思维模式路由预设 yjh051108/dsh-router-standard

dsh-router-standard

任务感知思维模式路由预设：把 DeepSeek V4 在 persona 轴上「非连续、分相变」的实测特性，量化到稳定区（spec / react / weak），在首轮注入匹配的 persona 与工具面。
属于 dsh-routing-suite 套装，与 dsh-super-injector （免重启运行时注入）配合开发。

📄 研究史说明：docs/statement.md（勘误声明）｜ docs/apology.md（道歉函）

当前状态（v1.19.1，2026-08-24 · 研发线，尚未发布）

Router Standard 处于「严格 workflow」研发线（以 CHANGELOG 为准，版本线文件 router-bootstrap-v34.mjs）：

- 严格阶段 workflow：完成信号驱动晋级（0→1 需澄清/计划、1→2 需计划锁定、2→3 需交付自检），阶段 0 强制对齐（歧义先 ask_user_question、复杂任务先 todo_write）；「工具名/文本即跳级」已删除。
- 任务回显：stageText 新增 Task: <首条真实用户消息>——模型每轮都看得清在为什么事工作，不跑题。
- 渐进披露：阶段化解锁 + 两档预放 + 直达语义 + 交付全量开放；tools_catalog 全量索引 / tools_help 完整 schema；已删除 all:true（无全量出口，未解锁工具不进入视野）。
- 标准模式基底：native 直调（无 PTC/run_code 包装，SDK 全量段不存在，工具面注意力税大幅下降）。
- 页面验证内置：dev_page_check = 截图 + DOM smoke + console/pageerror/title/selector/scale； {js:…} 模式 = 本地 JS 引擎（零外部 node 依赖）；external 证据一等公民。
- 描述 ⇄ 行为对齐：presentation=native 自检、阶段文案只说真话、平台事实（win32 以 Git Bash 私有 shell seam 为准）。
- 主动性引导：Proactivity 常驻段（自检信号，不是停手命令）；压力感应器已退役。

配套预设：router-react（v17）/ router-spec（v10）（基于标准模式的两大执行预设，均支持首轮读图）； router-pro 线已退役删除。完整演进：见 CHANGELOG.md 与 docs/STANDARD-PLAN.md。

【历史文档 · v0.3 时代】 DeepSeek Harness 的任务感知推理模式路由器。一个预设，两种 路由模式（v0.2.0 命名），以及背后实测出的三段轴：

| 路由模式 | 首个请求 | 思考形态 |
| standard（标准路由预设） | 分类 persona（spec/react/weak）+ 完整 prompt sections + 分带首轮工具面 | 按分类带行动：react 直接产出、spec 先读后改、weak 内路由（每轮近距离引导） |
| spec（spec 路由预设） | 分类 persona（spec/react/weak）+ 完整 prompt sections | 雷霆大思考：首轮超长思维链（101K 推理 0 行动是其特征，不是缺陷） |

选择：安装两个预设之一（Router Standard / Router Spec，见 Usage）。
dev_router_status 显示当前路由模式。

这是研究产物。它编码了 DeepSeek V4 Pro / V4 Flash 的一条实测特性：模型行为沿 persona 轴不是连续谱——它会塌缩成几个稳定区，区与区之间隔着相变。
因此路由器量化到这些稳定区，而不是假装这条轴可以连续调节。

v0.3.0 — 真实装配链修复

v0.2.x 交付的路由逻辑，只在裸 API 探针上验证过，放到真实的 DeepSeek Harness 装配链上就坏了。v0.3.0 全部修好，并对照 @deepseek-ai/dsh-agent-loop（0.1.0-rc.7）的事件顺序做了验证：

- 首轮路由真正生效（issue #13）：循环在装配 system prompt 之前就认领 inbox，而 inbox.claim() 会同步发出 agent 作用域的 agent/inbox/claimed 事件——路由器在那里捕获首条真实用户消息（仅限 source.kind === 'user'），于是首个请求会被分类，而不是无条件落进 weak。
（捕获到的文本只用于分类，不会原样喂给 bandOf——旧的捕获（path 静默地把每条捕获的消息映射到 spec 带。）

- 近场引导移到 agent/pre-step（issue #34/#36/#55）： session/event 在 agent 平面的预设里从不触发（dsh-scope 把它从入口本地领域里过滤掉了），所以旧的 inbox 重新追加从未送达引导——而它但凡触发，next-step 追加都会让每条用户消息强制产生第二次模型请求（也就是 2× API 调用尖峰）。现在引导在 agent/pre-step 插入 decision.messages：与用户消息同一次请求，近场、缓存中立、零额外往返。
- 修复：两个 bootstrap 文件里缺失的 extractText/bandOf 导入（#11）——session/event 处理器一旦触发就抛 ReferenceError；sessionMode 在锁定带时忽略插件来源的消息；router.test.mjs 导入路径；preset.yml 的 YAML 引号（#53）；子代理会话跳过（#5）；从 assembled.variables 选取的会话模型（#9）；spec 预设的 RL 标准模式现在在首次工具/调用后原样返回装配结果（#44）。
- 新增：router.integration.test.mjs 针对真实 bootstrap 代码重放真实的 claim → assemble → pre-step 顺序。

它做什么

router-standard：读取会话第一条真正的用户消息，对任务分类（build → react / fix → spec / 模糊 → weak），并在首次模型请求时注入匹配的人设，同时保留完整的提示词分区；首轮核心工具面跟随带（spec=read/edit/glob/grep，react=read/write/edit，weak=read/write/edit，各自再加上平台 shell）。weak 带的会话还会在每条真实用户消息的同一次请求里拿到近场路由引导。

router-spec：同样的路由核心，带 deep-think-first 品牌；保留 v0.2.0 双模式代码路径（routerMode），所以配置了 routerMode: standard 的副本仍会拿到 RL 接口首轮（RL 句子 + shell/str_replace_editor），并在首次持久工具/调用后恢复完整分区。

首次持久工具调用之后，完整的 Standard 目录就会暴露，路由器不再碰任何东西。模式由持久会话事件推导，所以 resume/reload 会保留它。plan 模式的提示词分区会保留，所以 plan 边界不会重置模型的注意力。

三条实测行为带

细粒度探测（21 个模式点 × n=2，官方 API，reasoning_effort=max）在 V4 Pro 上显示，沿人设轴的行为塌缩成三条带：

| 带 | 模式 | 实测行为 |
| spec | 0 – 0.19 | 稳定的计划集体（We 轨迹，let-me ≈ 0） |
| mixed | 0.2 – 0.49 | 过渡陷阱：We/The/Let 不稳定混合 |
| react | 0.5 – 1.0 | 稳定的执行者（The/Let 第一人称，we ≈ 0）——11 个模式值表现一致 |

V4 Flash 呈阈值式（0–0.5 全在 spec 一侧，0.75+ 跳变）。数值 dev_router_mode 接口保留，但会量化到三个档位——过渡带永远不会被自动选中。

为什么：双吸引子 RL 策略

跨项目的证据（见 docs/paper.md 和 docs/experiments.md）：

- 同一个模型在维护类基准上，spec 条件下能拿到顶档分数（Project2：minimal 99/96，anchored 98/99）；在全新构建任务上，react/code 条件下同样如此（Mario：10/10）。而模式选错时，两者分别只有 91 / 6——仅凭提示词条件就能造成约 10 分的摆动（「神/鬼二元性」）。
- 人设是主要触发因素（换一句话就能翻转轨迹）；工具 schema 表面是次要条件；用户消息里的目录文本没有影响。
- 行为具有路径承诺性：一旦锚定，扩展工具目录最多扰动一个推理块，绝不会翻转模式。
- 中间人设属于分布外（训练分布缺口），也就是实测到的不稳定带。

模型无法自行路由：P3（同一人设，换任务 → 轨迹不变）、P5（router 人设 → doer 吸引子吸收指令）、P8（领域重叠扫描）都表明，唯一的内部路由窗口是 WEAK 人设 + few-shot 路由指令（只是倾斜，不是翻转；区分度 +2.3..+3.3）。会话中途切换模式没有奖励信号，而行为相变意味着模型在首个请求时就已承诺。模式选择必须来自外部——人类（「主播」）、启发式分类器，或学习型路由器。本预设就是这种外部路由的自动化版本。

用法

两个预设（v0.3.0；router-pro 系列已退役）：在 ~/.dsh/.agent-presets/ 下安装一个或多个：

标准路由预设（RL 接口还原，默认推荐） $target = Join-Path $env:USERPROFILE '.dsh\.agent-presets\router-standard' Copy-Item -Recurse .\preset\router-standard $target

spec 路由预设（深度思考优先） $target = Join-Path $env:USERPROFILE '.dsh\.agent-presets\router-spec' Copy-Item -Recurse .\preset\router-spec $target

免重启安装（推荐）：装好 dsh-super-injector 后（见套件 scripts/install-injector.ps1），改预设代码不再需要换文件名/重启：

dev_reload_preset router-standard # 预设热更新：?v=N query 绕 ESM 缓存，新会话立即用新代码

注意事项（实测血泪）：

1. ESM 缓存：loader 按 URL 缓存模块——原地覆盖文件内容不生效（改代码必须 dev_reload_preset 或换文件名）。
2. 首次会话必须新开：路由模式在首个请求锁定（路径承诺），中途切 GUI 模型/ 改配置不影响已运行会话。
3. 子代理不路由：parentSession 会话跳过路由层（社区 #5 修复），shell-less 子代理不再崩溃。
4. 引导注入通道（v0.3.0）：近场引导走 agent/pre-step，每个真实用户消息注入一条（weak 模式）；rc.6 起 session/event 在 standing scope 收不到事件，旧版本引导是死的。
5. 首轮真实分类（issue #3/#13）：首轮路由读 agent/inbox/claimed 的原始消息文本并经 classifyTask 分类——首轮即真实 band（不再 weak 兜底）。
6. 自举卸载：dev_uninject_plugin --self=true 可卸载注入器自身（保留装配链，重启自动恢复）——用于验证安装闭环。

重启 DSH（或用套件脚本安装，实现零接触），新开一个会话，选择 Router Standard (experimental)（RL 接口，think-act 循环），Router Spec（实验性）（深度思考优先，第一轮的长链条才是重点）或 Router Pro（V4 Pro 实测最优）。

- dev_router_status — 当前模式、band、persona、核心工具、覆盖状态
- dev_router_mode <spec|weak|mixed|react|0-100|0.0-1.0|auto> — 显式指定模式（数值输入会量化到三个 band）
- dev_mode_subagent <spec|react|balanced> <task> — 在全新的隔离上下文里用另一种推理模式跑一个任务（自带 system prompt），不影响当前轨迹。模式隔离是会话中途切换模式的唯一可靠方式：会话中途切换 persona 会让整个前缀缓存失效，尾部 persona 无效（P6），而原生子代理会继承当前 persona。

一套预设，按模型自动匹配。 不需要配置 Pro/Flash 分流：personaFor(mode, modelId) 读取会话的模型路由，自动选出实测最优解 —— Pro → w6c（spec 句子 + 分类指令，无锚点；24/24 = 100% 路由，P24），Flash → w7 + 召回/防跑偏锚点（96% 路由；100% 单任务完成，P23）。模型在第一个请求时就固定（路径承诺），所以 persona 在整个会话内锁定；切换 GUI 模型会开启新会话，套用匹配的配置。

深度自适应引导（v20，思考效率）。 每条消息的引导按任务复杂度分发（isComplexTask：长度或架构关键词）：
- 简单任务 → 快速收敛引导（P30：1 步，零浪费）；
- 复杂任务 → 决策收口的深度引导：「深入思考架构、边界情况和集成点。不要把推理花在环境或工具上。信息齐全就产出。每个推理块以决策或信息需求结尾。」—— P30：深度 +12% 且收敛更快（8.0 对 8.3 步），3/3 完成。
- 反刍（怀疑环境 / 反复确认）由防跑偏锚点压制：实测占推理 token 的 0.0-0.3%。

测试

node --test router.test.mjs # 11 tests: classification, bands, personas, plan-section survival

文件

- preset/agent.cordis.yml — 完整的 rc.6 Standard 组合 + router 行
- preset/router-core.mjs — 纯路由逻辑（零依赖，可单元测试）
- preset/router-bootstrap.mjs — Cordis 插件（零外部导入）
- router.test.mjs — 单元测试
- docs/paper.md — 理论 + 实验记录
- docs/experiments.md — 完整数据表

证据与出处

- 轨迹触发矩阵、双模型矩阵，以及 21 点阶段探针：dsh-probe（本仓库的姊妹脚本见论文附录表格）。
- Project2 评测数据：xiaobright/modeltest（V4.1b，已冻结）—— minimal 99/96，standard 91，PTC 92，anchored-standard 98/99。
- 两阶段锚定预设：xiaobright/dsh-anchored-standard（MIT）。路由器的首轮锚定，是把它的 tool-bootstrap 机制移植到插件层。
- DeepSeek Harness 官方 minimal 预设快照（sends the exact RL prompt and schemas 测试）——规格人设与 RL 对齐声明。

许可证

MIT。preset/agent.cordis.yml 源自 DeepSeek Harness Standard 预设（MIT）；原始署名见 NOTICE。