灰度侦察 SpookySandwich/dsh-plugin-rollout-scout

dsh-plugin-rollout-scout

服务商有时会灰度发布新的对话模型，你分到哪一个全看运气。灰度侦察会用你自己的账号开启一批临时会话，在思维链流式输出的同时读取它，并按「推理是怎么写的」打分——读起来像你手上这个旧模型的立刻中止，不像的留下来。

它是基于措辞的启发式小工具，不是权威判据。它做的每件事你都可以手动完成：开一个新会话、扫一眼思维链、关掉。

侧边栏入口

判定方式

信号在于 每个段落是怎么开头的，而不是某个短语在全文出现了多少次。若按全文累计，「Let me」会单纯因为篇幅变长而越积越多，一段本来很好的长思维链最终也会被判为差。只看开头，度量才稳定。

每段只读前 48 个字符。而关键短语往往并不在第 0 个字符：

The directory is empty. Let me create a 3D cyberpunk scene.
To avoid conflicts, I'll keep I18n.cs edits under one change.

有两个决定性信号，且刻意 不对称：

| 信号 | 效果 |
| 任意段落以 Let me 开头 | 旧模型——立即中止该轮 |
| 整条思维链 以 I'll 开头 | 灰度模型——放行跑完并保留 |

I'll 只有出现在最开头才算证据：旧模型也会在 中间某段 写「I'll create a single HTML file…」，然后隔几段又说「Let me build…」。把每个 I'll 都当证据会造成误判。

两者都没触发时，其余开头进入评分：

加成 = (规整段落 ? 1 : 0) + (有停顿 ? 1 : 0) 置信度 = (正向开头数 + 加成 + 1) / (已分类开头数 + 加成 + 2)

加成把总结链的形态本身也算作证据，因此段落规整、又有停顿的思维链在还没有任何开头被分类时就会高于 50%。它只影响这个数字：真正保留仍需要凑满「最少开头数」。

段落开头写满 48 个字符就会打分，即使模型从不换行。后出现的 Let me 会推翻 先前的保留。

灰度链路常常用一个 小模型总结思维链。总结模型经常以 We need to… 开头（所以段首 we 只记负分，不直接判死），写出 规整、一段一段的长段落，并且 输出一阵、卡住、再输出一阵。这三条都是新链路的正面证据。旧模型不规律——整段糊成一块，或夹着很短的 Let me 行。

正向开头是第一人称单数的计划语气——I'm、I am、I've、I have、I need、I think、I also、I will，以及位于开头的 For。负向开头是 Let me / Let's，以及开头里出现的任何第一人称复数（we、we need、we will、we'll …）。灰度模型用 “I”，不用 “we”。加一的先验让证据稀少时分数停在 50% 附近，不会因为一个词就给出自信判断：

| 证据 | 置信度 | 判定 |
| 暂无 | 50% | 继续观察 |
| 1 正 / 10 负 | 15% | 丢弃 |
| 5 正 / 0 负 | 86% | 保留 |

低于 低于此分即丢弃（0.35）丢弃，高于 高于此分即保留（0.7）保留，但都要先累计到 最少开头数（4）。若连续开了十段一个正向开头都没有，则放弃；思维链 以中文为主（字母中 80% 以上为汉字）则直接丢弃——英文推理里引用一句中文提示词不算。

针对灰度链路的速度与时延特征，还支持两项前置早停开关：
- 生成速度 (TPS) 上限：灰度模型流式吐字速度常在 40~50 字/秒左右（旧模型通常显著更快）。开启后一旦流式 TPS 超过指定上限（默认 60 字/秒），立刻中止该轮，在开头几秒内挽救 Token。
- 首字延迟 (TTFT) 下限：旧模型常在极短时间内（< 1~2 秒）开始输出。可设置首字延迟下限（默认 2 秒），低于此阈值立即在首个字符到达时判定为旧模型并丢弃。

分类器有基于人工标注样本的测试，此外还覆盖了接口防护、发起失败时的行为，以及删除会话的规则：

npm test

控制台

灰度侦察 位于侧边栏底部、「设置」旁边，点开就是下述整屏控制台。它注册在 sidebar.footer.action 座位上，因此与外壳自带的条目样式一致；侧边栏收起为窄栏时，它也会收成一个图标。
左栏 —— 探测提示词、模型（默认 V4-Pro / High）、并发数、存放目录，以及四项评分阈值。阈值下方是自检，再往下是各项开关：TPS 速度上限、首字延迟区间、命中强匹配时自动暂停、思维链以中文为主时丢弃、从磁盘删除旧模型会话。评分规则的长说明收在 评分是怎么算的 里，不再夹在控件中间。

操作按钮固定在左栏底部，设置滚动时不会跟着走，并按分量排列：开始 / 暂停 单独一行，强制停止 与 清空已结束 并排，删除全部会话 则是一行纯文字——它不该长得像顺手就会点到的东西。

评分阈值下方有一条自检：自检 13/13 · 已知灰度样本保留 5/5。它用当前表单里的设置，把十三条人工标注的思维链跑一遍——走的是真实探测同一套分类器，不消耗 Token、不发起探测。把「高于此分即保留」调到标注样本都够不着，它会变成橙色并列出被排除的样本。这是分辨「没找到」和「根本找不到」的办法，否则这两种情况在控制台里长得一模一样。

右栏 —— 已发起 / 进行中 / 已保留 / 已丢弃 / 最高分，下方是随探测新增与离开正常流动的最新优先队列。每行带分数条、命中短语与思维链预览。鼠标放到某一行时，只把这一行钉在当前屏幕位置，显示 固定中 并露出 保留；其他行仍可正常移动。若它正在淡出，淡出也会立刻停止，鼠标还在时不能消失。点击整张卡片打开会话；从悬停直接点进会话时，这次临时救援会带进会话界面，直到鼠标再次移动。未固定、未保留的行默认不显示保留按钮；要真正留住一个探测，请在悬停时点 保留。

固定必须收到宿主对当前这一次鼠标手势的明确确认；若请求被拒、超时或确认不匹配，界面会撤销固定，而不会显示一个实际没有保活能力的假状态。

开始 前会先提醒你确认通知设置——一次运行会开启大量会话，而 DSH Desktop 可能逐个弹通知。探测提示词以插件消息发送，本身不会触发通知；弹窗会显示桌面通知当前是否开启，并可一键关闭。勾选 不再提示 即可跳过。

开始 会变为 暂停：停止发起新探测，中止已判定为旧模型的探测，尚未判定的各自跑完。再变为 继续。强制停止 会中止所有进行中的会话。

判旧的探测先淡出约 3 秒（卡片底边一条细线收掉），期间会话还在跑；淡完才取消。这个截止时间只在首次判旧时建立，后续流式文本不会把它重置。悬停会暂停并记住剩余时间，移开后只继续这一段，不会重新赠送完整 3 秒——只有 保留 才会真正留下。

悬停时出现的 保留 是对会话文件的承诺：不淡出、不清理、不删除，且该标记在插件重载后依然有效。它不会让正在消耗 Token 的回合变成不可停止——强制停止 仍会结束该回合，但会话和保留标记都留下。判定为灰度并跑完的探测会自动保留。已保留的行会持续显示 已保留，再次点击可交回常规清理规则。

探测会话在侧边栏里会自动命名：运行时叫 灰度探测 12，命中后改为 ★ 灰度命中 12 · 87%，在一堆探测里一眼就能认出。已保留的卡片上有 重命名，可以自己起名字；起了名字就等于保留。

清空已结束 会从列表移除已完成的探测，并删除这些会话文件。删除全部会话 会清空该目录下所有探测（包括已经从列表清掉的），并把编号从 1 重新计。

如果 Rollout Scout 的持久所有权记录里存在当前控制台没有对应卡片的探测会话——插件重载、升级或应用重启都会留下这类残留——顶部会出现提示条，可一键 清理。只有插件自己生成并记录的会话 ID 才算；DSH 的空白工作区占位会话，以及用户在同一目录里手动创建的普通会话，都不会被推断成探测。

v3 所有权记录把 owned、protected、deleting 分成三个独立状态。只有会话先持久进入 deleting，才允许物理删除；因此重载后可以继续未完成的清理，而不会把每一个未保留 ID 都误当成删到一半。保留操作在当前进程内按安全侧失败：写盘失败时卡片仍受保护，并显示 重试保留（或 重试取消保留），不会反向执行用户不想要的删除。请在重启前完成重试，因为文件系统从未接受的意图，任何应用都无法在重启后凭空还原。

两者都不会动仍在流式输出或正在释放资源的探测，已保留的也不例外。暂停只是停止发起，进行中的探测仍在跑，所以此时 删除全部会话 会要求你先 强制停止，并等宿主完成释放后才允许删除，以免删掉仍在写入的会话文件。存放目录不能是主目录、磁盘根目录，也不能位于 ~/.dsh 之内——删除以该目录为范围，这些位置会把无关会话卷进去。

若连续三个探测连启动都失败（服务不可达、目录不可写等），运行会自行停止并报出错误，而不是一直重复同一个失败。点 继续 可以重试。

运行状态在宿主端，因此关掉控制台后仍会继续——侧边栏那一行的图标上带一个状态小点（侦察中呼吸闪烁、暂停为灰、命中转绿），宽栏里还会显示进行中的数量、命中后带绿色角标，悬停可看已试数量与目前最高置信度。收成窄栏后只剩这个小点可看，所以它长在图标上而不是文字里。

安装

dsh plugin --profile web add dsh-plugin-rollout-scout

安装后请重启 DSH：宿主端随服务器加载。界面跟随 DSH 显示语言（中文 / English）。

也可以直接从仓库安装，跟的是 master 而不是最近一次发布：

dsh plugin --profile web add github:SpookySandwich/dsh-plugin-rollout-scout

web 是 profile 名称，请换成你实际使用的那个。独立版启动的是 web，DSH Desktop 用的是 desktop。~/.dsh/profiles/ 下就是你现有的 profile，安装结果落在对应 profile 的 package.json 里。

lib/client.js 是构建产物，但已提交进仓库，所以从仓库安装时也无需任何构建步骤。若你修改了 plugin.client.js，请运行 npm run build 重新生成（npm test 也会顺带生成），并把结果一并提交。

工作原理

- 宿主端提供 /rollout-scout 接口，用 ctx.agents.create（不带 seed）把每个探测创建为全新会话，并通过 installModelSelection 设置模型与思考强度。
- 探测提示词以插件消息发送，这样一次运行才不会逐个探测地弹出系统通知。
- 订阅该 agent 作用域内的 session/event，从 assistant/chunk 读取 reasoning-delta（流式思维链），每收到一块就重新分类。
- 判为旧模型时调用 agent.cancel 中止该轮；判为灰度则放行至 turn/end。流式过程中最后一段会被暂时忽略（开头可能只写了一半），turn 结束后再用完整文本重新分类。
- 探测会话创建在你指定的目录下（作为一个工作区），判为旧模型的会话可选择从磁盘删除。
- /rollout-scout 监听在本地端口上，因此按本地接口的方式做了防护：写操作必须带 application/json 内容类型（这会强制浏览器发起 CORS 预检，而预检永远不会被放行），跨源的 Origin 一律拒绝。你恰好打开的某个网页无法借此发起探测或删除数据。

实现细节见 docs/：架构说明，以及所依赖的宿主行为。

兼容性

版本 1.8.0：支持官方 dsh 0.2.1-rc.5（同时保留 0.2.0-rc.2 与 0.2.1-rc.2 兼容）。将思维链起始处的签名信封（signature envelope）视为元数据剥离，防止隐藏首段散文开头、误判中止、污染预览文本或导致打分计时漂移，同时在 JSONL 持久化中完整保留原始流式数据；导航切换会话改用官方 uiWorkspace.openSession，修复各官方运行时上客户端无法打开会话的问题。

版本 1.7.0：支持官方 dsh 0.2.1-rc.2（同时保留 0.2.0-rc.2 兼容），并将探测消息的 source.kind 从已停用的通用 'plugin' 改为插件自有标识 'dsh-plugin-rollout-scout'，满足 format v4 的消息准入校验（已发布的 1.6.0 在 0.2.0-rc.2 上同样会因该校验拒绝探测，故 0.2.0-rc.2 用户也受益于此修复）。

版本 1.6.0：可在官方 dsh 0.2.0-rc.2 上加载。清理探测会话仍使用 sessionPersistence.locate，实时打分仍读取 agent/assistant-stream。

版本 1.5.0：适配 DSH 0.1.5 的 agent/assistant-stream 瞬态流式事件，保留旧事件支持并防止重复计数，兼容持久化列表的新快照结构。

声明兼容范围为 >=0.2.0-rc.2 <0.3.0-0 || 0.2.1-rc.2 || 0.2.1-rc.5；官方 dsh 0.2.0-rc.2、0.2.1-rc.2 与 0.2.1-rc.5 均满足该范围。旧版 DSH 请保留上一插件版本。验证记录。

可从 GitHub Release 下载发布包，然后执行 dsh plugin --profile desktop add ./dsh-plugin-rollout-scout-1.8.0.tgz。

本次兼容目标为 DSH 0.2.1-rc.5。运行 npm ci、npm test 和 npm run check:package 可验证构建及发布包。更新后请重启 DSH。

入口占用 sidebar.footer.action 座位（list 类型，会与其它底部操作并排，而不是把谁挤掉），控制台本体渲染在全局 shell.overlay 层。两者都不属于会话作用域，因此不与任何会话内插件冲突。需要侧边栏声明了该座位的 DSH 版本；否则控制台将没有入口。与 dsh-plugin-smooth-stream、dsh-plugin-no-workspace、dsh-plugin-message-edit 同族。

关于额度

每个探测都是一次真实的对话轮次，消耗你自己的额度。被丢弃的通常一两秒内就中止，但只要不停止，运行中的任务会一直发起新探测。并发数与各项阈值都可自行调整。

许可

MIT © SpookySandwich