dsh-emotion-analyzer

DSH（DeepSeek Harness）情绪分析器插件：对主模型的每条回复做本地情绪打分，把累积情绪状态投影进 Session，并在 DSH 网站注入一个可拖拽的悬浮情绪监测框。

功能

• 本地推理，零第三方模型 API：v0.2 默认 Horizon-Labs/multilingual-emotions-small（GoEmotions 28 标签、36 语言、Apache-2.0、官方 INT8，约 256 MiB）；legacy tabularisai（11 标签）保留为回退资产。ONNX 全本地 CPU 推理，不联网、不额外消耗主模型 Token。
• 多语言：默认模型覆盖 36 种语言；中文 / 英文按 CJK 占比显示语言标识。
• 可插拔映射 profile：模型标签 → 7 个统一维度（愉快 pleasant / 悲伤 / 愤怒 / 焦虑 / 反感 unwell / 疑问 confused / 平静）。内置 legacy-11、go-emotions-28、zh-8 三套 profile；阈值过滤 + 衰减 + 步长 + 封顶，参数集中在 src/mapping.ts。详见 模型与映射。
• Session projection：每轮分数以 plugin:emotion-analyzer/turn（ignorable）写入会话日志，由 emotion projection 单元纯同步 fold；重启、fork 自动恢复。
• 悬浮框：Web Components + Shadow DOM；默认 64px compact 徽章（emoji + 中文情绪），可拖拽；点击展开分数条/sparkline，再点 [—] 折叠；无 [×]/重开 chip，显示/隐藏只由 Settings → 情绪分析器控制（#31、#34）。

折叠徽章	暗色主题	真实 DSH 页面

架构（DSH 0.2.1-rc.2 实际 API）

agent/turn-stopping { agent, turn, signal }      ← 真实事件名（不是 turn-stopping）
  → 最后一条 assistant 的 text block
  → EmotionScorer.score(text)                    ← onnxruntime-node + INT8，惰性加载
  → appendPluginRecord(session, 'plugin:emotion-analyzer/turn', data)
  → ctx.sessionProjections.register({ key:'emotion', ... })   ← 纯同步 fold
  → Web 客户端 useProjection('emotion') → 模块 store
  → shell.overlay（root slot）→ React portal → <emotion-monitor>（Shadow DOM）

提示词里的 turn-stopping / ctx.session.projection / ev.getLastMessage() 与真实宿主不一致，完整校准表见 docs/calibration.md。

安装

dsh plugin --profile web add /path/to/dsh-emotion-analyzer

装好后默认尝试使用 horizon-small；如果模型尚未下载，会自动回退到 assets/ 里的 legacy 模型（需按 模型导出与量化 生成），两者都没有时插件静默降级、不影响聊天。

在设置页（或调用 Host API）下载并选择模型后，下一轮生效：

curl -X POST http://127.0.0.1:<port>/api/emotion-analyzer/v1/model/download \
  -H 'content-type: application/json' -d '{"id":"horizon-small"}'
curl -X POST http://127.0.0.1:<port>/api/emotion-analyzer/v1/model/select \
  -H 'content-type: application/json' -d '{"id":"horizon-small"}'
curl http://127.0.0.1:<port>/api/emotion-analyzer/v1/state

• 首次回复会触发 ONNX 加载（legacy 约 1.5s，Horizon small 约 2–3s），之后单条约 9–20ms；模型缺失时自动降级。
• onnxruntime-node / tokenizers 是原生模块，Windows/macOS 的安装脚本批准与二进制下载需在目标机验证（本机只验证了 Linux + Node 24）。

模型选择（v0.2）

预设	许可	体积	语言	标签	说明
horizon-small（默认）	Apache-2.0	268 MB	36	28	官方 INT8，可在线下载
horizon-base	Apache-2.0	641 MB	36	28	更准但更慢/更大
legacy-tabularisai（回退默认）	CC-BY-NC-4.0	279 MB	23	11	包内 assets，回退用，不可删除
zh-johnson-small	MIT	待导出	zh	8	needsExport（暂无官方 ONNX）

• 设置持久化在 $DSH_HOME/emotion-analyzer/config.json；模型下载到同目录 models/<id>/，不进仓库。
• 下载/切换/删除/测试接口：/api/emotion-analyzer/v1/*（鉴权由 DSH Connection 负责）。
• 完整预设、映射 profile、离线安装与风险见 docs/models.md。

可调参数

都集中在 src/mapping.ts 顶部：

常量	值	说明
THRESHOLD	0.2	聚合分低于该值视为噪声：整轮跳过，不积累也不衰减。校准记录：模型对“难过”常给 sadness≈0.27，0.3 会丢真实悲伤；中性句其余标签 <0.05，降到 0.2 不误报（#30）
DECAY	0.85	每轮回落系数。校准记录：提示词给 0.9，但 0.9^10=0.349 无法满足"5 轮伤心 + 10 轮中性后 sad<0.2"，故取 0.85（见 #13）
STEP_MAX	0.25	单轮命中最大步长，避免一次爆表
CAP	1.0	统一维度封顶

模型原始标签 → 统一维度映射见 EMOTION_MAP（sad = sadness、angry = max(anger, contempt, frustration)、anxious = fear、unwell = max(disgust, 0.5·fear)、confused = max(surprise, doubt)，doubt 为文本启发式）。

验收结果

项	结果
20 中文 + 20 英文 top-1（legacy）	40/40 = 100%（Node 复算同一 40 条 CASES）
20 中文 + 20 英文 top-1（Horizon small）	38/40 = 95%（≥90% 验收线）
CPU INT8 单条推理	legacy 中位 8.6ms；Horizon small 中位 19.3ms（Node 含分词，< 200ms）
tokenizer 与 Python fast 对齐	4/4 case 逐 token 一致
5 轮 sad 累积 / 10 轮 neutral 回落	单测通过（≤ CAP、< 0.2）
重启 projection 恢复	日志重放回归测试通过
真实 DSH 页面悬浮框	展开/折叠/预览截图，0 console error

完整矩阵与未验证项见 docs/e2e.md。

文档

• 架构
• DSH 宿主 API 校准
• 客户端集成（slot / portal / 设置开关）
• 悬浮框（交互、主题、localStorage）
• 模型注册、下载与映射
• 模型导出与量化（legacy）
• 端到端验收
• 贡献规则 · AGENTS

隐私

• 只把助手回复文本送进本进程内的 ONNX 推理；不联网、不调用第三方模型 API。
• 会话日志中的插件记录只含分数、语言、长度、FNV-1a 文本 hash 与时间，不含回复原文。
• 悬浮框趋势最多 30 轮（内存 + localStorage），不上传。

License

• 代码：MIT（见 LICENSE）。
• 模型权重：默认模型 Horizon-Labs/multilingual-emotions-small 为 Apache-2.0；回退用的 legacy tabularisai/multilingual-emotion-classification 为 CC-BY-NC-4.0（非商业）。本仓库不随源码分发权重，只提供下载/导出/量化脚本。商用请使用默认模型或自行替换。