按项目隔离；代号识别是启发式判断。
+- 词表按用户共享，不按项目隔离。
 - 默认开启时每个请求多约 590 input token。
 
 ## 许可