ggfgfgf-on/dsh-trajectory-anchor

dsh-trajectory-anchor

一个自包含的 DeepSeek Harness 捆绑包：首轮轨迹锚定、EWMA 轨迹评分、
自适应漂移回滚、anchorGate 晋升门控、引导上下文抑制、带过程奖励标注的轨迹日志
导出，以及一个 Layer-4 训练数据聚合器。
零社区插件依赖 —— 一行即可挂载。

本捆绑包中的每一个机制都已在该 harness 系列上作为动态插件原型进行了实机验证
（迭代 1–3，八个测试子代理，完整轨迹审计保留）。运行时事实
在下表中与社区参考（dsh-anchored-standard / context-gate /
@argszero/cordis-plugin-preset-tool-filter / @a9i5k4/dsh-anchored-monitor /
@max-null/dsh-allostasis / we-need-ds）进行了交叉核对。

安装

从 GitHub 安装（推荐）：

dsh plugin add github:ggfgfgf-on/dsh-trajectory-anchor

dsh plugin 是一个 pnpm 转发器：安装后，它会检测该包的 dsh.bundle.patch
声明，并自动将其接入 profile 层栈（dsh.profile.bundles）—— 无需
手动配置。本包没有 prepare 脚本，因此不需要 pnpm allowBuilds 条目。

本地 file: 依赖（离线 / 开发）：

in the profile's package.json dependencies add:
"@dsh-ext/trajectory-anchor": "file:"
pnpm install

and append one row to the profile's cordis.patch.yml (or let the bundle patch merge it):
- insert:
- id: trajectory-anchor
name: '@dsh-ext/trajectory-anchor'

重启 DSH。该插件挂载在宿主平面上：它在启动时接管所有活跃代理
（仅审计），随后每个新代理都会经历
锚定 → 门控晋升 → 持续评分 生命周期。

生命周期

agent/created
│  restrict({ allow: visible bootstrap tools })     # probed against the agent scope
│  complete persona("You are a helpful …")          # same-name override of the preset persona
│  suppressRuntimeContext()                         # clear dynamic runtime-context
▼
request #1: bootstrap tools + Minimal persona (maxTokens uncapped by default)
│  first tool/call → gate-armed
▼
gate wait: latest reasoning window looks minimal-like (contains "we", no "let me")
│  fallbacks: maxBootstrapSteps=5 / promoteAfterFirstResponse
▼
promotion: lift restrictions + restore context + explicitly strip the maxTokens cap
│  (the seed would otherwise inherit the previous header)
▼
steady state: EWMA trajectory scoring + hysteresis state machine + (optional) drift
│  rollback + counterfactual candidate mining
▼
agent/disposed: RewardAnnotator process reward + trajectory JSONL final archive

关键配置（cordis.patch.yml）

| 键 | 默认值 | 含义 |
|---|---|---|
| bootstrapTools | [bash, str_replace_editor, pwsh] | 与代理作用域实际可见的工具取交集；在 Windows 上 bash 行通常被禁用 |
| bootstrapMaxTokens | null（不设上限） | 可选启用：将首次响应限制在其真实大小以下会截断开场计划并导致该轮次失败（社区问题 #85，已在本地复现）；启用时，在提升时会显式移除该上限（种子继承陷阱） |
| gateEnabled | true | anchorGate 提升门控 |
| maxBootstrapSteps | 5 | 门控回退 |
| suppressContextOnBootstrap | true | 引导期间的 agent 作用域上下文抑制 |
| lexicon / ratioWeights | 监控校准 | 加权词典评分（we/let's/we'll/"we need"/our 对比 "let me"；中性 i will/i'll/i need/check/verify） |
| specMax / reactMin | 0.2 / 0.5 | persona_ratio 区间边界（spec/mixed/react） |
| baselineMinSamples / rollbackPercentile | 10 / 25 | 基线相对漂移：仅当当前比率在会话自身历史中的百分位 \.dsh-trajectory-logs
--sessions-dir $env:USERPROFILE\.dsh\sessions
--out D:\datasets\layer4-1

- 聚合：assistant-message/tool-call 事件通过
(turn, step) 与会话日志文本对齐；附加最近的词典分数
- 清理：仅限已关闭的 agent；主会话轨迹（anchor-session-* / summary.self）
被排除；生命周期标记行被丢弃；按会话分组
- Schema：{sessionId, model, turn, step, kind, messages, response, toolName, toolResult,
reward{lexicon, sessionScore, scoreNorm, planner}, trajectory_features{…}, textComplete}——
兼容 PRM（每步过程奖励）和 DPO/RLVR（按 sessionId 成对采样）
- 归一化：会话奖励的最小-最大归一化（scoreNorm）、正/负
词典极性计数、band/liftReason/machineState 分桶
- 输出：dataset.jsonl + stats.json（包含/排除列表、文本覆盖率、模型
分布）+ manifest.json

验证

- 每 agent 轨迹审计：/.dsh-trajectory-logs/anchor-.jsonl
- 实时状态：anchor_status 工具（全局注册，只读）
- 事件序列断言：adopted → anchored → context-suppressed → maxTokens-rewrite →
gate-armed → lift(anchor-gate:minimal-like | max-steps) → context-restored →
maxTokens-strip → score… → closed + record(incl. reward)

许可证

MIT。