v0.1.0 — 首个版本

这是什么

用 Jev（TypeSafe AI 的 System One 决策模型）判定每条消息该用多强的推理，并把这个判断变成 DeepSeek Harness 的推理强度档位。

Jev 不聊天、不写代码，它只在你给的可穷举选项里选一个并附上概率与置信度——所以「这句话该用多强的推理」这道理科生眼里的主观题，在它这里是一道选择题。

两条分档能力

档	做什么	默认	缓存代价
Tier A	自动思考强度（off/low/high/max），模型锁定不变	开	无——只改 reasoningEffort
Tier B	自动模型路由（可跨 provider）	关	高——跨模型无缓存复用

核心设计：判定永不进入 prompt 前缀

判定结果只经 agent/request 改写 LlmCallConfig，不改 messages、不注册 system prompt。因此前缀字节不变，DeepSeek 的自动前缀缓存照常命中。有契约测试守着这条红线。

为什么 Tier B 默认关闭

破缓存的代价 / 降档的收益：

N × (P_miss − P_hit)   <   Δ_out × P_out

代入 DeepSeek Pro 峰值价（命中 $0.044 / 未命中 $1.32 / 输出 $3.96 每百万 token）化简为：

Δ_out > 0.32 × 前缀长度

50K 前缀意味着要省 16K 输出 token 才回本，而典型思考预算是 1–8K。所以：出厂关闭、硬门禁、每轮真实计算成本闸。

特性

• 档位裁决四道过滤：置信度门 → 迟滞窗口 → 降档连续确认（不对称）→ 手动覆盖优先；单轮内锁定
• 档位夹取：向 llm 注册表问模型支持哪些档位，对齐 DeepSeek / OpenAI / Anthropic 三种命名；无推理元数据的模型一个档位都不设
• 模型路由五道闸：缓存风险硬门禁 → 回合边界 → 候选可解析 → 成本闸 → 粘滞 + 冷却
• 度量：从 llm/stream 抓 usage 算真实命中率，标题/压缩调用单独计数不污染指标
• 价目：从 DeepSeek 官网实时获取 + 内置快照回退 + 自备价目（支持非 DeepSeek provider）
• 设置页 + 输入框徽章 + /jev 命令族，密钥经 DSH 凭据存储写入（不进配置文件）
• 可回滚：/jev rollback 一键回到切换前的模型

验证

• 135 项测试（单元 / 集成 / 前端渲染 / 契约 / 能力适配 / 配置解析 五层）
• scripts/verify-install.sh —— 13 项安装自检
• scripts/probe-frontend.mjs —— 用 CDP 驱动无头 Chrome 真实验证前端激活（不是仅检查资产交付）
• scripts/rollback.sh —— 一键禁用插件并从备份恢复 profile patch

三条 DSH 硬性约定（实机启动才暴露的踩坑）

1. 前端半的 apply() 绝不能抛 —— client fiber FAILED 会让 web boot: 1 entry did not activate，DSH 直接无法启动。槽位注册必须走 slots.inject，并整体包 try/catch。
2. .volatile() 配置字段在插件里是引用对象（Object.freeze({get})）——直读会让 === true 与数值比较静默失效。
3. client 模块是合并包（plugins/??a/client.js,b/client.js&rev=），没有单独 URL。

作者

chenshi.ai · 决策模型：Jev（TypeSafe AI）