模型质量雷达 · Model Quality Radar

Name: lishinho/dsh-quality-lens
Author: lishinho

给每个 AI 回答做一次体检：动作行显示 质量分 + 话题关联度，点开是带证据的质检报告。更重要的是——它把「回答哪里弱」翻译成 下次怎么问，每条建议都能一键复制成更好的 prompt。 只观测，不改写：不 steer、不重写、不打断流式输出。

质量报告面板

三个实际好处

1. 帮你优化提示词，而不只是给答案打分

报告底部的「提示词调优」会根据回答的短板反推提问方式：

子问题没答全 → 建议把问题拆成编号，要求逐条回答；
建议不可执行 → 要求「步骤 + 判断规则」；
出现绝对化断言 → 要求来源、不确定性与适用前提；
对比题没维度 → 直接把「价格 / 能力 / 场景 / 限制」写进 prompt。

每条建议都带一段可直接复制的改写提问（保留原问题，只追加要求），点「复制改写」就能拿去下一轮。

2. 观测每条回答的质量与关联度

动作行内嵌 ◆ 质量 90 · 关联 100%，无分不渲染、不占位、不抖动；
五维评分：相关性 / 完整性 / 可信度 / 清晰度 / 可执行性；
话题关联度：问题拆成子意图，标出覆盖、部分覆盖与偏离段落；
证据引用：每条结论都能回到回答原文，不是凭空打分；
上下文感知：追问（「这个呢」「为什么」）会参考上一轮问题与上一轮回答，不会被关键词误判为跑题；
置信度与评分口径公开，分数只用于比较表达与任务达成，不做事实裁决。

3. 分析可解释、可校准，Jev 精评可选

默认是本地标签引擎：把回答分类成显式标签（意图 / 结构 / 证据 / 绝对化 / 跑题 / 覆盖…），再由标签映射到分数；确定性、离线、零成本。
需要更强语义判断时，可开启 Jev（TypeSafe 的非生成式决策模型）：一次请求用类型化的 score / noul 问题拿回带置信度的判定，失败自动回退本地分，不阻塞 UI。
附带校准工具：从本机历史会话抽 20 条问答、人工打分、跑 MAE / Spearman，按真实偏差调规则，而不是拍脑袋。
上下文关联、同义词归一、长词加权、承接分，都是为了让「关联」评的是是否推进当前任务，而不是关键词重不重合。

为什么是「观测」，不是「自动改写」

	自动评审 + 重写类插件	模型质量雷达
对答案的影响	低于阈值就让模型重写，改变你看到的输出	不改写，只在回答落盘后分析
成本	每轮至少一次评审模型调用	默认本地 0 token；Jev 按需
额外收益	只告诉你分数	分数 + 证据 + 可复制的提示词改进
适用场景	追求"自动改到好"	追求"看清问题、下次问得更好"

界面预览

以下为交互原型截图（和插件共用同一套评分引擎与布局），实际安装后动作行 Chip 与报告面板一致。

动作行 Chip	追问场景：含上下文

报告面板：五维、话题关联、证据、提示词调优（可复制改写）：

报告面板

分享卡为规划中的设计，当前插件版本以动作行 + 报告为主。

只想先点一点看效果？打开自包含原型 prototype/index.html（双击即可，离线、不联网）。

安装

桌面端（本地目录）

插件页 → 添加插件 → 安装第三方插件；
来源选 本地目录，选择本仓库根目录（包含 package.json）；
重启 / 刷新 DSH。

GitHub / npm

dsh plugin --profile web add github:lishinho/dsh-quality-lens
dsh plugin --profile web add dsh-quality-lens

预构建 tarball（无需构建）

dsh plugin --profile web add https://github.com/lishinho/dsh-quality-lens/releases/latest/download/dsh-quality-lens.tgz

本地打包：pnpm pack → dsh plugin add ./dsh-quality-lens-0.1.0.tgz

安装后发一条 ≥80 字的回答，动作行会出现 Chip；确认 / 寒暄类消息（「可以了我试试」）不会评分。

评分口径

总分 = 25% 相关性 + 20% 完整性 + 20% 可信度 + 15% 清晰度 + 20% 可执行性。

「可信度」评的是可验证的表达（来源、不确定性、绝对化断言），不是事实核查；
话题关联度独立展示：覆盖 3/3 · 无偏离，追问时显示 含上下文 xx%；
证明不了就标低置信度；不做「模型排行榜」。

规则、标签、阈值都在 lib/scoring.js，可读可改；lib/client.js 只负责渲染。

可选：Jev 精评

- id: quality-lens
  config:
    engine: jev               # labels（默认）| heuristic | jev
    jev:
      provider: openrouter    # typesafe | openrouter | custom
      apiKeyEnv: OPENROUTER_API_KEY
      timeoutMs: 4000

一次请求：5 个维度 score + 绝对化/拒答/跑题 noul + 每个子意图一个覆盖 noul；
失败 / 超时 / 无 key：自动回退本地标签分，Chip 先在本地分上显示，精评回来再升级；
隐私：Jev 是唯一会联网的路径，只发送当前问题 + 回答；默认关闭。

技术细节见标签评分与 Jev 方案。

校准（让分数对齐你的判断）

node scripts/extract-samples.mjs --limit 20   # 从本机会话抽问答（只读本地）
node scripts/make-labeling-page.mjs           # 生成离线标注页
open calibration/labeling.html                # 1-5 星打分，导出 labels.jsonl
node scripts/apply-labels.mjs --labels calibration/labels.jsonl
node scripts/calibrate.mjs --in calibration/samples.labeled.jsonl

输出 MAE / RMSE / Spearman / 档位一致率 / 偏差最大的样本。目标 MAE ≤ 8。校准集默认在 calibration/，已 gitignore，不会上传。

隐私

默认引擎在本地完成，不调用模型、不联网；
报告只存本机 $DSH_HOME/quality-lens/reports.jsonl，删目录即清空；
无遥测；Jev 模式需显式配置 key，且仅发送当前问答；
校准只读你自己的本机会话，不上传。

路线图与限制

已有：本地标签评分、上下文关联、提示词调优、证据、置信度、Jev 适配、校准脚本、交互原型；
规划中：分享卡导出、历史/趋势、Jev 影子模式（只记录不展示）、可选的匿名使用统计（默认关）；
当前不做：自动改写答案、公开模型排行榜、事实核查裁决。

开发

node --test test/scoring.test.mjs test/host.test.mjs test/client-bundle.test.mjs test/labels-jev.test.mjs   # 31 tests
node scripts/demo.mjs           # 打印样本评分
node prototype/build.mjs        # 重建自包含原型

lib/scoring.js — 规则 + 标签引擎 + 提示词调优（纯函数）
lib/jev.js — Jev 请求构造 / 校验 / 降级
lib/host.js — 会话事件、上下文、存储、路由
lib/client.js — 手写 lazy-CJS 浏览器 bundle（无构建步骤）
docs/ — 技术方案与上架文案

支持与关注（自愿）

如果它帮到了你，可以请我喝杯咖啡，或关注公众号领取《模型质量周报》。不打赏、不关注也能完整使用。

微信赞赏	支付宝	公众号

公众号：lishinho技术杂货铺（回复「质量」领取周报与评分模板）。

License

MIT

模型质量雷达 · Model Quality Radar

给每个 AI 回答做一次体检：动作行显示 质量分 + 话题关联度，点开是带证据的质检报告。更重要的是——它把「回答哪里弱」翻译成 下次怎么问，每条建议都能一键复制成更好的 prompt。 只观测，不改写：不 steer、不重写、不打断流式输出。

质量报告面板

三个实际好处

1. 帮你优化提示词，而不只是给答案打分

报告底部的「提示词调优」会根据回答的短板反推提问方式：

子问题没答全 → 建议把问题拆成编号，要求逐条回答；
建议不可执行 → 要求「步骤 + 判断规则」；
出现绝对化断言 → 要求来源、不确定性与适用前提；
对比题没维度 → 直接把「价格 / 能力 / 场景 / 限制」写进 prompt。

每条建议都带一段可直接复制的改写提问（保留原问题，只追加要求），点「复制改写」就能拿去下一轮。

2. 观测每条回答的质量与关联度

动作行内嵌 ◆ 质量 90 · 关联 100%，无分不渲染、不占位、不抖动；
五维评分：相关性 / 完整性 / 可信度 / 清晰度 / 可执行性；
话题关联度：问题拆成子意图，标出覆盖、部分覆盖与偏离段落；
证据引用：每条结论都能回到回答原文，不是凭空打分；
上下文感知：追问（「这个呢」「为什么」）会参考上一轮问题与上一轮回答，不会被关键词误判为跑题；
置信度与评分口径公开，分数只用于比较表达与任务达成，不做事实裁决。

3. 分析可解释、可校准，Jev 精评可选

默认是本地标签引擎：把回答分类成显式标签（意图 / 结构 / 证据 / 绝对化 / 跑题 / 覆盖…），再由标签映射到分数；确定性、离线、零成本。
需要更强语义判断时，可开启 Jev（TypeSafe 的非生成式决策模型）：一次请求用类型化的 score / noul 问题拿回带置信度的判定，失败自动回退本地分，不阻塞 UI。
附带校准工具：从本机历史会话抽 20 条问答、人工打分、跑 MAE / Spearman，按真实偏差调规则，而不是拍脑袋。
上下文关联、同义词归一、长词加权、承接分，都是为了让「关联」评的是是否推进当前任务，而不是关键词重不重合。

为什么是「观测」，不是「自动改写」

	自动评审 + 重写类插件	模型质量雷达
对答案的影响	低于阈值就让模型重写，改变你看到的输出	不改写，只在回答落盘后分析
成本	每轮至少一次评审模型调用	默认本地 0 token；Jev 按需
额外收益	只告诉你分数	分数 + 证据 + 可复制的提示词改进
适用场景	追求"自动改到好"	追求"看清问题、下次问得更好"

界面预览

以下为交互原型截图（和插件共用同一套评分引擎与布局），实际安装后动作行 Chip 与报告面板一致。

动作行 Chip	追问场景：含上下文

报告面板：五维、话题关联、证据、提示词调优（可复制改写）：

报告面板

分享卡为规划中的设计，当前插件版本以动作行 + 报告为主。

只想先点一点看效果？打开自包含原型 prototype/index.html（双击即可，离线、不联网）。

安装

桌面端（本地目录）

插件页 → 添加插件 → 安装第三方插件；
来源选 本地目录，选择本仓库根目录（包含 package.json）；
重启 / 刷新 DSH。

GitHub / npm

dsh plugin --profile web add github:lishinho/dsh-quality-lens
dsh plugin --profile web add dsh-quality-lens

预构建 tarball（无需构建）

dsh plugin --profile web add https://github.com/lishinho/dsh-quality-lens/releases/latest/download/dsh-quality-lens.tgz

本地打包：pnpm pack → dsh plugin add ./dsh-quality-lens-0.1.0.tgz

安装后发一条 ≥80 字的回答，动作行会出现 Chip；确认 / 寒暄类消息（「可以了我试试」）不会评分。

评分口径

总分 = 25% 相关性 + 20% 完整性 + 20% 可信度 + 15% 清晰度 + 20% 可执行性。

「可信度」评的是可验证的表达（来源、不确定性、绝对化断言），不是事实核查；
话题关联度独立展示：覆盖 3/3 · 无偏离，追问时显示 含上下文 xx%；
证明不了就标低置信度；不做「模型排行榜」。

规则、标签、阈值都在 lib/scoring.js，可读可改；lib/client.js 只负责渲染。

可选：Jev 精评

- id: quality-lens
  config:
    engine: jev               # labels（默认）| heuristic | jev
    jev:
      provider: openrouter    # typesafe | openrouter | custom
      apiKeyEnv: OPENROUTER_API_KEY
      timeoutMs: 4000

一次请求：5 个维度 score + 绝对化/拒答/跑题 noul + 每个子意图一个覆盖 noul；
失败 / 超时 / 无 key：自动回退本地标签分，Chip 先在本地分上显示，精评回来再升级；
隐私：Jev 是唯一会联网的路径，只发送当前问题 + 回答；默认关闭。

技术细节见标签评分与 Jev 方案。

校准（让分数对齐你的判断）

node scripts/extract-samples.mjs --limit 20   # 从本机会话抽问答（只读本地）
node scripts/make-labeling-page.mjs           # 生成离线标注页
open calibration/labeling.html                # 1-5 星打分，导出 labels.jsonl
node scripts/apply-labels.mjs --labels calibration/labels.jsonl
node scripts/calibrate.mjs --in calibration/samples.labeled.jsonl

输出 MAE / RMSE / Spearman / 档位一致率 / 偏差最大的样本。目标 MAE ≤ 8。校准集默认在 calibration/，已 gitignore，不会上传。

隐私

默认引擎在本地完成，不调用模型、不联网；
报告只存本机 $DSH_HOME/quality-lens/reports.jsonl，删目录即清空；
无遥测；Jev 模式需显式配置 key，且仅发送当前问答；
校准只读你自己的本机会话，不上传。

路线图与限制

已有：本地标签评分、上下文关联、提示词调优、证据、置信度、Jev 适配、校准脚本、交互原型；
规划中：分享卡导出、历史/趋势、Jev 影子模式（只记录不展示）、可选的匿名使用统计（默认关）；
当前不做：自动改写答案、公开模型排行榜、事实核查裁决。

开发

node --test test/scoring.test.mjs test/host.test.mjs test/client-bundle.test.mjs test/labels-jev.test.mjs   # 31 tests
node scripts/demo.mjs           # 打印样本评分
node prototype/build.mjs        # 重建自包含原型

lib/scoring.js — 规则 + 标签引擎 + 提示词调优（纯函数）
lib/jev.js — Jev 请求构造 / 校验 / 降级
lib/host.js — 会话事件、上下文、存储、路由
lib/client.js — 手写 lazy-CJS 浏览器 bundle（无构建步骤）
docs/ — 技术方案与上架文案

支持与关注（自愿）

如果它帮到了你，可以请我喝杯咖啡，或关注公众号领取《模型质量周报》。不打赏、不关注也能完整使用。

微信赞赏	支付宝	公众号

公众号：lishinho技术杂货铺（回复「质量」领取周报与评分模板）。

License

MIT

lishinho/dsh-quality-lens

模型质量雷达 · Model Quality Radar

三个实际好处

1. 帮你优化提示词，而不只是给答案打分

2. 观测每条回答的质量与关联度

3. 分析可解释、可校准，Jev 精评可选

为什么是「观测」，不是「自动改写」

界面预览

安装

评分口径

可选：Jev 精评

校准（让分数对齐你的判断）

隐私

路线图与限制

开发

支持与关注（自愿）

License

Community comments

lishinho/dsh-quality-lens

模型质量雷达 · Model Quality Radar

三个实际好处

1. 帮你优化提示词，而不只是给答案打分

2. 观测每条回答的质量与关联度

3. 分析可解释、可校准，Jev 精评可选

为什么是「观测」，不是「自动改写」

界面预览

安装

评分口径

可选：Jev 精评

校准（让分数对齐你的判断）

隐私

路线图与限制

开发

支持与关注（自愿）

License

Community comments