dsh-plain-talk 0.1.6 → 0.1.7

package/CHANGELOG.md

@@ -1,3 +1,7 @@
+# 0.1.7
+
+- 以修正后的 README 重新发布（0.1.6 的包内 README 仍是旧版）。
+
 # 0.1.6
 
 - 字数与 token 表格加变化百分比。

package/README.md

@@ -11,7 +11,7 @@
 <p align="center">
   <a href="LICENSE"><img alt="MIT" src="https://img.shields.io/badge/license-MIT-263146?style=flat-square"></a>
   <a href="https://www.npmjs.com/package/dsh-plain-talk"><img alt="npm" src="https://img.shields.io/npm/v/dsh-plain-talk?style=flat-square"></a>
-  <img alt="dsh-plugin" src="https://img.shields.io/badge/dsh--plugin-ready-478CBF?style=flat-square\\\&logo=deepseek\\\&logoColor=white">
+  <img alt="dsh-plugin" src="https://img.shields.io/badge/dsh--plugin-ready-478CBF?style=flat-square&logo=deepseek&logoColor=white">
 </p>
 
 DeepSeek Harness 的回复优化插件：输入框里一个「说人话」开关。打开后，回复先给结论、默认不超过 12 行、引用直接贴原文、代号第一次出现时用一句人话解释，并记住你已经认识的词。
@@ -26,7 +26,7 @@ DeepSeek Harness 的回复优化插件：输入框里一个「说人话」开关
 
 ## 效果
 
-测试环境：DeepSeek Harness `desktop` profile、headless 运行、模型 `command code/deepseek-v4.1-flash`（high），2026-11-04。同一提示词、同一工作区，只切换开关。
+测试环境：DeepSeek Harness `desktop` profile、headless 运行、模型 `command code/deepseek-v4.1-flash（high）`，2026-11-04。同一提示词、同一工作区，只切换开关。
 
 ### 输出对比
 
@@ -36,7 +36,7 @@ DeepSeek Harness 的回复优化插件：输入框里一个「说人话」开关
 |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：`1: Hello`。<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 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 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，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。|
+|C1 实验草稿|结论：EXP-7 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 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，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。|
 
 ### 字数与 token差异
@@ -44,11 +44,11 @@ DeepSeek Harness 的回复优化插件：输入框里一个「说人话」开关
 |场景|字数（关闭 / 开启）|输出 token（关闭 / 开启）|
 |-|-|-|
 |A1 建文件并验证|144 ➡ 189, 31.25%↑|2,333 ➡ 1,344, 42.39%↓|
-|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|
+|A2 写入并读回|124 ➡ 238, 91.94%↑|220 ➡ 398, 80.91%↑|
+|B1 为什么模型会忘事|410 ➡ 350, 14.63%↓|732 ➡ 326, 55.46%↓|
+|B2 merge 与 rebase|184 ➡ 194, 5.43%↑|150 ➡ 366, 144.00%↑|
+|C1 实验草稿|558 ➡ 496, 11.11%↓|2,781 ➡ 3,066, 10.25%↑|
+|C2 上线检查草稿|672 ➡ 331, 50.74%↓|1,636 ➡ 2,092, 27.87%↑|
 
 每步约 +589 input token。
 
@@ -71,12 +71,12 @@ dsh plugin --profile desktop add ./dsh-plain-talk
 
 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 `$DSH\\\_HOME/plain-talk.json`，重启后保持。
-4. 想让新会话默认关闭：启动环境里设 `PLAIN\\\_TALK\\\_DEFAULT=off`。
+3. 状态写在 `$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`。
 
 ## 词汇清单
 
-`$DSH\\\_HOME/plain-talk-vocab.json`，跨会话共享。
+`$DSH_HOME/plain-talk-vocab.json`，跨会话共享。
 
 |类别|含义|例子|
 |-|-|-|
@@ -89,11 +89,11 @@ dsh plugin --profile desktop add ./dsh-plain-talk
 
 "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。
+维护用 `plain_talk_vocab`：`list` / `add` / `remove` / `classify`；也可以直接改 JSON。
 
 ## 自检工具
 
-`plain\\\_talk\\\_check` 接收一条草稿，返回问题清单：
+`plain_talk_check` 接收一条草稿，返回问题清单：
 
 * 必须改：回指词、会话号 / 子代理 / 工具名、只给指针没有原文。
 * 建议改：未解释代号、超过 12 行 / 300 字、列表超过 5 条、开头寒暄、结尾征询、中文用户却整段英文。
@@ -109,16 +109,16 @@ dsh plugin --profile desktop add ./dsh-plain-talk
 
 ## 数据与权限
 
-只写 `$DSH\\\_HOME/plain-talk.json` 和 `$DSH\\\_HOME/plain-talk-vocab.json`。不联网、不上传、不读凭据；状态文件损坏时按"无记录"处理。
+只写 `$DSH_HOME/plain-talk.json` 和 `$DSH_HOME/plain-talk-vocab.json`。不联网、不上传、不读凭据；状态文件损坏时按"无记录"处理。
 
 ## 配置
 
-只有环境变量 `PLAIN\\\_TALK\\\_DEFAULT`（`on` / `off`，默认 `on`）。
+只有环境变量 `PLAIN_TALK_DEFAULT`（`on` / `off`，默认 `on`）。
 
 ## 注意
 
 * 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。
+* 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。
 * 默认开启时每个请求多约 590 input token。
 

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "dsh-plain-talk",
-  "version": "0.1.6",
+  "version": "0.1.7",
   "description": "Composer toggle that shapes replies: conclusion first, inline quotes, no cross-turn references",
   "type": "module",
   "license": "MIT",