dsh-jev-grep

搜索洪水的裁决层插件（DeepSeek Harness，host 半边，零 npm 依赖，跨平台 Win/mac/Linux）。

定位：不替代 grep——找东西仍是 grep/glob 的活。它替代的是搜索之后"几百行命中要么硬读进 context、要么 grep -v 猜"的环节：把命中行灌进 TypeSafe Jev 的类型化判断（noul/choice），返回每行一个校准概率 + 排序 + cut 线，模型只读 cut 上方 ~30 行。

一个 grep -rn 回来 3000 行、500 个文件的场景：读它烧 context、猜它出错。jev_search 把池子压成"每行一个校准数字 + 一条 cut 线"，回复长度与池子大小无关（40 条和 4000 条都是 ~30 行）。

组成

部件	行为
`jev_search` 工具	内置 ripgrep 找候选 → 分批并发裁决 → 排序 + cut。端点不通/超时/无 key 一律降级返回原始 grep 行并如实标注（`adjudicated:false`），绝不静默
洪水 nudge	`grep`/`glob` 结果行数 ≥ `minMatchesForNudge`（默认 120）时，附加一句 ~60 token 提示引导改用 `jev_search`；小池子零打扰
systemPrompt 段	问题措辞契约（一跳、字面、单位是行）+ 已实测失效模式提醒
`/dsh-jev-grep` 路由	GET 状态（key 只回显指纹）；POST `/settings` 改配置，live re-read（10s 缓存），无需重启

前置

Node 18+（DSH 自带）
一个 Jev 端点 + key，三选一：
- OpenCode Zen 免费档（零成本起步）：url=https://opencode.ai/zen/v1/systemone，model=jev-1.13-free，key 在 opencode.ai 申请。
- TypeSafe 官方：url=https://api.typesafe.ai/v1/systemone，model=jev-latest，$0.042/百万输入 token、输出免费。
- OpenRouter：url=https://openrouter.ai/api/alpha/decisions，model=~typesafe/jev-latest，key 以 sk-or- 开头。

配置

~/.dsh/dsh-jev-grep/settings.json（缺省即默认值；也可全走 POST /dsh-jev-grep/settings）：

{
  "enabled": true,
  "url": "https://opencode.ai/zen/v1/systemone",  // 任何 systemone 形状端点
  "model": "jev-1.13-free",                        // Zen 免费档；官方用 jev-latest
  "key": "",                                       // 空 → ~/.config/jev/key → env JEV_API_KEY
  "timeoutMs": 20000,
  "minMatchesForNudge": 120,                       // grep 命中行数超它才 nudge
  "maxCandidates": 2000,                           // 单次裁决候选上限
  "tokenBudget": 40000,                            // 每次 API 调用的输入 token 预算
  "concurrency": 4,
  "cutP": 0.7,                                     // noul 默认 cut
  "topRows": 30,                                   // 文本输出最多展示行数
  "nudgeEnabled": true,
  "rgPath": ""                                     // 空 → 自动探测宿主 ripgrep → PATH
}

key 建议落 ~/.config/jev/key（与 jev CLI 共用），别写进 settings.json——后者更可能被同步/备份。settings.json 里的 key 只会在 GET /dsh-jev-grep 回显指纹，绝不回显明文。

安装

克隆到本地插件目录，再挂进 profile（三平台一致）：

git clone https://github.com/jipika/dsh-jev-grep.git ~/.dsh/local-plugins/dsh-jev-grep

profile 的 package.json → dependencies 加一行：

"dsh-jev-grep": "link:../../local-plugins/dsh-jev-grep"

profile 的 cordis.patch.yml 加一个 insert 块：

- insert:
    - id: dsh-jev-grep
      name: dsh-jev-grep

在 profile 目录跑 pnpm install（Windows 上若报 postinstall 找不到 node，把 DSH 自带 node 的 bin 加进 PATH 再跑一次）。
重启 DSH（host 半边新插件必须重启才加载）。

profile 目录在 ~/.dsh/profiles/<profile>/（桌面端默认 desktop）。

ripgrep 定位

插件自动找宿主自带的 @vscode/ripgrep-<platform>-<arch>：

Windows：resources/app.asar.unpacked/dsh/node_modules/@vscode/.../bin/rg.exe
macOS：/Applications/DeepSeek Harness.app/Contents/Resources/app.asar.unpacked/dsh/node_modules/@vscode/.../bin/rg
Linux：/opt、/usr/lib、~/.local/share 下的对应路径

都探不到时回落 PATH 上的 rg；仍失败可显式设 rgPath。

用法（模型侧）

模型看到 jev_search 工具 + 一段 system prompt。典型：

jev_search(
  pattern="getUser",
  path="/repo/src",
  kind="noul",
  question="this line calls the user API in production code, not a test, mock, or comment"
)

jev noul · 29 candidate(s) · 1 call(s) · 1394ms
  "this line calls the user API in production code, not a test, mock, or comment"
  yes 12 / 29 at p >= 0.70
--- cut: read above (12 row(s); p >= 0.70; 17 below) ---
0.91	"src/api/user.ts:12:  const user = await getUser(id);"
...

读 cut 上方即可。kind=choice 时给 options=[{name,criteria}...]（2+ 个带对比判据的选项），按标签分组返回。

隐私

每次裁决把候选行 + 问题 + key 发给所配端点。不想让代码出机器就别启用（enabled:false 时 nudge 与工具都静默直通）。

已知失效模式（实测）

短候选/中文内容分数系统性偏低：真阳性可能掉进 0.4~cut 的 band；band 大时用 choice 二次过一遍再下结论。
cut 兜底：若固定 cutP 使 cut 上方为 0 行，自动退到"排序概率最大落差（cliff ≥0.25）"处切；仍无 cliff 则取 top-10 并如实标注"人工复核"。
不判编译器/linter/测试能定论的事；单条候选（n=1）别用它；别用它判你刚自己生成的候选。

测试

node test-self.mjs      # 单元：token 估算/批切/rg 解析/nudge helper
node test-runtime.mjs   # 运行时：mock ctx 加载插件 + 真实调用工具与钩子

无 key 或无 ripgrep 时，依赖它们的用例自动 SKIP（不算失败），所以干净克隆也能跑通。带真实端点：JEV_TEST_KEY=*** node test-runtime.mjs。

卸载

删 cordis.patch.yml 的 insert 块 + package.json 依赖行 + ~/.dsh/dsh-jev-grep/，重启。

许可

MIT

dsh-jev-grep

搜索洪水的裁决层插件（DeepSeek Harness，host 半边，零 npm 依赖，跨平台 Win/mac/Linux）。

组成

部件	行为
`jev_search` 工具	内置 ripgrep 找候选 → 分批并发裁决 → 排序 + cut。端点不通/超时/无 key 一律降级返回原始 grep 行并如实标注（`adjudicated:false`），绝不静默
洪水 nudge	`grep`/`glob` 结果行数 ≥ `minMatchesForNudge`（默认 120）时，附加一句 ~60 token 提示引导改用 `jev_search`；小池子零打扰
systemPrompt 段	问题措辞契约（一跳、字面、单位是行）+ 已实测失效模式提醒
`/dsh-jev-grep` 路由	GET 状态（key 只回显指纹）；POST `/settings` 改配置，live re-read（10s 缓存），无需重启

前置

Node 18+（DSH 自带）
一个 Jev 端点 + key，三选一：
- OpenCode Zen 免费档（零成本起步）：url=https://opencode.ai/zen/v1/systemone，model=jev-1.13-free，key 在 opencode.ai 申请。
- TypeSafe 官方：url=https://api.typesafe.ai/v1/systemone，model=jev-latest，$0.042/百万输入 token、输出免费。
- OpenRouter：url=https://openrouter.ai/api/alpha/decisions，model=~typesafe/jev-latest，key 以 sk-or- 开头。

配置

~/.dsh/dsh-jev-grep/settings.json（缺省即默认值；也可全走 POST /dsh-jev-grep/settings）：

{
  "enabled": true,
  "url": "https://opencode.ai/zen/v1/systemone",  // 任何 systemone 形状端点
  "model": "jev-1.13-free",                        // Zen 免费档；官方用 jev-latest
  "key": "",                                       // 空 → ~/.config/jev/key → env JEV_API_KEY
  "timeoutMs": 20000,
  "minMatchesForNudge": 120,                       // grep 命中行数超它才 nudge
  "maxCandidates": 2000,                           // 单次裁决候选上限
  "tokenBudget": 40000,                            // 每次 API 调用的输入 token 预算
  "concurrency": 4,
  "cutP": 0.7,                                     // noul 默认 cut
  "topRows": 30,                                   // 文本输出最多展示行数
  "nudgeEnabled": true,
  "rgPath": ""                                     // 空 → 自动探测宿主 ripgrep → PATH
}

key 建议落 ~/.config/jev/key（与 jev CLI 共用），别写进 settings.json——后者更可能被同步/备份。settings.json 里的 key 只会在 GET /dsh-jev-grep 回显指纹，绝不回显明文。

安装

克隆到本地插件目录，再挂进 profile（三平台一致）：

git clone https://github.com/jipika/dsh-jev-grep.git ~/.dsh/local-plugins/dsh-jev-grep

profile 的 package.json → dependencies 加一行：

"dsh-jev-grep": "link:../../local-plugins/dsh-jev-grep"

profile 的 cordis.patch.yml 加一个 insert 块：

- insert:
    - id: dsh-jev-grep
      name: dsh-jev-grep

在 profile 目录跑 pnpm install（Windows 上若报 postinstall 找不到 node，把 DSH 自带 node 的 bin 加进 PATH 再跑一次）。
重启 DSH（host 半边新插件必须重启才加载）。

profile 目录在 ~/.dsh/profiles/<profile>/（桌面端默认 desktop）。

ripgrep 定位

插件自动找宿主自带的 @vscode/ripgrep-<platform>-<arch>：

Windows：resources/app.asar.unpacked/dsh/node_modules/@vscode/.../bin/rg.exe
macOS：/Applications/DeepSeek Harness.app/Contents/Resources/app.asar.unpacked/dsh/node_modules/@vscode/.../bin/rg
Linux：/opt、/usr/lib、~/.local/share 下的对应路径

都探不到时回落 PATH 上的 rg；仍失败可显式设 rgPath。

用法（模型侧）

模型看到 jev_search 工具 + 一段 system prompt。典型：

jev_search(
  pattern="getUser",
  path="/repo/src",
  kind="noul",
  question="this line calls the user API in production code, not a test, mock, or comment"
)

jev noul · 29 candidate(s) · 1 call(s) · 1394ms
  "this line calls the user API in production code, not a test, mock, or comment"
  yes 12 / 29 at p >= 0.70
--- cut: read above (12 row(s); p >= 0.70; 17 below) ---
0.91	"src/api/user.ts:12:  const user = await getUser(id);"
...

读 cut 上方即可。kind=choice 时给 options=[{name,criteria}...]（2+ 个带对比判据的选项），按标签分组返回。

隐私

每次裁决把候选行 + 问题 + key 发给所配端点。不想让代码出机器就别启用（enabled:false 时 nudge 与工具都静默直通）。

已知失效模式（实测）

短候选/中文内容分数系统性偏低：真阳性可能掉进 0.4~cut 的 band；band 大时用 choice 二次过一遍再下结论。
cut 兜底：若固定 cutP 使 cut 上方为 0 行，自动退到"排序概率最大落差（cliff ≥0.25）"处切；仍无 cliff 则取 top-10 并如实标注"人工复核"。
不判编译器/linter/测试能定论的事；单条候选（n=1）别用它；别用它判你刚自己生成的候选。

测试

node test-self.mjs      # 单元：token 估算/批切/rg 解析/nudge helper
node test-runtime.mjs   # 运行时：mock ctx 加载插件 + 真实调用工具与钩子

无 key 或无 ripgrep 时，依赖它们的用例自动 SKIP（不算失败），所以干净克隆也能跑通。带真实端点：JEV_TEST_KEY=*** node test-runtime.mjs。

卸载

删 cordis.patch.yml 的 insert 块 + package.json 依赖行 + ~/.dsh/dsh-jev-grep/，重启。

许可

MIT

jipika/dsh-jev-grep

dsh-jev-grep

组成

前置

配置

安装

ripgrep 定位

用法（模型侧）

隐私

已知失效模式（实测）

测试

卸载

许可

Community comments

jipika/dsh-jev-grep

dsh-jev-grep

组成

前置

配置

安装

ripgrep 定位

用法（模型侧）

隐私

已知失效模式（实测）

测试

卸载

许可

Community comments