pi-dsh-mimic 0.1.0

package/docs/advanced.zh-CN.md

@@ -0,0 +1,151 @@
+[English](advanced.md) · [返回使用说明](../README.zh-CN.md) · [完整证据账本](project2-evidence.md)
+
+# 用 DSH Minimal 启动 V4 Pro，再回到 Pi
+
+`pi-dsh-mimic` 只模拟 DSH 最有价值的一小段：第一次模型请求。真实任务进入 Minimal
+persona 与 `bash/str_replace_editor` 两工具环境，V4 Pro 由此进入已验证的高能力工程
+轨迹；第一次有效响应后，请求恢复为 Pi 原生格式，模型继续使用 Pi 的完整工具目录和其他
+插件。
+
+这条路线不需要复刻完整 DSH harness。DSH Minimal 提供首请求的训练接口，Pi 继续负责
+session、工具执行、文件编辑和插件组合。用户既能获得 Project2 中反复出现的 96–98 分
+能力档，也保留了 Pi 作为成熟 Agent runtime 的优势。
+
+## 实验口径
+
+本地实验使用 Project2 V4.1b，冻结于提交
+`04255b55f16c4439e538239fb9783070c4165081`。同一运行中断后续跑时，只记录最终交卷分；
+错误 project root、零 token 配置失败和重复评分不计作新样本。
+
+`We need`、`Let me` 和 reasoning block 数量用于识别推理轨迹。最终判断来自 F3 的
+ambient-session 安全边界、F6 数据库迁移、F8 ESP 契约、hidden tests 和完整交付。
+Evaluator IDs 与排除项见[证据账本](project2-evidence.md)。
+
+## DSH Minimal 证明能力可达
+
+外部同题结果给出了清楚的校准：DSH Minimal 在相同 WSL/max/build 条件下得到 99、96，
+Standard 为 91，PTC 为 92。后来的 Anchored Standard 又在首次工具调用后从两个工具恢复
+到 25 个工具，并得到 98、99。
+
+这些结果揭示了两个关键事实：首请求的 persona 与 schema 会影响 V4 Pro 的工程轨迹；
+轨迹建立后，完整工具目录并不会自动破坏它。`pi-dsh-mimic` 把这两个事实带进 Pi。
+
+## Pi 中的决定性对照
+
+同批本地对照把主要差异定位到首请求：
+
+| 运行 | 首请求与后续执行 | 分数 | 关键结果 |
+| --- | --- | ---: | --- |
+| 默认 Pi baseline | 完整 Pi prompt 与 5 个工具，全程 native | 92 | F3 11，F6 10，F8 6 |
+| 早期 Minimal 模拟原型 | 原任务进入 Minimal 两工具首包；首次工具调用后恢复 Pi；不重放 Pi context | **98** | F3 16，F6 10，F8 7，hidden 44/45 |
+
+98 分轨迹在约第 107 个 assistant response 推翻了自己早期的 ambient fallback：敏感
+context 必须显式携带 `session_id`，voice 路径先取得 current session 再传回。这个自纠
+直接解释了 F3 16/16，比首行短语更接近真正的能力差异。
+
+## 负结果如何收窄实现
+
+后续实验逐项排除了其他解释：
+
+| 问题 | 实验条件 | 结果 | 实现选择 |
+| --- | --- | ---: | --- |
+| 是否需要额外身份轮 | zero-tool Whoami | 93 | 原任务直接进入请求 #1 |
+| 是否只要减少工具数量 | Pi 原生 `bash/read` | 93 | 首请求使用 DSH Minimal schema |
+| 是否应先强迫模型说出轨迹指纹 | Wire Think | 94；F3 16，F6 6 | 不注入或追求 `We need` |
+| 是否应全程模拟 DSH wire | 持续 DSH wire | 94；F3 11 | 第一次有效响应后恢复 Pi 原生请求 |
+| 是否应在恢复后重放 Pi system context | 完整 context 重放 | 90；F6 8 | 保持 Minimal persona，不重放完整 Pi context |
+| 近似的 Minimal 表面是否足够 | 近似 Minimal → Pi 原生 | 93，首行回到 `Let me` | 以实际 98 分首包作为实现基准 |
+
+另一次相同流程复现实验得到 96，并保持 F3 16/16；主要波动来自 ESP 静态完成度。
+
+## 从实验原型到当前实现
+
+同一请求流程随后在两个干净实现中得到完整 Project2 结果：
+
+| 实现 | Provider | 分数 | F3 | F6 | F8 |
+| --- | --- | ---: | ---: | ---: | ---: |
+| 首次 package 化实现 | DeepSeek 官方 API | 96 | 16 | 8 | 7 |
+| 当前独立实现 `0.1.0` | OpenCode Go | **98** | 16 | 10 | 7 |
+
+OpenCode Go 的初始请求在生成 token 前遇到账户 opt-in 403。同一 session 完成 opt-in 后
+续跑，模型最终自然 `stop` 并得到 98。这次运行验证了当前实现能够通过 OpenCode Go
+进入同一高分档。
+
+DeepSeek 官方 API 与 OpenCode Go 都得到 96–98 分，当前能力差异无需再用“OpenCode
+提供的 V4 更弱”解释。
+
+## 为什么 Pi 插件仍然可用
+
+| | Bootstrap 请求 | 执行阶段请求 |
+| --- | --- | --- |
+| System persona | `You are a helpful software engineer assistant.` | 保持不变 |
+| User 历史 | 原始任务，包括 Pi 原生图片 block | 不变 |
+| Provider 可见工具 | `bash`、`str_replace_editor` | Pi 当下完整目录，包括其他插件工具 |
+| Provider payload | DSH Minimal 形状；移除 Pi cache 字段 | Pi 原生编码与排序；cache 随 provider 配置 |
+
+扩展从不调用 `setActiveTools`，也不覆盖 Pi 的 `bash`、`read`、`edit` 或 `write`。它只在
+目标新 session 武装时注册一个可执行 `str_replace_editor`。请求 #2 起，Pi 重新掌管
+provider payload 和 active catalog，其他 package 的工具会自然出现。
+
+这正是 mimic 与完整 harness port 的区别：它只负责让首请求进入 DSH Minimal 分布，
+任务执行仍由 Pi 负责。
+
+## 产品行为与证据
+
+| 当前行为 | 主要证据 |
+| --- | --- |
+| 只武装目标 provider/model 的新 session | 已有对话无法还原真实 bootstrap；隔离测试覆盖目标与非目标模型 |
+| 原任务直接进入请求 #1 | 早期原型 98；Whoami 93 |
+| 请求 #1 使用 Minimal persona 与 DSH 两项 schema | Pi 原生 `bash/read` 93；近似 Minimal 93 |
+| 第一次有效响应后恢复 Pi 原生执行 | one-shot 96–98；持续 DSH wire 94 |
+| 保持 Minimal persona，不重放完整 Pi system context | context replay 90 |
+| Provider error 或 aborted response 不消耗 bootstrap | 错误重试、阶段持久化和 crash-stale 恢复测试 |
+
+## 轨迹与工具规模
+
+按不区分大小写统计，默认 Pi baseline 的 78 个 reasoning blocks 中出现了 156 次
+`let me`，98 分原型的 135 个 blocks 中只有 1 次；按精确大小写统计则为 115 对 1。
+这个差异能快速显示首请求是否改变了模型的推理习惯。
+
+完整 11 组运行的 assistant、reasoning、`We need / Let me`、tool calls、工具种类和
+stopReason 已整理进[证据账本](project2-evidence.md)。工具量本身不决定能力：持续 DSH
+wire 调用 225 次工具只得到 94，早期原型调用 148 次得到 98；当前实现使用
+`bash/read/edit/write` 共 193 次并得到 98。
+
+持续 DSH wire 同样很少出现 `Let me`，Wire Think 也从 `We need` 开始却只有 94。
+插件只观察这些短语，不向 prompt 注入它们。
+
+## 实现验证
+
+TypeScript typecheck 已通过，13 项自动化测试全部通过：12 项覆盖两个 provider、图片、
+错误重试、文本晋升、session resume、crash-stale 恢复、已有对话隔离和非目标模型隔离；
+另 1 项验证 session 统计工具。
+Editor 测试覆盖 create、view、unique replace、insert、相对路径拒绝和歧义替换拒绝。
+
+OpenCode Go bash-first 与 editor-first 离线回环通过 Pi 的真实 package loader 和 provider
+路径捕获两个请求，全程 `realModelCalls=0`。请求 #2 恢复
+`read/bash/edit/write/str_replace_editor`，并携带真实工具结果。归一 user task 后，新请求
+#1 与历史 98 分 capture 在消息、字段顺序、schema、`strict:false` 和序列化结构上逐项
+相等。
+
+## 分数细节与重开条件
+
+98 分原型和可核验的 DSH Minimal 99 都通过 hidden 44/45、F3 16/16，只错相同的 1 分
+F12 拒绝原因字符串。原型的另一个失分来自 grader 只识别特定 readiness 函数名；实现
+本身已经检查 Wi-Fi、UID、room 和 bed。本文按评分器原分报告。
+
+当前 Project2 请求流程已有四次 96–98 分结果。新任务、模型或服务版本变化、provider
+payload 实质变化，或新的完整任务结果，才需要重新运行付费实验。
+
+## 来源与归属
+
+Minimal persona、bash 描述、editor 描述和 function schema 来自
+[DeepSeek Harness](https://github.com/deepseek-ai/deepseek-harness) 的公开 Minimal 协议；
+精确 commit 与许可声明见 [LICENSE](../LICENSE) 和 [NOTICE](../NOTICE)。外部 Project2
+校准来自 [`xiaobright/modeltest`](https://github.com/xiaobright/modeltest) 与
+[`xiaobright/dsh-anchored-standard`](https://github.com/xiaobright/dsh-anchored-standard)。
+
+当前源码依据 DeepSeek Harness Minimal 协议、本项目捕获的请求和本项目实验实现，没有
+参考或移植 [`kxh4892636/pi-deepseek-anchor`](https://github.com/kxh4892636/pi-deepseek-anchor)
+的源码。早期探索中曾加载该 extension 验证 Pi 上的两阶段路径，因此证据账本保留这项
+运行 provenance；当前实现、自动化测试、离线回环和 Project2 评分均由本项目完成。

package/docs/project2-evidence.md

@@ -0,0 +1,230 @@
+[返回实验与设计](advanced.zh-CN.md) · [使用说明](../README.zh-CN.md)
+
+# pi-dsh-mimic Project2 证据账本
+
+> **Owner:** `pi-dsh-mimic` 维护者
+>
+> **状态:** 当前请求流程的 Project2 实验已收束；满足更新条件时重开
+>
+> **基准:** Project2 V4.1b，冻结提交 `04255b55f16c4439e538239fb9783070c4165081`
+>
+> **最后整理:** 2026-08-17
+>
+> **更新条件:** 新的完整 Pi Project2 评分、同树 ESP-IDF build 证据，或本文引用来源的实质更正。
+
+本文记录支持当前实现的完整结果、纳入与排除规则、外部校准和来源关系。原始 run、
+trajectory、provider capture 与 grader 输出由维护者实验归档保存，不随仓库分发。
+
+## 计分口径
+
+- 同一运行中断后续跑，只保留最终交卷分；续跑前分数属于中间状态。
+- `We need`、`Let me` 和 reasoning block 数量只作轨迹指纹。
+- F3、迁移、ESP 契约、hidden tests 和最终交付决定能力判断。
+- Grader 的词法盲点可以解释，但不改写原分。
+
+## 当前结论
+
+1. 同批决定性对照是 **默认 Pi 92 → 早期 Minimal 模拟原型 98**。
+2. 相同 one-shot 请求流程的四次最终结果为 **98、96、96、98**，均保持 F3 16/16。
+3. 高分流程是：原任务进入 Minimal 两工具首包；第一次有效响应后恢复 Pi 原生完整目录；
+   Minimal persona 保持；不重放完整 Pi system context。
+4. 持续 DSH wire、Whoami、Wire Think、Pi 原生 `bash/read` 和 context 重放都没有提供更好
+   的完整任务结果。
+5. DeepSeek 官方 API 与 OpenCode Go 都进入 96–98 分档。
+
+## 完整运行
+
+本表只列最终且可解释的运行。
+
+| 运行 | 首请求与后续执行 | 指纹 | 分数 | 关键分项 | 对实现的意义 |
+| --- | --- | --- | ---: | --- | --- |
+| 默认 Pi baseline | 完整 Pi prompt + 5 工具，全程 native | `Let me` | **92** | F3 11，F6 10，F8 6 | 默认对照；ambient-session 少 5 分 |
+| 早期 Minimal 模拟原型 | 原任务 + Minimal + DSH `bash/editor`；随后 Pi 原生 5 工具；不重放 context | `We need` | **98** | F3 16，F6 10，F8 7 | 首次证明 Pi 能进入高能力轨迹 |
+| 首次 package 化实现 | 同一首包；随后 Pi 原生；同 session 续过一次 402 | `We need` | **96** | F3 16，F6 8，F8 7 | 干净 package 复现目标轨迹；迁移少 2 分 |
+| 当前独立实现 `0.1.0` | 初始首包遇 403；opt-in 后同 session 续跑并恢复 Pi 原生 | `We need` | **98** | F3 16，F6 10，F8 7 | OpenCode Go 再次进入同一高分档 |
+| 持续 DSH wire | 同一首包；后续请求继续 DSH 规范化 | `We need` | **94** | F3 11，F6 10，F8 8 | 指纹保持，关键安全判断没有保持 |
+| Pi context 重放 | 同一首包；随后 Pi 原生，但把完整 system context 作为额外 user message | `We need` | **90** | F3 11，F6 8，F8 6 | 额外 context 增加干扰，迁移退化 |
+| 同流程复现实验 | 同一首包；随后 Pi 原生；不重放 context | `We need` | **96** | F3 16，F6 10，F8 5 | 高分区间复现；ESP 静态完成度较低 |
+| 近似 Minimal → Pi 原生 | 旧的近似 Minimal 首包，随后 Pi 原生 | `Let me` | **93** | F3 11，F6 10，F8 7 | 请求表面近似不足以命中同一轨迹 |
+| Pi 原生 `bash/read` | Minimal persona + Pi 原生 `bash/read`，随后完整 Pi | `Let me` | **93** | F3 11，F6 10，F8 7 | 两个工具本身不是触发条件 |
+| Wire Think | 全工具可见；首轮禁止工具后再执行 | `We need` | **94** | F3 16，F6 6，F8 7 | 指纹和 F3 正确仍不足以保证迁移 |
+| Whoami | 0-tool `你是谁`；随后原任务 + 完整 Pi | `We need` | **93** | F3 11，F6 10，F8 7 | 额外身份轮没有提升完整任务结果 |
+
+对应 evaluator IDs（按表中顺序）：
+
+1. `20260816_194641`
+2. `20260816_194701`
+3. `20260817_122813`
+4. `20260817_161004`
+5. `20260816_224400`
+6. `20260816_234202`
+7. `20260817_002358`
+8. `20260817_045709`
+9. `20260817_064341`
+10. `20260817_071127`
+11. `20260817_074443`
+
+## 98 分原型与 DSH Minimal 99
+
+- 两者的 hidden 都是 44/45、F3 都是 16/16，只错相同的 1 分 F12 原因字符串：实现返回
+  `not_authenticated`，grader 要求 `not_authorized_for_target`。
+- 原型的 F8 唯一失败是 `V4-F8-08`。实现中的
+  `device_config_is_network_ready()` 已检查 `wifi_ssid`、`wifi_password`、
+  `bemfa_uid`、`room` 和 `bed`；grader 只接受另外三个函数名。
+- 轨迹约在第 107 个 assistant response 推翻早期 ambient fallback，改成敏感 context
+  必须显式携带 `session_id`，voice 路径先取 current session 再传回。这个自纠解释了
+  F3 16/16。
+
+## 当前实现的 OpenCode Go 运行
+
+- evaluator `20260817_161004` 为 98：hidden 44/45、F3 16、F6 10、F8 7。
+- 初始 `system,user` 首包与历史 capture 逐字节相等，但在生成 token 前被账户 opt-in 的
+  403 拒绝；同一 session 续跑后的成功 bootstrap 为 `system,user,user`。
+- 首个成功工具调用后恢复 `read/bash/edit/write/str_replace_editor` 与 Go provider 原生
+  envelope。
+- 同一 session 最终自然 `stop`：160 个成功 assistant responses、193 次工具调用、
+  156 个 reasoning blocks，`Let me=0`。
+
+这次结果证明当前实现通过 OpenCode Go 得到 98。由于成功 bootstrap 发生在续跑后，不能
+用它单独证明字节完全相同的首次成功请求导致了该分数。
+
+## 轨迹、工具与 stopReason
+
+统计由只读脚本 [`scripts/session-stats.mjs`](../scripts/session-stats.mjs) 从每个运行最终
+保存的 Pi session JSONL 生成。恢复运行的 session 文件已经包含完整逻辑状态，因此没有
+再叠加 `pi-resume-*` 或 `pi-audit-*` event log，避免重复计数。
+
+“成功 assistant”只计 `stopReason=toolUse` 或 `stop` 的 assistant message；reasoning
+blocks 只计 assistant content 中的 `thinking` block。`We need` 与 `Let me` 在 thinking
+文本中按大小写精确匹配，同时保留不区分大小写的对照。
+
+| 运行 | 分数 | 成功 assistant | Reasoning blocks | 精确 `We need` | 精确 `Let me` | 不区分大小写 `we need / let me` |
+| --- | ---: | ---: | ---: | ---: | ---: | --- |
+| 默认 Pi baseline | 92 | 113 | 78 | 0 | 115 | 2 / 156 |
+| 早期 Minimal 模拟原型 | 98 | 149 | 135 | 8 | 1 | 10 / 1 |
+| 首次 package 化实现 | 96 | 147 | 147 | 11 | 0 | 11 / 0 |
+| 当前独立实现 `0.1.0` | 98 | 160 | 156 | 7 | 0 | 7 / 0 |
+| 持续 DSH wire | 94 | 196 | 190 | 6 | 2 | 7 / 2 |
+| Pi context 重放 | 90 | 189 | 184 | 6 | 0 | 8 / 0 |
+| 同流程复现实验 | 96 | 160 | 155 | 10 | 0 | 12 / 0 |
+| 近似 Minimal → Pi 原生 | 93 | 159 | 156 | 11 | 10 | 13 / 11 |
+| Pi 原生 `bash/read` | 93 | 184 | 182 | 7 | 12 | 8 / 13 |
+| Wire Think | 94 | 123 | 118 | 10 | 5 | 13 / 5 |
+| Whoami | 93 | 169 | 164 | 7 | 1 | 7 / 1 |
+
+早期账本中的 baseline `Let me=156` 使用了不区分大小写统计；精确大小写计数为 115。
+后续引用应标明统计口径。
+
+| 运行 | Tool calls | 工具种类与次数 | stopReason 分布 |
+| --- | ---: | --- | --- |
+| 默认 Pi baseline | 157 | `bash` 79，`edit` 32，`read` 30，`write` 16 | `toolUse` 112，`stop` 1，`error` 1 |
+| 早期 Minimal 模拟原型 | 148 | `bash` 83，`edit` 49，`write` 16 | `toolUse` 148，`stop` 1 |
+| 首次 package 化实现 | 189 | `bash` 82，`read` 48，`edit` 42，`write` 17 | `toolUse` 146，`stop` 1，`error` 2 |
+| 当前独立实现 `0.1.0` | 193 | `bash` 98，`read` 49，`edit` 31，`write` 15 | `toolUse` 159，`stop` 1，`error` 1 |
+| 持续 DSH wire | 225 | `bash` 94，`edit` 65，`read` 53，`write` 13 | `toolUse` 195，`stop` 1 |
+| Pi context 重放 | 220 | `bash` 76，`edit` 66，`read` 63，`write` 15 | `toolUse` 188，`stop` 1 |
+| 同流程复现实验 | 176 | `bash` 176 | `toolUse` 159，`stop` 1，`error` 1 |
+| 近似 Minimal → Pi 原生 | 201 | `bash` 93，`read` 46，`edit` 45，`write` 17 | `toolUse` 158，`stop` 1，`error` 1 |
+| Pi 原生 `bash/read` | 204 | `bash` 120，`edit` 48，`read` 19，`write` 17 | `toolUse` 183，`stop` 1 |
+| Wire Think | 134 | `bash` 81，`edit` 37，`write` 16 | `toolUse` 121，`stop` 2 |
+| Whoami | 195 | `read` 67，`bash` 59，`edit` 55，`write` 14 | `toolUse` 167，`stop` 2，`error` 1 |
+
+这两张表带来三个直接观察：
+
+- 工具调用更多不代表分数更高。持续 DSH wire 调用了 225 次工具，仍只有 94；早期原型
+  只调用 148 次工具，得到 98。
+- 高分轨迹能够使用 Pi 原生工具。当前实现调用 `bash/read/edit/write` 共 193 次并得到
+  98；同流程复现实验甚至只调用 `bash`，仍得到 96。
+- 完整 Project2 运行没有调用 `str_replace_editor`，因为模型在首包选择了 `bash`。
+  Editor-first 离线回环单独验证了该工具可以真实执行。Project2 也没有加载额外 Pi
+  package；插件工具在恢复后的可见性由离线组合测试验证。
+
+所有最终 session 的 stopReason 分布都包含 `stop`。Wire Think 与 Whoami 各含两个
+`stop` message，分别对应额外思考/身份轮与后续任务。`error` 记录保留了运行中的 provider
+错误或续跑边界，不计入成功 assistant 数量。
+
+## 实现选择
+
+1. **真实任务直接进入首请求。** 早期原型得到 98；Whoami 只有 93。
+2. **首请求使用 DSH Minimal persona 与 `bash/str_replace_editor` schema。** Pi 原生
+   `bash/read` 只有 93。
+3. **第一次有效响应后恢复 Pi 原生执行。** 持续 DSH wire 只有 94，并会妨碍 Pi 原生
+   cache、消息编码和插件工具。
+4. **保持 Minimal persona，不重放完整 Pi system context。** Context 重放实验只有 90。
+5. **首包以实际 98 分 capture 为基准。** 近似 Minimal 的运行回到 `Let me` 并得到 93。
+
+## 不纳入主表的工件
+
+- `20260816_1845_project2_v4pro_pair01` 没有完整 `run.json`。
+- evaluator `20260816_224346` 误把 `workspace/` 当 project root；正确评分为同目录的
+  `20260816_224400`。
+- 同流程复现与 Whoami 的较低分是续跑前中间交卷。
+- 近似 Minimal → Pi 原生的两个 93 是同一运行的重复评分。
+- `20260817_131349_opencode_zen_pi_dsh_anchor_0_3_0_project2` 是错误 Zen route 的零
+  token、零费用配置失败。名称保留为实验归档定位，不代表公开 package 版本。
+
+## 离线实现证据
+
+当前 package 不接管 active catalog，也不覆盖 Pi 的 `bash/read/edit/write`。DeepSeek
+官方与 OpenCode Go 两条 provider 路径只在目标新 session 中注册可执行
+`str_replace_editor`：
+
+- 请求 #1：`system,user`、原始任务、Minimal persona、`bash/str_replace_editor`，无 Pi
+  cache 字段；
+- 请求 #2：恢复 Pi 原生 messages、provider envelope 和
+  `read/bash/edit/write/str_replace_editor`；
+- TypeScript typecheck 通过，12 项 package 行为/manifest 测试与 1 项 session 统计工具测试
+  全部通过；
+- OpenCode Go bash-first 与 editor-first 离线回环成功，`realModelCalls=0`；
+- editor 的实际文件读取结果进入请求 #2；
+- 归一 user task 后，新请求 #1 与历史 98 分 capture 在字段顺序、消息、schema、
+  `strict:false` 和序列化结构上逐项相等。
+
+这些检查验证请求机制。完整模型运行提供能力分。
+
+## 外部校准与来源关系
+
+### DeepSeek Harness 与 Project2
+
+当前实现使用 DeepSeek Harness 的公开 Minimal persona、工具说明和 function schemas。
+精确 commit 与 MIT 声明见 package 的 [NOTICE](../NOTICE)。
+
+Project2 benchmark、外部分析和 DSH 结果来自：
+
+- [`xiaobright/modeltest` V4 Pro harness 分析](https://github.com/xiaobright/modeltest/blob/main/docs/v4.1/DEEPSEEK_V4_PRO_HARNESS_ANALYSIS_20260814.md)
+- [Minimal 99](https://github.com/xiaobright/modeltest/blob/main/evaluator/results/20260813_230337/summary.json)
+- [Standard 91](https://github.com/xiaobright/modeltest/blob/main/evaluator/results/20260814_133328/summary.json)
+- [PTC 92](https://github.com/xiaobright/modeltest/blob/main/evaluator/results/20260814_140756/summary.json)
+- [`dsh-anchored-standard` Issue #60](https://github.com/xiaobright/dsh-anchored-standard/issues/60)
+
+两次 Anchored Standard 98/99 实际来自 Windows `pwsh/read → 25 tools`。它们证明首包后
+恢复完整工具可行，不给后来 `bash/str_replace_editor` 实现继承分数。
+
+### 早期外部 Pi extension
+
+早期探索中有一次 98 分运行加载了
+[`kxh4892636/pi-deepseek-anchor`](https://github.com/kxh4892636/pi-deepseek-anchor)。
+这只记录该次运行使用了什么 extension；当前源码没有参考或移植该仓库的源码。
+
+2026-08-17 核对其 HEAD `d369f9664d2c710c259b9a186e69ce4c76e1bf5e` 时，仓库共有
+8 个文件，没有 test/spec 路径或自动化测试文件，也没有公开的 Pi Project2 grader/build
+工件。因此本文不使用该仓库自己的分数主张作为证据。表中的 98 来自本项目保存的运行与
+evaluator。
+
+## 当前决定
+
+- 产品名为 `pi-dsh-mimic`，首个公开版本为 `0.1.0`。
+- 默认流程固定为 task-bearing one-shot：请求 #1 模拟 DSH Minimal，请求 #2 恢复 Pi。
+- 同时支持 Pi 的 `deepseek` 与 `opencode-go` provider。
+- Minimal persona 保持；完整 Pi system context 不重放。
+- Project2 同一请求流程已有四次 96–98，不继续重复付费运行。
+- 新任务、模型或服务版本变化、provider payload 实质变化，或新的完整任务结果可以重开
+  实验。
+
+## 工件可用性
+
+完整 trajectory、provider capture、grader 输出和构建树保留在维护者实验归档中，没有
+作为仓库的一部分公开。本文提供 evaluator IDs、结果、排除规则和外部来源。
+
+若以后公开 capture 或运行摘要，应先移除任务中的私有材料、凭据、请求头和无关源码，
+并保留足以对应本文运行与 evaluator 的标识。

package/package.json

@@ -0,0 +1,70 @@
+{
+  "name": "pi-dsh-mimic",
+  "version": "0.1.0",
+  "description": "Unlock DeepSeek V4 Pro's DSH Minimal capability in Pi while keeping Pi's full plugin ecosystem",
+  "type": "module",
+  "main": "./src/index.ts",
+  "license": "MIT",
+  "keywords": [
+    "pi",
+    "pi-package",
+    "pi-extension",
+    "deepseek",
+    "deepseek-v4-pro",
+    "dsh",
+    "dsh-minimal",
+    "mimic",
+    "pi-plugins"
+  ],
+  "repository": {
+    "type": "git",
+    "url": "git+https://github.com/Utopia-V/mixagents.git",
+    "directory": "packages/pi-dsh-mimic"
+  },
+  "homepage": "https://github.com/Utopia-V/mixagents/tree/main/packages/pi-dsh-mimic#readme",
+  "bugs": {
+    "url": "https://github.com/Utopia-V/mixagents/issues"
+  },
+  "files": [
+    "src",
+    "scripts/session-stats.mjs",
+    "docs/advanced.md",
+    "docs/advanced.zh-CN.md",
+    "docs/project2-evidence.md",
+    "README.md",
+    "README.zh-CN.md",
+    "SECURITY.md",
+    "LICENSE",
+    "NOTICE"
+  ],
+  "publishConfig": {
+    "access": "public"
+  },
+  "pi": {
+    "extensions": [
+      "./src/index.ts"
+    ]
+  },
+  "engines": {
+    "node": ">=22.19.0"
+  },
+  "peerDependencies": {
+    "@earendil-works/pi-ai": "*",
+    "@earendil-works/pi-coding-agent": "*",
+    "typebox": "*"
+  },
+  "devDependencies": {
+    "@earendil-works/pi-ai": "0.84.2",
+    "@earendil-works/pi-coding-agent": "0.84.2",
+    "@types/node": "24.12.4",
+    "tsx": "4.20.6",
+    "typebox": "1.3.7",
+    "typescript": "5.9.3"
+  },
+  "scripts": {
+    "test": "tsx --test test/*.test.ts test/*.test.mjs",
+    "typecheck": "tsc --noEmit -p tsconfig.json",
+    "check": "npm run typecheck && npm test",
+    "pack:check": "npm pack --dry-run"
+  }
+}

package/scripts/session-stats.mjs

@@ -0,0 +1,117 @@
+#!/usr/bin/env node
+
+import { readFileSync } from "node:fs";
+import { basename, resolve } from "node:path";
+import { fileURLToPath } from "node:url";
+
+function countOccurrences(source, needle) {
+  let count = 0;
+  let offset = 0;
+  while (true) {
+    const index = source.indexOf(needle, offset);
+    if (index === -1) return count;
+    count += 1;
+    offset = index + needle.length;
+  }
+}
+
+function increment(counter, key) {
+  counter.set(key, (counter.get(key) ?? 0) + 1);
+}
+
+function orderedCounts(counter) {
+  return Object.fromEntries(
+    [...counter.entries()].sort(([leftName, leftCount], [rightName, rightCount]) =>
+      rightCount - leftCount || leftName.localeCompare(rightName)),
+  );
+}
+
+export function summarizeSession(serialized, label = "session.jsonl") {
+  const stopReasons = new Map();
+  const tools = new Map();
+  let assistantMessages = 0;
+  let successfulAssistantResponses = 0;
+  let reasoningBlocks = 0;
+  let exactWeNeed = 0;
+  let exactLetMe = 0;
+  let normalizedWeNeed = 0;
+  let normalizedLetMe = 0;
+  let toolCalls = 0;
+  let lastSerializedAssistantStopReason = null;
+
+  const lines = serialized.split(/\r?\n/);
+  for (let index = 0; index < lines.length; index += 1) {
+    const line = lines[index].trim();
+    if (line === "") continue;
+
+    let entry;
+    try {
+      entry = JSON.parse(line);
+    } catch (error) {
+      throw new Error(`${label}:${index + 1}: invalid JSON: ${error.message}`);
+    }
+
+    if (entry?.type !== "message" || entry.message?.role !== "assistant") continue;
+    const message = entry.message;
+    assistantMessages += 1;
+    const stopReason = typeof message.stopReason === "string" ? message.stopReason : "unknown";
+    increment(stopReasons, stopReason);
+    lastSerializedAssistantStopReason = stopReason;
+    if (stopReason === "toolUse" || stopReason === "stop") {
+      successfulAssistantResponses += 1;
+    }
+
+    for (const block of Array.isArray(message.content) ? message.content : []) {
+      if (block?.type === "thinking") {
+        reasoningBlocks += 1;
+        const reasoning = typeof block.thinking === "string"
+          ? block.thinking
+          : typeof block.text === "string"
+            ? block.text
+            : "";
+        exactWeNeed += countOccurrences(reasoning, "We need");
+        exactLetMe += countOccurrences(reasoning, "Let me");
+        const normalized = reasoning.toLowerCase();
+        normalizedWeNeed += countOccurrences(normalized, "we need");
+        normalizedLetMe += countOccurrences(normalized, "let me");
+      }
+
+      if (block?.type === "toolCall") {
+        toolCalls += 1;
+        increment(tools, typeof block.name === "string" ? block.name : "unknown");
+      }
+    }
+  }
+
+  return {
+    file: label,
+    assistantMessages,
+    successfulAssistantResponses,
+    reasoningBlocks,
+    phrases: {
+      exact: { "We need": exactWeNeed, "Let me": exactLetMe },
+      normalized: { "we need": normalizedWeNeed, "let me": normalizedLetMe },
+    },
+    toolCalls,
+    tools: orderedCounts(tools),
+    stopReasons: orderedCounts(stopReasons),
+    lastSerializedAssistantStopReason,
+  };
+}
+
+function main(paths) {
+  if (paths.length === 0) {
+    process.stderr.write("Usage: node scripts/session-stats.mjs <pi-session.jsonl> [...]\n");
+    process.exitCode = 2;
+    return;
+  }
+
+  const summaries = paths.map((path) =>
+    summarizeSession(readFileSync(path, "utf8"), basename(path)));
+  process.stdout.write(`${JSON.stringify(summaries, null, 2)}\n`);
+}
+
+const invokedPath = process.argv[1] === undefined ? "" : resolve(process.argv[1]);
+if (invokedPath === fileURLToPath(import.meta.url)) {
+  main(process.argv.slice(2));
+}

package/src/constants.ts

@@ -0,0 +1,33 @@
+export const TARGET_MODEL_ID = "deepseek-v4-pro";
+
+export const TARGET_PROVIDERS = ["deepseek", "opencode-go"] as const;
+
+export const MINIMAL_PERSONA = "You are a helpful software engineer assistant.";
+
+export const STATE_ENTRY_TYPE = "pi-dsh-mimic/session-stage";
+
+export const BOOTSTRAP_TOOL_NAMES = ["bash", "str_replace_editor"] as const;
+
+// These descriptions are part of DeepSeek Harness's public Minimal protocol.
+export const MINIMAL_BASH_DESCRIPTION = `Run commands in a bash shell
+* When invoking this tool, the contents of the "command" parameter does NOT need to be XML-escaped.
+* You don't have access to the internet via this tool.
+* You do have access to a mirror of common linux and python packages via apt and pip.
+* State is persistent across command calls and discussions with the user.
+* To inspect a particular line range of a file, e.g. lines 10-25, try 'sed -n 10,25p /path/to/the/file'.
+* Please avoid commands that may produce a very large amount of output.
+* Please run long lived commands in the background, e.g. 'sleep 10 &' or start a server in the background.`;
+
+export const EDITOR_DESCRIPTION = `Custom editing tool for viewing, creating and editing files
+* State is persistent across command calls and discussions with the user
+* If \`path\` is a file, \`view\` displays the result of applying \`cat -n\`. If \`path\` is a directory, \`view\` lists non-hidden files and directories up to 2 levels deep
+* The \`create\` command cannot be used if the specified \`path\` already exists as a file
+* If a \`command\` generates a long output, it will be truncated and marked with \`<response clipped>\`
+
+Notes for using the \`str_replace\` command:
+* The \`old_str\` parameter should match EXACTLY one or more consecutive lines from the original file. Be mindful of whitespaces!
+* If the \`old_str\` parameter is not unique in the file, the replacement will not be performed. Make sure to include enough context in \`old_str\` to make it unique
+* The \`new_str\` parameter should contain the edited lines that should replace the \`old_str\``;
+
+export const EDITOR_TRUNCATED_MESSAGE =
+  "<response clipped><NOTE>Search the file for the relevant line numbers, then call view again with a narrower range.</NOTE>";