dsh-yolo-mode 0.5.0 → 0.5.1

package/CHANGELOG.md

@@ -2,6 +2,41 @@
 
 本项目遵循 [Semantic Versioning](https://semver.org/)。
 
+## [0.5.1] - 2026-09-22
+
+### 修复：裁判对推理型模型恒失败（Issue #1）
+
+- **默认 `judge.maxTokens` 256 → 4096**（`lib/policy.js` 默认配置与 `normalizeConfig`
+  合并值、`lib/judge.js` 兜底值同步）。根因：推理型裁判模型把 token 预算全部消耗在
+  reasoning 块上，`maxTokens` 过小时 `content` 为空（`finish_reason=length`），裁判抛
+  `BAD_OUTPUT` 并按 `error` 回退——`balanced` 预设下表现为「每次都转人工」，而
+  `judgeConfigured:true` 掩盖了失败。用户实测 4096 为可用值（256/1024 输出为 0）。
+- **审计条目新增 `error` 字段**（`lib/index.js`）：裁判失败时写入 `JudgeError.code`
+  （`BAD_OUTPUT` / `TIMEOUT` / `STREAM_ERROR` / `NO_ADAPTER` 等），使
+  `outcome:"delegate"` 的条目可区分「裁判失败转人工」与「裁判主动授意转人工」；
+  成功路径字段形状不变（不新增 `error`）。
+- **失败可见**（`lib/state.js`）：新增 `stats.judgeFailures` 计数与
+  `judgeHealth.lastError/lastErrorTime`，经 `getStatusPayload` 以
+  `judgeErrors: { count, lastError?, lastErrorTime? }` 暴露；裁判异常不再仅停留于
+  `logger.warn`。
+- **文档**：README 标注推理型模型必须调大 `judge.maxTokens`（默认已改 4096），并补充
+  审计 `error` 字段与 `judgeErrors` 载荷说明。
+
+### 测试
+
+- `test/policy.test.mjs`：默认 `maxTokens` 断言更新为 4096。
+- `test/judge.test.mjs`：新增「未显式传 `maxTokens` → 默认 4096 传入 `llm.stream`」用例。
+- `test/state.test.mjs`：新增裁判失败时 `judgeFailures` 递增、`judgeErrors` 载荷装配用例。
+- `test/probe.test.mjs`：新增真实-Cordis 用例——裁判产出非 JSON（`BAD_OUTPUT`）→
+  审计条目带 `error:"BAD_OUTPUT"` 且回退 delegate；成功路径断言 recent 条目**不含** `error`。
+
+### 兼容性
+
+- **新增 `dsh.compatibility` 声明**（DSH STORE 上架契约）：逐版本声明
+  `dshReleases` 兼容矩阵——`0.1.5-rc.1` / `0.1.5-rc.2` / `0.1.6-alpha.2` 均为
+  `compatible`（三版本已在本机真实装载运行，插件正常加载、零错误）；`node` 范围
+  `>=20`，与 `engines.node` 一致。未实测的版本不声明（扫描时按 `unknown` 处理）。
+
 ## [0.5.0] - 2026-09-04
 
 ### 兼容：DSH 0.1.2-alpha.4

package/README.md

@@ -6,10 +6,10 @@
 
 [![npm version](https://img.shields.io/npm/v/dsh-yolo-mode)](https://www.npmjs.com/package/dsh-yolo-mode)
 [![license](https://img.shields.io/badge/license-MIT-blue.svg)](LICENSE)
-[![DeepSeek Harness](https://img.shields.io/badge/DeepSeek%20Harness-0.1.2--alpha.4-blue)](https://github.com/deepseek-ai/deepseek-harness)
+[![DeepSeek Harness](https://img.shields.io/badge/DeepSeek%20Harness-0.1.2--rc.1-blue)](https://github.com/deepseek-ai/deepseek-harness)
 [![Awesome DSH Plugin](https://awesome-dsh-plugin.com/badge.svg)](https://awesome-dsh-plugin.com)
 
-> **兼容性**：v0.5.0 支持 DSH **0.1.2-alpha.4+**（真实-Cordis 探针 125/125 通过；settings 已迁移至 alpha.4 的 `SettingsProvider` 类服务）。旧版 DSH（0.1.0-rc.6 / rc.8）请使用最后兼容的 npm 版本 **0.4.1**。
+> **兼容性**：v0.5.1 支持 DSH **0.1.2-alpha.4+**，已在当前运行时 **0.1.2-rc.1** 实测（真实-Cordis 探针通过；settings 已迁移至 alpha.4 的 `SettingsProvider` 类服务）。旧版 DSH（0.1.0-rc.6 / rc.8）请使用最后兼容的 npm 版本 **0.4.1**。
 
 ---
 
@@ -77,11 +77,13 @@ dsh plugin --profile web add <项目绝对路径>
 | `judge.model` | `string` | `''` | 裁判模型；与 provider 同非空才启用裁判 |
 | `judge.systemPrompt` | `string` | `''` | 裁判 system prompt；空 = 按预设取默认 |
 | `judge.timeoutMs` | `number` | `20000` | 单次裁判超时（毫秒） |
-| `judge.maxTokens` | `number` | `256` | 裁判输出最大 token 数 |
+| `judge.maxTokens` | `number` | `4096` | 裁判输出最大 token 数（推理型模型需调大，见下方说明） |
 | `judge.concurrency` | `number` | `2` | 并发裁判上限，溢出按错误回退 |
 | `includeSubagents` | `boolean` | `true` | 子代理会话是否同样裁决 |
 | `auditFile` | `string` | `''` | 审计日志路径；空 = `%TEMP%/dsh-yolo/judge.log` |
 
+> ⚠️ **推理型模型必须调大 `judge.maxTokens`**：若裁判模型会先输出一段内部推理（reasoning / chain-of-thought）再给出结论 JSON，则 token 预算会被推理内容消耗；预算过小时 `content` 为空、`finish_reason=length`，裁判以 `BAD_OUTPUT` 失败并回退为「转人工」（默认预设 `balanced` 下表现为**每次都弹人工审批**）。默认值已从 `256` 提升至 **`4096`**；若仍遇到回退，请继续调大（如 `8192`）。审计日志中此类失败会带 `error: "BAD_OUTPUT"`。
+
 ### 权限层级（`levels`）
 
 ```yaml
@@ -130,7 +132,8 @@ levels:
 - **防回环**：裁判 prompt 与 agent 上下文隔离，防止模型借 Web 审批回环自批准 `danger-full-access`。
 - **不改写策略**：仅在 `ask` 策略下作为应答者，不改变 DSH 的沙箱 / 审批词汇。
 - **默认保守**：默认预设 `balanced`（不确定转人工），不默认启用 `permissive` / `yolo`。
-- **审计**：每次裁决落一行 JSONL，含 `{time, sessionId, origin, toolName, callId?, targetMode, currentMode, justification, decision, outcome, reason?}`。
+- **审计**：每次裁决落一行 JSONL，含 `{time, sessionId, origin, toolName, callId?, targetMode, currentMode, justification, decision, outcome, reason?, error?}`。`error` 仅在**裁判失败**时出现（值为 `JudgeError` 错误码，如 `BAD_OUTPUT` / `TIMEOUT` / `STREAM_ERROR` / `NO_ADAPTER`）；`outcome:"delegate"` 且有 `error`＝裁判失败转人工，无 `error`＝裁判主动转人工，二者可区分。
+- **失败可见**：statusView 载荷携带 `judgeErrors: { count, lastError?, lastErrorTime? }`（累计裁判失败次数与最近一次错误码），裁判异常不再只停留在 `logger.warn`。
 
 ## 开发
 

package/lib/index.js

@@ -247,13 +247,17 @@ export function apply(ctx, rawConfig) {
 
     // 7. 裁决映射（judge 走裁判，含未配置/失败/不确定回退）。
     const judge = getJudge();
-    let judgeReason; // 裁判 reason 仅在 judge 路径产出时记录（审计 reason?）。
+    let judgeReason; // 裁判 reason 仅在 judge 路径产出时记录（审计 reason 字段）。
+    let judgeError; // 裁判失败的错误码（审计 error 字段；成功/非 judge 路径为 undefined）。
     const result = await (async () => {
       if (decision === 'allow') return { outcome: 'allowed-once' };
       if (decision === 'deny') return { outcome: 'rejected' };
       if (decision === 'delegate') return { delegate: true };
       // decision === 'judge'
-      if (!judge) return fallback('error', cfg);
+      if (!judge) {
+        judgeError = 'NO_ADAPTER'; // provider/model 未配置：与 judge.js 的 NO_ADAPTER 同语义
+        return fallback('error', cfg);
+      }
       try {
         const r = await judge({
           toolName: req.toolName,
@@ -268,6 +272,7 @@ export function apply(ctx, rawConfig) {
         if (r.decision === 'deny') return { outcome: 'rejected' };
         return fallback('unsure', cfg); // 不确定
       } catch (err) {
+        judgeError = (err && typeof err === 'object' && err.code) ? String(err.code) : 'UNKNOWN';
         logger.warn('LLM 裁判失败，按预设 error 回退', errorDescriptor(err));
         return fallback('error', cfg);
       }
@@ -275,7 +280,8 @@ export function apply(ctx, rawConfig) {
 
     const outcome = result.delegate ? 'delegate' : result.outcome;
 
-    // 8. 审计。
+    // 8. 审计。裁判失败时带 error 字段（区分「裁判失败」与「裁判主动转人工」）；
+    //    成功路径字段形状不变（不新增 error）。
     audit({
       time: Date.now(),
       sessionId: (session && session.id) || (req.agent && req.agent.id),
@@ -288,6 +294,7 @@ export function apply(ctx, rawConfig) {
       decision,
       outcome,
       reason: judgeReason,
+      ...(judgeError !== undefined ? { error: judgeError } : {}),
     });
 
     // 9. delegate → next() 透明委托；否则返回归一化 outcome。

package/lib/judge.js

@@ -151,7 +151,7 @@ function throwAbort(signal, upstream) {
  * @param {string} opts.model              model id
  * @param {string} [opts.systemPrompt]     空/缺省 → 内置裁判 prompt（含防回环要求）
  * @param {number} [opts.timeoutMs=20000]  单次裁判调用超时（毫秒）
- * @param {number} [opts.maxTokens=256]    最大输出 token
+ * @param {number} [opts.maxTokens=4096]   最大输出 token（推理型模型需调大，见 README）
  * @param {number} [opts.concurrency=2]    信号量上限
  * @param {AbortSignal} [opts.signal]      上游取消信号（ABORTED 时中止；可空）
  * @returns {Function} async judge(input) -> {{decision:'allow'|'deny'|'unsure', reason:string}}
@@ -159,7 +159,7 @@ function throwAbort(signal, upstream) {
 export function createJudge({ llm, provider, model, systemPrompt, timeoutMs, maxTokens, concurrency, signal }) {
   const sys = typeof systemPrompt === 'string' && systemPrompt.trim() !== '' ? systemPrompt : DEFAULT_SYSTEM_PROMPT
   const ms = isPositiveInt(timeoutMs) ? timeoutMs : 20000
-  const mt = isPositiveInt(maxTokens) ? maxTokens : 256
+  const mt = isPositiveInt(maxTokens) ? maxTokens : 4096
   const cap = isPositiveInt(concurrency) ? concurrency : 2
 
   // 信号量计数（活跃调用数）。进入者先同步占位，用后的 try/finally 释放。

package/lib/policy.js

@@ -87,7 +87,7 @@ function defaultConfig() {
     preset: 'balanced',
     modes: ['workspace-write'],
     levels: {},
-    judge: { provider: '', model: '', systemPrompt: '', timeoutMs: 20000, maxTokens: 256, concurrency: 2 },
+    judge: { provider: '', model: '', systemPrompt: '', timeoutMs: 20000, maxTokens: 4096, concurrency: 2 },
     includeSubagents: true,
     auditFile: '',
   }
@@ -187,7 +187,7 @@ export function normalizeConfig(raw) {
     model: jraw.model === undefined ? '' : jraw.model,
     systemPrompt: jraw.systemPrompt === undefined ? '' : jraw.systemPrompt,
     timeoutMs: jraw.timeoutMs === undefined ? 20000 : jraw.timeoutMs,
-    maxTokens: jraw.maxTokens === undefined ? 256 : jraw.maxTokens,
+    maxTokens: jraw.maxTokens === undefined ? 4096 : jraw.maxTokens,
     concurrency: jraw.concurrency === undefined ? 2 : jraw.concurrency,
   }
   for (const field of ['provider', 'model', 'systemPrompt']) {

package/lib/state.js

@@ -20,8 +20,13 @@ import { resolveAuditFile } from './audit.js'
 /** recent 环形缓冲上限（design.md §11.1/12.4，≤20）。 */
 export const RECENT_CAP = 20;
 
-/** 模块级统计计数（设计 §3.8/12.3；主条目内存写，桥接条目只读）。 */
-export const stats = { total: 0, allowed: 0, rejected: 0, delegated: 0 };
+/** 模块级统计计数（设计 §3.8/12.3；主条目内存写，桥接条目只读）。
+ *  judgeFailures 统计裁判失败次数（审计条目带 error 字段的次数），使「裁判挂了」
+ *  在状态面板可见、区别于「裁判主动转人工」。 */
+export const stats = { total: 0, allowed: 0, rejected: 0, delegated: 0, judgeFailures: 0 };
+
+/** 最近一次裁判失败的健康信息（code + 时间戳）；无失败时 lastError 为 undefined。 */
+export const judgeHealth = { lastError: undefined, lastErrorTime: undefined };
 
 /** recent 环形缓冲：新条目 unshift 到头部，超过上限截断尾部（倒序，≤RECENT_CAP）。 */
 const recent = [];
@@ -55,7 +60,8 @@ export function sessionOrigin(session) {
  * 记录一次裁决到模块级统计与 recent 环（主条目 audit() 调用）。
  * @param {object} entry 审计条目：
  *   { time, sessionId, origin, toolName?, callId?, targetMode, currentMode?,
- *     justification, decision, outcome, reason? }
+ *     justification, decision, outcome, reason?, error? }
+ *   error 仅在裁判失败时存在（JudgeError.code）；成功路径不携带该字段。
  */
 export function recordDecision(entry) {
   recent.unshift({
@@ -65,6 +71,7 @@ export function recordDecision(entry) {
     decision: entry.decision,
     outcome: entry.outcome,
     ...(entry.reason !== undefined ? { reason: entry.reason } : {}),
+    ...(entry.error !== undefined ? { error: entry.error } : {}),
   });
   if (recent.length > RECENT_CAP) recent.length = RECENT_CAP;
 
@@ -72,13 +79,18 @@ export function recordDecision(entry) {
   if (entry.outcome === 'delegate') stats.delegated += 1;
   else if (entry.outcome === 'allowed-once') stats.allowed += 1;
   else if (entry.outcome === 'rejected') stats.rejected += 1;
+  if (entry.error !== undefined) {
+    stats.judgeFailures += 1;
+    judgeHealth.lastError = entry.error;
+    judgeHealth.lastErrorTime = entry.time;
+  }
 }
 
 /**
  * 以浅拷贝装配 statusView 载荷（design.md §12.4）。
  * @param {object} cfg 含 { preset, judge?: { provider?, model? }, auditFile? } 的配置字形
  *   （主条目传 effectiveConfig()；桥接条目传 settings.describe 推导的 view 字形）
- * @returns {{preset:string, judgeConfigured:boolean, presetDefaults:object, stats:object, recent:Array<object>, auditFile:string}}
+ * @returns {{preset:string, judgeConfigured:boolean, presetDefaults:object, stats:object, judgeErrors:object, recent:Array<object>, auditFile:string}}
  */
 export function getStatusPayload(cfg) {
   const c = cfg && typeof cfg === 'object' ? cfg : {};
@@ -88,6 +100,13 @@ export function getStatusPayload(cfg) {
     judgeConfigured: Boolean(j.provider && j.model),
     presetDefaults,
     stats: { ...stats },
+    // 裁判失败健康信息：累计失败次数 + 最近一次错误码/时间（无失败时 lastError 缺省）。
+    judgeErrors: {
+      count: stats.judgeFailures,
+      ...(judgeHealth.lastError !== undefined
+        ? { lastError: judgeHealth.lastError, lastErrorTime: judgeHealth.lastErrorTime }
+        : {}),
+    },
     recent: recent.map((r) => ({ ...r })),
     // 生效的审计日志路径（resolveAuditFile 与主条目 audit() 同一解析规则），
     // 供客户端「打开日志」按钮展示/复用。

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "dsh-yolo-mode",
-  "version": "0.5.0",
+  "version": "0.5.1",
   "description": "dsh-yolo-mode —— DeepSeek Harness 双面包插件：当会话处于可写沙箱模式且审批策略为 ask 时，用大模型自动裁决沙箱升权申请，支持内置预设与自定义权限层级，并提供宿主 settings + 自发布设置桥（/yolo-mode）与 Web 客户端 UI。",
   "type": "module",
   "main": "lib/index.js",
@@ -41,14 +41,14 @@
   "peerDependencies": {
     "react": "^18.2.0",
     "@deepseek-ai/cordis": "^4.0.1",
-    "@deepseek-ai/dsh-llm": "^0.1.2-alpha.4",
-    "@deepseek-ai/dsh-timeout": "^0.1.2-alpha.4",
-    "@deepseek-ai/dsh-settings": "^0.1.2-alpha.4",
+    "@deepseek-ai/dsh-llm": "^0.1.5-rc.1",
+    "@deepseek-ai/dsh-timeout": "^0.1.5-rc.1",
+    "@deepseek-ai/dsh-settings": "^0.1.5-rc.1",
     "@deepseek-ai/dsh-host-apiproxy": "^0.1.1-rc.2",
     "@deepseek-ai/dsh-client-runtime": "^0.1.1-rc.2",
-    "@deepseek-ai/dsh-client-connection": "^0.1.2-alpha.4",
-    "@deepseek-ai/dsh-client-ui-slots": "^0.1.2-alpha.4",
-    "@deepseek-ai/dsh-client-locale": "^0.1.2-alpha.4",
+    "@deepseek-ai/dsh-client-connection": "^0.1.5-rc.1",
+    "@deepseek-ai/dsh-client-ui-slots": "^0.1.5-rc.1",
+    "@deepseek-ai/dsh-client-locale": "^0.1.5-rc.1",
     "@deepseek-ai/schemastery": "^3.18.1"
   },
   "devDependencies": {
@@ -76,6 +76,14 @@
         "connection",
         "remote"
       ]
+    },
+    "compatibility": {
+      "dshReleases": {
+        "0.1.5-rc.1": "compatible",
+        "0.1.5-rc.2": "compatible",
+        "0.1.6-alpha.2": "compatible"
+      },
+      "node": ">=20"
     }
   }
-}
+}