百炼成金模式（bailian-gold）

挂在 DeepSeek Harness（dsh）上的 agent preset，为**阿里云百炼（Model Studio）**这条路线做前缀缓存优化。 不是独立运行时、不是 fork。

上游基线：0.2.1-rc.2（DSH 主仓库 DeepSeek-AI/deepseek-harness 当前稳定线；0.2.1 的破坏性变更——移除 invariant 插件、子路径 package.json、stats 拆分为 activity/usage、both→native/ptc、agent-instructions 逐行 dshHome 移除、Azure 改名、pi-ai 升 1.0.2、engines.dsh 优先——均不触碰本 preset 的 agent-preset 格式与 llm-pi-ai provider 路由 schema）。唯一一个踩到本 preset 的破坏性变更是提示词变量：0.2.1 的 agent-loop 只注册 provider / model，0.2.0-rc.2 里的 {{cwd}} 被移除，模板在渲染时严格解析，于是第一轮就抛 unknown prompt variable（已在 0.2.1-rc.3 实机复现并修复，见「实机会话」）。显式缓存蹊径依赖的 pi-ai openai-completions + cacheControlFormat: anthropic 已在 pi-ai 0.87.1 逐项核对；0.2.1 升到 pi-ai 1.0.2（仅模型目录更新 + 适配器修复、无 schema breaking），本 preset 同样适用，实机 cached_tokens 起量以你本机验证为准。

名字化用成语「百炼成钢」：百炼是平台，成金是结果——反复锤炼，省的是金子。

适用范围：一个 preset，全部模型

这份 preset 的差异化与模型厂商无关，只跟端点的前缀缓存（隐式 + 我们在 OpenAI 壳上开启的显式）有关。所以百炼上的 Qwen / DeepSeek / Kimi / GLM / MiniMax 全部共用同一个 preset。

每个模型的差异落在两处，都不需要第二个 preset、更不需要 git branch：

• 窗口大小、是否支持思考 → route 的 models 条目（Host 层）
• 压缩比例 → modelPolicies（按 provider + model 精确覆盖）

为什么百炼上的 DeepSeek 比官方 DeepSeek 更需要它

dsh 的 standard preset 是为官方 DeepSeek API 设计的，那个端点有 systemPromptUpdate: in-history 兜底——系统提示变更时追加在缓存历史之后，而不是重写开头。

百炼两条路都拿不到这个能力（原因见下文「协议层」）。于是 standard 在百炼上会放任 系统提示重写、前缀缓存整体失效。本 preset 不依赖它——前缀稳定性由 harness 侧自己保证。 这就是「阿里云下的 DeepSeek 和官方的用起来不一样」的根源。

一句话原理

百炼对缓存命中的输入按输入单价的折扣计费 —— 隐式命中 20%，显式命中 10%。 所以这个 preset 的一等指标不是 token 数，是 prefix cache hit rate。

由此推出三条与其他 harness 相反的做法：

1. 工具目录全程固定，不按阶段裁剪或扩展。上游 plan-mode 提示词里已经写着 "The tool catalog stays the same across modes for request-cache stability"—— 这里把它从 plan mode 推广到整个会话。
2. 历史只追加，压缩只做定点区间替换，系统提示永不进压缩区。
3. 动态状态一律推到尾部，绝不注入系统提示。

已实测（2026-09-30）

在同一实例上发三次同一段 10391 token 的前缀：

	第 1 次	第 2 次	第 3 次
OpenAI 壳（隐式）	cached 0	cached 10240	cached 10240
Anthropic 端点（显式）	create 10377	read 10377	read 10377

两种缓存都通，隐式覆盖 98.5%、显式覆盖 99.9%。 完整数据、计费对照与推算见 docs/verify-prefix-cache.md。

成本核算：三条杠杆，按大小排

token 类别	单价	谁在管
命中缓存的输入	输入价 × 20%（隐式）/ 10%（显式）	本 preset 的全部设计
未命中的输入（每轮新增）	输入价 × 100%	压缩期减压阀 + 提示词纪律
输出（含思考）	输出价，不参与缓存	提示词纪律（部分）

输入是绝对大头。 一段稳定前缀每轮原样重发，会话越长，缓存折扣的杠杆越大。

杠杆一：在 OpenAI 壳上开显式缓存（2026-10-26 蹊径）

2026-10-26 修正：公共 /apps/anthropic 已成 Claude 网关、workspace 连不通，预设改走 OpenAI 兼容壳。但壳并非只有隐式 2 折——百炼 /compatible-mode/v1 同样认 cache_control 断点，于是另辟蹊径：在 openai-completions 上挂 compat.cacheControlFormat=anthropic， pi-ai 在前缀（系统提示 / 工具 / 末轮）打 cache_control，命中仍是显式 1 折 ¥0.08/M。 下面公式照常成立，且现网即可拿到这一档。

设一段 T token 的稳定前缀连续重复 N 轮：

隐式 = 1.00 + 0.20 × (N−1)
显式 = 1.25 + 0.10 × (N−1)      ← 创建贵 25%，命中便宜一半
转折点：N ≥ 4

轮数	隐式	显式	显式省
3	1.40	1.45	−3.6%
10	2.80	2.15	23.2%
50	10.80	6.15	43.1%
100	20.80	11.15	46.4%

渐近上限 50%。本 preset 的设计恰好落在显式缓存的最优区 —— 它的全部功力都花在 「让前缀字节稳定、每轮原样重发」上，而稳定前缀重复轮数越多，显式越划算。

→ 走 examples/aliyun-route.patch.yml（OpenAI 兼容壳）。 examples/aliyun-anthropic-route.patch.yml 已作废（见下方「端点变更」）。

代价：显式缓存有效期固定 5 分钟（命中后重置）；隐式由系统不定期清理、没有明确上限。 交互密集的会话选显式；搁置型会话两者差别不大。

杠杆二：别让压缩触发

压缩是唯一会主动把前缀打断的操作，而它的触发点由 route 的 contextWindow 决定 —— 这一项没填对，上面所有设计都白搭，见下文。

杠杆三：思考是笔隐形输出开销

qwen3.8-flash 在百炼上默认开思考，而 llm-pi-ai 对未声明 reasoningEfforts 的模型判定为「不思考」（源码注释原话：a hand-declared model has none and does not reason），于是既不发控制参数，也不在 harness 视野里。实测一次普通提问， 80 个输出 token 里 55 个是思考（69%）。官方明确「思维链内容全部计入输出 Token 统计」。

输出价是缓存命中价的几十倍，这是一条每轮都在跑的开销。怎么控制见 docs/verify-prefix-cache.md 第 4 节（配置写法未验证， 且关掉思考是否划算取决于它换来的轮数 —— 是取舍，不是纯赚）。

与梁神模式的关系

形态相同（都是一个 @deepseek-ai/dsh-agent-preset 声明，经 bundle patch 装入 profile）， 机制相反。梁神模式靠切换工具目录做首轮锚定——在 DeepSeek 官方 API 上划算， 在百炼上一个会话要摧毁两次前缀缓存。这里改用「工具目录常驻 + 首轮输出预算 （bootstrapMaxTokens，只改采样参数、对缓存零影响）+ 尾部锚定指令」达到同一目的。

目录

presets/bailian-gold.patch.yml            preset 定义，主产物（0.1.7+ / 0.2.x）
compat/0.1.5/                             dsh 0.1.5-rc.x 的兼容版（旧 preset 机制）
examples/aliyun-route.patch.yml 阿里云 route（OpenAI 兼容壳）★ 本预设配套，用它
examples/aliyun-route.patch.yml           阿里云 route（OpenAI 兼容壳，备选）
docs/spike-01-*.md                        前缀可否锁住的源码级验证
docs/verify-prefix-cache.md               实测：缓存命中、显式 vs 隐式计费、思考开销
docs/compare-whale-elite.md               与鲸英模式的逐项对比
.ref/                                     上游参考源码（gitignore，只读）

版本兼容

覆盖 dsh 的多个正式发行版（rc 线，alpha 不算）。分界点在 0.1.7-rc.1：

dsh 版本	preset 机制	用哪个
0.1.7-rc.1 及以后（含 0.2.0-rc.x）	@deepseek-ai/dsh-agent-preset 插件行，经 profile patch 装入	presets/bailian-gold.patch.yml
0.1.5-rc.1 ~ rc.3	@deepseek-ai/dsh-agent-presets（复数）扫描 <dshHome>/.agent-presets/	compat/0.1.5/

从 0.1.7-rc.1 起，上游把 preset 拆成 agent-preset-registry + agent-preset 两个包， preset 也从「一个独立文件」变成「一行插件声明」。

0.1.5 的安装方式不同（旧机制不走 plugin 命令，是把目录复制到 ~/.dsh/.agent-presets/<id>/），差异清单与操作步骤见 compat/README.md。

接入

本 preset 自带两部分，装完即完整，不必再手动叠加 examples/ 里的 route：

段	层级	管什么
insert · preset-bailian-gold	Agent（preset）	工具面、提示词、压缩策略
override · llm-pi-ai	Host（profile patch）	模型路由：固定走 OpenAI 兼容壳，并开显式缓存

第二段是 id-targeted override：base 的 core bundle 里已经有 llm-pi-ai （默认带的是 OpenAI 兼容壳），这里按 id 把它覆盖成 api: openai-completions + /compatible-mode/v1，加 compat.cacheControlFormat: anthropic 开显式缓存，并把 contextWindow: 991808 写好。

cordis 规则：insert 只用于新增，顶层 - id: + config: 用于按 id 覆盖， 且覆盖会替换整个 config。这也是为什么那段里把 route 拥有的每个键都重述了一遍。

想改回或微调（换专属实例域名、增删模型、改 compat）：在你自己的 profile cordis.patch.yml 或 --patch overlay 里再覆盖一次即可 —— 那些层在本 preset 之后应用，盖得回来。

route 名必须对齐

provider 标识取 profile 里 llm-pi-ai 配置的 route 名。本机是 aliyun （不是 dashscope——写错不会报错，modelPolicies 会静默失效，整套策略照常退回上游默认）。 preset 里的 modelPolicies.provider 与 summarizationProvider 都按此写。

为什么 route 的 contextWindow 是关键数

compaction 的实际触发点是：

min(contextWindow × thresholdRatio,  messageBudget − headroomTokens)
messageBudget = contextWindow − 每请求输出预留

窗口不够大时，右边那项才是真正生效的，thresholdRatio 形同虚设。以本机默认值 （defaultContextWindow 262144、defaultMaxTokens 32768、headroom 65536）代入：

messageBudget  = 262144 − 32768 = 229376
pressureBudget = 229376 − 65536 = 163840
触发点 = min(262144 × 0.92 = 241172,  163840) = 163840

thresholdRatio: 0.92 期望的 241172 永远够不着。把 contextWindow 开到 Qwen3.8-Flash 官方标准模式的最大输入 991808，触发点升到约 893504，常规会话根本压不到—— 前缀缓存也就不会因为一次 replace 而整体失效。

⚠️ 不填 contextWindow 就等于放弃这个 preset 的主要收益。 它回落到 defaultContextWindow 262144，触发点只有 163840 —— 一段正常的编码会话够得着， 压缩（连带前缀缓存失效）会真的发生。examples/ 里已经写好，照抄到 profile 的 cordis.patch.yml 才算数。

不要设 model 的 maxTokens：它会同时成为每请求输出默认值，压低 messageBudget， 让压缩更早触发，与本预设目标相反。

协议层（2026-10-26 修正：本预设改走 OpenAI 兼容壳）

百炼提供 OpenAI 兼容壳（/compatible-mode/v1）和 Anthropic 兼容端点 （/apps/anthropic）。本预设现在走 OpenAI 兼容壳：

	OpenAI 壳（本预设）	Anthropic 端点（已作废）
思考输出	reasoning_content 字段（非标参数要被拦成 header 才能透传）	原生 thinking 内容块
工具调用	OpenAI function call	原生 tool_use / tool_result 块
缓存	隐式 2 折 + cache_control 显式断点 1 折（本预设已开）	隐式 + cache_control 显式断点（命中 1 折 ¥0.08/M）
尾部追加 system	—	端点曾支持，但 pi-ai 能力位未放开
/v1/models 发现	✓	✗（须手写 models）

⚠️ 端点变更（2026-10-26）：阿里云把公共 dashscope.aliyuncs.com/apps/anthropic 改成了 Claude 网关（需 Claude / Tonken / Coding 套餐 key，不再服务 Qwen）； 百炼「业务空间」的 workspace 域名实测连不通、也无模型。因此本预设从 Anthropic 端点 退回 OpenAI 兼容壳——用你现有 ALIYUN_API_KEY 直接可用、无需 workspace。 关键发现：百炼 /compatible-mode/v1 同样认 cache_control 断点，故在壳上挂 compat.cacheControlFormat=anthropic 即可拿回显式 1 折，并未真正丢失这一档。 保前缀设计本身不受影响。

配置见 examples/aliyun-route.patch.yml（也是 preset 内联的那份）。

in-history 的真实情况（2026-10-04 实测更正）

这里原先写「端点语义不支持、两边都堵」—— 那是照抄官方文档，没实测。拿真实 key 打过去之后，两个实验都推翻了它：

• 谁优先：顶层 system 要求含 AAA、messages 内 system 要求含 BBB → 回复同时含 AAA 和 BBB。合并生效，不是覆盖 —— messages 数组接受 system 角色。
• 保不保前缀：固定前缀带 cache_control，连发 3 轮、每轮在尾部追加一条新 system： create=1802 → read=1802 → read=1802。追加的 system 语义生效， 而前缀缓存一次都没断。

也就是说：动态状态可以追加在历史尾部更新系统提示，不必重写开头那条消息 —— 这正是 in-history 想要的效果，端点层完全给得起。

真正堵的是中间层：pi-ai 的 supportsMidConvoSystemMessages（及 supportsMidConvoToolAdditions）在 compat 表里是 withhold，只由内置 catalog 声明，手申报路由拿不到，dsh 因此不会那样组织请求。

所以策略不变，但理由变了：前缀稳定性依旧交给 harness 侧三条设计 —— 不是端点给不起，而是中间层能力位没放开。若哪天该位放开，或改用自建 fork， 尾部追加 system 这条路可以直接用起来，includeRuntimeContext: false 那个全有全无的妥协也就不再必要。

安装

前提：profile 里已有 llm-pi-ai 的 aliyun route。本预设已内联 OpenAI 兼容壳路由 （baseURL dashscope.aliyuncs.com/compatible-mode/v1，api: openai-completions）， 用你现有 ALIYUN_API_KEY 直接可用、无需 workspace。独立的 examples/aliyun-route.patch.yml 是同一份路由的对照参考；examples/aliyun-anthropic-route.patch.yml 已作废（公共 /apps/anthropic 已成 Claude 网关）。

dsh plugin --profile desktop add github:SZYTree0312/dsh-bailian-gold

装完后在会话预设选择器里选 百炼成金模式。卸载：

dsh plugin --profile desktop remove dsh-bailian-gold

已跑通一次完整真实会话（0.2.1-rc.3，2026-10-31，见下节）。前缀缓存是否可命中另有 真实请求记录（见 docs/verify-prefix-cache.md）； 「工具目录全程不变」「压缩触发点」这类跨多轮的结论仍待长会话实测。

实机会话（2026-10-31）

在隔离的临时 dsh home 里（不动真实 home），从自带的 web 模板新建一个 e2e profile， 用 --patch 叠加本 preset 与一条 agent-default-model（aliyun / deepseek-v4.1-flash）， 再 dsh --profile e2e ... web --port 5100 --no-open 起一个独立实例； 经 /api/session/create（agentPreset: bailian-gold）建会话、/api/session/prompt 发一句 Reply with exactly: OK。会话日志（session/page）逐步为：

seq	事件	关键内容
7	system/message	渲染出本 preset 的人设前缀 + 后缀（{{model}} → deepseek-v4.1-flash）
11	request/header	provider: aliyun / model: deepseek-v4.1-flash，工具目录完整
15	assistant/message	"OK"，inputTokens: 7664 / outputTokens: 3
17	turn/end	reason: {kind: "completed"}

修复前同一条路径在 seq 6-8 就是 step/start → step/end → turn/end （unknown prompt variable "{{cwd}}" ... registered variables: provider, model）， 没有任何 llm/* 事件——看起来像"连不上模型"，其实是 turn 在组装系统提示时就结束了。

两点顺带核实：

• includeRuntimeContext: false 只抑制可选运行时上下文；工作目录那条是必需贡献， 仍会以 user/message（source.kind: "runtime-context"）出现在尾部（seq 9）， 所以去掉 {{cwd}} 并没有让模型失去工作目录，只是把它从系统提示挪到了尾部快照。
• 该 harness 的 llm-pi-ai 路由在真实 profile 里会被用户自己的 cordis.patch.yml 整体覆盖（patch 语义是 config 整体替换），preset 内联的 compat.cacheControlFormat: anthropic 因此在那种 profile 下不生效；要用显式缓存， 得把 compat 一并写进 profile 的那份 llm-pi-ai。

状态

• 源码级验证：前缀可锁（见 docs/spike-01-context-compaction.md）
• preset 第一版：纯配置，基于 upstream standard 改造
• provider 校准为 aliyun，route 配套配置见 examples/
• 定位修正：从「Qwen 专用」改为「百炼全平台」——差异化在缓存，不在厂商
• 对比鲸英模式并采纳 includeRuntimeContext: false 与 prompt 纪律； 工具结果裁剪一项经 2026-09-30 复核降级为「压缩期减压阀」， 且其取值等于上游默认（见 docs/compare-whale-elite.md）
• 实测：前缀缓存可命中（隐式 98.5% / 显式 99.9%）， 并算出隐式→显式的成本转折点在第 4 轮（见 docs/verify-prefix-cache.md）
• route 已内置进 preset（llm-pi-ai override 段，含 contextWindow: 991808），装完即生效
• 2026-10-26 端点切换：公共 /apps/anthropic 已成 Claude 网关， 路由从 Anthropic 端点退回 OpenAI 兼容壳（api: openai-completions + compatible-mode/v1）， 用现有 ALIYUN_API_KEY 即可。 2026-10-31 复核更正：workspace 域名（llm-<实例>.cn-beijing.maas.aliyuncs.com）能连通、 有模型、能正常 chat 并命中缓存，此前"连不通也无模型"的结论不再成立；两条端点都可用， 只是 preset 默认用公共端点（无需 workspace 配置）
• 2026-10-26 蹊径：显式缓存不再依赖 Anthropic 端点——OpenAI 兼容壳经 compat.cacheControlFormat=anthropic 即可让 pi-ai 打 cache_control 断点，命中 1 折， 与 Anthropic 端点殊途同归（已逐项核对 pi-ai 0.87.1（DSH 0.2.0-rc.2）/ 1.0.2（DSH 0.2.1，仅模型目录更新 + 适配器修复、schema 无 breaking）的 openai-completions 实现）
• 2026-10-31 修复：{{cwd}} 已移除（0.2.1 的 agent-loop 只注册 provider / model）。 此前该变量让「百炼成金模式」在第一轮组装系统提示时抛错、连一个模型请求都发不出去； 人设后缀改写为只含 {{model}}，工作目录由尾部 runtime-context 快照提供（见「实机会话」）
• 实机验证：装进 profile 跑通一次完整会话（turn/end: completed，见「实机会话」）
• 长会话实机验证：多轮工具调用下工具目录是否真的全程不变、压缩触发点是否符合预期
• 思考开销的控制（reasoningEfforts + compat.thinkingFormat）—— 写法未验证
• bootstrapMaxTokens 落点（已定位到 llm-pi-ai，具体参数待确认）
• 缓存命中率可观测：把 cached_tokens 暴露到 telemetry