chunsi-w/dsh-trajectory-governor

dsh-trajectory-governor

面向 DeepSeek Harness 的闭环 Agent 轨迹控制平面。它不是继续增强一句 persona，也不是把会话永久分成 spec/react，而是围绕真实事件流维护：

- Task Episode 与连续性关系；
- 当前工作阶段；
- 结构化信息增益；
- 修改后的验证债务；
- workspace revision 与完整 benchmark 证据；
- 同规格、带容差的性能回归判断；
- 重复调用与无新信息轨迹；
- scoped 工具能力面；
- 显式 finish 与自然结束的完成门；
- 可选的自适应 reasoning effort；
- 本地、非模型可见的决策账本。

本项目是对 dsh-mode-boost 的 clean-sheet 重构，不依赖 preset fork，也不依赖 super-injector。

已实现的闭环

真人消息被 inbox claim
-> 在第一次 prompt assembly 前建立 Task Contract
-> 判断 new / continuation / extension / correction / review / conversation
-> 必要时通过 agent.ctx.tools.restrict() 暂时隐藏 write/edit
-> agent/pre-step 在同一个请求内追加可重建的近场 policy message
-> Native tool 或 Code Mode SDK 子调用产生 durable 事件
-> 计算 observation novelty / mutation / verification
-> 修改产生 Verification Debt
-> readback + test/build/check 清偿当前 revision 的债务
-> 可选 benchmark gate 只接受当前 revision 的完整、可解析结果
-> 同 query count / concurrency / warmup 才比较 QPS，容差内不误判噪声
-> finish guard 与 turn-stopping 阻止无证据结束
-> 有限续步耗尽后要求模型明确报告 blocker
安装

要求：

- Node.js ^22.19.0 || >=24.0.0；
- DeepSeek Harness 0.1.0-rc.7（开发与集成测试基线）；peer range 兼容 0.1.0-rc.5 至 = fullBenchmarkMinQueries 且 recall >= fullBenchmarkMinRecall 才能通过当前 revision；无法解析的结果明确成为 blocker，绝不当作 pass。
- QPS 只和相同 total_queries、concurrency、warmup 的 best record 比较；1K 与 10K 不会混比。
- 同规格下降未超过 benchmarkScoreTolerancePercent 时保留为可接受噪声；超过容差时，当前 revision 不能结束，模型必须恢复已知好版本或提出并验证新假设。
- 每次已识别 mutation 或高风险 shell 写入都会使先前 benchmark 失效；新的 current-revision full pass 才会重新打开 finish。
- agent.ctx.tools.guard() 拦截已配置的显式 finish；自然结束由 agent/turn-stopping 以同一门槛处理。

Governor 只保留 benchmark best record 与状态，不直接写用户工作区。因此它不会伪造“自动 rollback”：外部 evaluator/harness 若需要真正自动恢复，必须自己提供可验证的 checkpoint/restore API。

Native 与 Code Mode

Governor 同时观察：

- Native：tool/call / tool/result；
- Code Mode：tool/code-dispatch-start / tool/code-dispatch。

因此 run_code 内部的 read/write/edit 也会更新信息增益、释放 restriction、创建并清偿验证债务。

状态工具

trajectory_policy_status

返回当前调用 Agent 自己的：

- episode / human round；
- relation / kind / phase / risk；
- artifacts；
- observed / mutated artifacts；
- 当前 restriction；
- no-information、recovery blocker 与 repeated-call 计数；
- revision-aware open verification debt；
- benchmark 当前 revision pass、最新结果、同规格 best record、平台期和 blocker；
- ledger 轮转/失败状态；
- 最终 assembly hash。

实现严格使用 exec.agent，不会读取“最后组装请求的另一个会话”。

决策账本与隐私

默认路径：

$DSH_HOME/trajectory-governor/decisions.jsonl

账本保存：

- session/message id；
- 原消息 SHA-256，不保存原文；
- relation、phase、risk、complexity；
- restriction；
- tool effect、artifact、错误、novelty；
- open verification debt；
- request assembly hash；
- turn stop reason。

账本失败不会改变官方 Agent 执行流，但不再静默吞掉：首次写入失败会输出一条 console.error，trajectory_policy_status 的 ledger.failed/error 也会暴露原因，随后停止重试该账本。活动文件在 maxLedgerBytes 前轮转为带时间戳的 JSONL，历史记录不会被删除。

构建与测试

npm install
npm run check

当前测试覆盖：

- Task Episode 关系；
- 寒暄后真实任务；
- correction / extension continuity；
- artifact 提取；
- tool semantics；
- revision-aware verification debt 与 shell mutation risk；
- benchmark 结构化解析、1K/10K 隔离、容差比较；
- 显式 finish guard、自然结束 blocker-report、修改后 benchmark 失效；
- no-information completion blocker；
- JSONL rotation 与账本失败状态；
- Minimal 防失能；
- Code Mode restriction；
- 首次请求前捕获输入；
- 同请求近场 policy；
- runtime context 保留；
- 观察后释放写工具；
- 自动验证续步上限；
- adaptive reasoning 选择与恢复；
- 多会话状态隔离；
- shadow mode 请求不干预。

当前限制

- relation engine 是可解释规则基线，不是 learned classifier；
- artifact graph 目前以路径和工具参数为主；
- shell 命令语义只能保守识别；
- benchmark 只能接受工具输出中明确命名的指标；不能从自由文本性能宣称推断 pass；
- 没有官方 workspace checkpoint API，所以不执行自动 rollback；外部 evaluator 必须提供 restore 机制；
- 没有自动 subagent evaluator；
- 没有 contextual bandit；
- 没有 workspace counterfactual fork runner；
- 外部插件尚无官方 custom durable SessionEvent 注册面，所以研究决策存在 sidecar，而不是伪造未知 session event；
- Governor 不替代测试、sandbox、approval 或人工评审。

代码结构

src/core.ts       Task Episode、PolicyPlan、工具语义、Verification Debt 纯逻辑
src/index.ts      Harness runtime hooks 与闭环控制
src/ledger.ts     本地 append-only sidecar
cordis.patch.yml  官方 DSH bundle 层
tests/            纯逻辑与真实 AgentLoop 集成测试