dsh-tier-brain（v0.1.0）

在你发送之前，看一眼这句话有多难，然后只告诉你两件事：

建议的模型 · 建议的推理等级

就这两件事。没有分数、没有难度条、没有"为什么"按钮、不弹窗、不接管输入框，也不会替你改模型——它只建议，请求该怎么发还是怎么发。

它长什么样

聊天输入框的上方外侧会出现一枚小胶囊：

● deepseek-flash · off

左侧色点：🟢 省档 / 🟡 平档 / 🔴 强档
高峰时段末尾会多一个橙色 · 高峰（谷时没有，不占位）
会话已经很长（读入 ≥48K token）时，末尾会多一个灰蓝 · 长上下文
只有当前对话界面的输入框有内容时才出现
切到设置、插件市场、别的会话——它立刻消失（只认 [data-composer-seat] 里的真实会话输入框）
发送后输入框清空，它自动收起

三档含义

档位	建议模型	推理等级	适合什么样的活
🟢 省档	`deepseek-flash`	`off`	打招呼、问一个事实、查个词、格式转换、翻译短句
🟡 平档	`deepseek-flash`	`high`	一般开发任务、解释、改代码、跑命令、中等排障
🔴 强档	`deepseek-v4-pro`	`high`	架构设计、跨文件重构、复杂并发、长文产出、有取舍要权衡的决策
🔴 强档（极难）	`deepseek-v4-pro`	`max`	安全审计、复杂 code review、疑难调试——只在分数过线时自动出现

强档需要你的 provider 里已配置 deepseek-v4-pro；没有的话它只是一句提示。

判断依据（这是重点）

不是"看到'重构'两个字就加 20 分"那种词表。做法分两步：

第一步：先认任务类型，给一个基准分（同一类活的天然难度）：

类型	基准分	典型信号
确认 / 寒暄	5	好、谢谢、可以、行
事实查询	12	是什么、多少、在哪、有没有
翻译 / 格式化	15	翻译、润色、转成、排版
解释概念	20	为什么、怎么理解、原理、区别
文档 / 写作	25	写一段、总结、说明、README
读代码	28	看看这段、解释这个函数、这行什么意思
运维 / 安装	35	安装、配置、启动、端口、权限、npm、git
调研 / 方案	35	你觉得、可行性、思路、建议、有什么影响
改代码	42	把…改成、加上、删掉、换成
调试排障	46	报错、不生效、变卡、失败、排查
从零构建	50	做一个、写一个、搭建、开发、实现
审查 / 评估	55	检查一遍、有没有问题、review、审计
重构	60	重构、抽出来、拆分、合并、清理冗余
架构设计	68	架构、设计一套、技术选型、并发模型

取命中权重最高的那一类；同一类被反复提及时分数只做对数增长，防止"长文堆词"把难度刷虚高。

第二步：按上下文加减（幅度都有上限，不会一项定生死）：

篇幅：>1600 字 +12，>600 字 +9，>200 字 +5；≤14 字 −6
代码块 ≥4 段 +8，≥2 段 +5；含文件路径 +3；含 URL +2
范围词（所有/全部/整个/全面/逐一）+6；多步骤表述（先…再…然后）+4
硬约束（兼容/测试/边界/不破坏/性能/安全）出现 1 个 +4、≥2 个 +7
问"为什么"且不是一句话 +4
明确说"简单/只要/随便"且不是重活、不是开放讨论、篇幅短 → −8
同一会话里越往后 +2 / +4；之前工具调用失败过 ≥2 次 +5
上下文规模（上一轮真实读入的 token）：≥12K +1、≥32K +3、≥96K +5
会话已经 ≥4 轮且上下文 ≥48K 时，省档会被抬到平档——见下一节
上一轮已经是强档、这一轮落在平档但分数接近强档线 → 保持强档（上下文已经很难了，别突然降档）

分档线：< 32 → 省档；32–55 → 平档；≥ 56 → 强档。

阈值故意把"难"这一侧放宽：把难题误判成省档、给出一个明显不够用的模型，比反过来更伤人。这也是它现在偏保守的原因。

为什么是这几个组合（依据）

不是拍脑袋定的三档。真实四档是 off / low / high / max（API 里写作 none/low/high/max），而档位在 DeepSeek 的实现里不是算力旋钮，是提示词前缀：low 什么都不加，high 前置一段"详尽推理"的长指令，max 是加强版。由此有两个反直觉的结论，直接决定了上面的组合：

low 不是"便宜档"。 少了结构，模型更容易漫游、复述、绕圈——实测里 low 的 reasoning 与输出 token 反而多于 high。所以省档用 off 而不是 low：关掉思考，首字 < 0.1s、几乎零推理成本，对寒暄/查事实/格式转换完全够用；而且对简单问题，复杂模型开思考还可能"过度思考"答错。
max 经常不值。 通篇实测里，给一般任务上 max，输出 token 可到 Flash 的 4 倍多，答案却一样甚至更差；在 8K 输出上限下 high/max 还会把额度全花在推理上、正文直接空响应（把 max_tokens 提到 32K 以上可解）。所以 max 只在"强档 + 架构/审查/疑难调试/重构 + 分数过线"时出现。

max 的触发门槛按类型分：审查 66 分、架构 72 分、调试 76 分、重构 78 分（满分 100）。门槛故意偏高——宁可漏推，不可乱推。

顺带一个省钱维度：高峰 / 谷时

DeepSeek 官方定价里，空闲时段价格正好是高峰时段的一半（Flash 输入 1 vs 2 元/百万 token、输出 4 vs 8；Pro 输入 4.5 vs 9、输出 13.5 vs 27）。高峰是北京时间周一至周五（不含法定节假日）9:00–12:00、14:00–18:00，其余时段（含整个周末）都算空闲。

所以卡片在高峰时段会多一个橙色 · 高峰 小标——不是催你换模型，是提醒"同档现在贵一倍，能挪就挪"。谷时不显示，免得添噪。

法定节假日无法在本地可靠判断，这里按"工作日"近似，节假日当天可能误报为高峰。

省钱杠杆的排序（按真实差价）：错峰（省 50%）> 换 Flash（省 67%–78%）> 降档（不一定省，low 可能更贵）> 上 max（几乎总是更贵）。

上下文与记忆如何影响推荐

上面那套判断只看"这句话本身"。但真实花费不是这样算的：

新开一个对话，普通问答用 off 确实比 low 省一点；可一旦聊过几轮，两个对话的花费就不再符合这个直觉了。

原因是每轮的钱由两部分组成：读入的上下文 + 生成的输出。而上下文里，你刚打的那几十个字只占几个百分点——其余是系统注入：记忆提醒、压缩摘要、运行时上下文、历史消息。本机实测的一个会话里，用户输入不到 600 字，系统注入将近 3.7 万字，助手输出 21 万字，读入侧的 token 有九成以上来自注入与历史。

于是：

off 省的是输出，不省输入。 长会话里关掉思考，省下的那点输出相对整段上下文是零头；
答错更贵。 省档一旦没答对，重来一次要再读一遍整段上下文，代价比省下的输出高一个数量级；
所以长会话里的"省档"是假省钱。

插件因此读了每轮的真实用量（assistant/message 事件里的 usage），用 上下文规模 = inputTokens + cacheReadTokens + cacheWriteTokens 缓存命中率 = cacheReadTokens / 上下文规模 来跟踪"这个对话现在有多重"，规则只有两条：

规模越大，难度分越高：≥12K +1、≥32K +3、≥96K +5（幅度刻意小，只推临界样本一把）；
会话 ≥4 轮且上下文 ≥48K 时，不再推荐省档，自动抬到平档，并在卡片上标 · 长上下文。

寒暄是例外：说一句"谢谢"不会因为上下文长就被抬档——那确实不需要思考。

为什么门槛定在 48K / 4 轮：低于这个量级时，输出仍占成本的可观比例，省档还有意义；再往上，输出占比被上下文稀释，升档的期望收益开始稳定为正。这两个数是经验阈值，不是实测出来的最优点，用 /tier 看到"上下文 xxK"后觉得不合适，可以直接告诉我调。

/tier 里还能看到本会话的记忆注入总量（累计字数与估算 token），以及缓存命中率——命中率高说明前缀稳定、输入便宜；命中率低说明每次都在重算，这才是该优化的地方。

准确率

用你本机全部会话（~/.dsh/sessions/**/session.v4.jsonl.zstd 解出来的历史消息）去重后得到的 122 条真实提问，按"这句话需要什么样的回答"人工标成三档，再跑插件自己的评分：

指标	数值
整体准确率（122 条）	97.5%
开发集（61 条）	98.4%
留出集（61 条，调参时没看过）	96.7%
省档召回	100.0%
平档召回	95.3%
强档召回	100.0%

混淆矩阵（行=人工标签，列=插件判断）：

        T1   T2   T3
T1      43    0    0
T2       3   61    0
T3       0    0   15

剩余 3 条错例都是脱离上下文的短句/英文（"点 Commit 之后填完是这样"、"2d 平面住客日常活动参考饭店物语"、一段英文 truncate 报错），单看文字判不了该用哪档，属标注固有误差，未强行加规则以免过拟合。

复现：node test/eval.mjs（或 test/check.mjs 只看语法）；node test/check-v02.mjs 验证四档映射与峰谷判断；node test/check-v03.mjs 验证上下文与记忆规则；node test/check-events.mjs 验证"会话事件 → 上下文统计 → 推荐"整条链。分数低于 60% 时评测脚本直接 exit 1。

评测语料只标了"这句话本身"的难度，跑分时上下文一律为空，所以上面这组数字不含长上下文升档的影响；它衡量的是纯文本判断力。

必须说清楚的局限：

122 条的标签是一个人标的，边界样本（尤其"中等 vs 难"）本来就见仁见智；
语料只来自你这台机器的使用习惯，换个人、换个领域，准确率会掉；
它是关键词 + 结构启发式，不是模型判别。遇到反讽、极简的深层问题（"这个为什么不行？"背后是一整天的排查）会低估；
所以它只给建议。最终选哪个模型，还是你自己点。

如果发现某类问题总被判错，把原话发我，我把它加进 test/cases.jsonl 重新校准——这是让它变准的唯一正路。

输入框里也能问

/tier 帮我重构这个模块的架构，设计一个并发方案

会打印完整依据：分类、分数、命中信号、置信度；处于高峰时段时多一行错峰提醒。这些细节只在命令里给你，不往界面上糊。

再往下是 DSH 里怎么装。

命令行也能用

不想开 DSH 的时候，直接问一句：

# 装了包（npm i -g dsh-tier-brain）之后
dsh-tier-brain "帮我重构一下这个模块，顺便补齐边界条件的测试"
dsh-tier-brain --json "把 D 盘那个未签名的系统服务删掉"

# 没装全局包，直接在源码目录里跑
node scripts/dsh-tier-brain.mjs "帮我重构一下这个模块"
echo "帮我把这个插件的 README 重写一遍" | node scripts/dsh-tier-brain.mjs

输出：

建议：deepseek-v4-pro · high  [强档]
类型：REFACTOR　评分：67
依据：REFACTOR；多重硬约束 +7

--json 输出结构化结果，方便脚本调用。

安装 / 更新

方式一：npm（推荐）

cd $env:USERPROFILE\.dsh\profiles\desktop
npm install dsh-tier-brain

然后确认 profile 的 package.json 里 dsh.profile.bundles 包含 dsh-tier-brain（npm 只负责装包，不会自动往 bundles 里加）。注意 bundles 里要写包名、dependencies 里要有对应条目，两处都得在。

方式二：本地目录（不用联网）

powershell -ExecutionPolicy Bypass -File .\install.ps1

方式三：分发包（tgz）

cd $env:USERPROFILE\.dsh\profiles\desktop
npm install file:C:/path/to/dsh-tier-brain-0.1.0.tgz

install.ps1 会：备份 profile 的 package.json → 复制 lib/ → 把 dsh-tier-brain 加进 dsh.profile.bundles（已经在里面就不重复加）。装完必须完全退出 DSH 再重开，宿主代码才会重新加载。

回滚：把 package.json.bak-tier-brain 覆盖回 package.json，删掉 node_modules\dsh-tier-brain。

版本号：package.json 与宿主 ping 返回的 version 都是 0.1.0；这是首个正式发布版。

数据与隐私

输入的文字只会 POST 给本机宿主 http://127.0.0.1:<port>/dsh-tier-brain/preview，不出本机；
每次判定会追加一行到 ~/.dsh/tier-brain/decisions.jsonl，只存前 200 字，用于以后复盘和校准；
不读会话历史，不碰剪贴板，不改任何配置。

版本

0.1.0（2026-10-21，首个正式发布版）：把先前的 0.2 / 0.3 内部迭代合并为一次发布——
- 判断规则重写为「任务分类基准分 + 上下文修饰」，不再靠零散词表加分；
- 省档用 flash + off，平档 flash + high，强档 pro + high，极难任务自动升 max；
- 卡片只显示模型与推理等级，切到设置 / 插件市场 / 其它会话立即消失；
- 结合上下文与记忆：读取每轮真实 usage，≥4 轮且 ≥48K 时不再推荐省档，卡片显示 · 长上下文；
- 高峰时段显示 · 高峰；
- 用本机 19 个会话、122 条真实提问做评测：整体 97.5%（dev 98.4% / holdout 96.7%）；
- 测试：test/eval.mjs、test/check-v02.mjs、test/check-v03.mjs、test/check-events.mjs、test/server-smoke.mjs；
- 附带 dsh-tier-brain 命令行（scripts/dsh-tier-brain.mjs），不开 DSH 也能给一句话打分。
0.0.1：初版，难度条 + "为什么" + 词表加分（已废弃）。

dsh-tier-brain（v0.1.0）

在你发送之前，看一眼这句话有多难，然后只告诉你两件事：

建议的模型 · 建议的推理等级

就这两件事。没有分数、没有难度条、没有"为什么"按钮、不弹窗、不接管输入框，也不会替你改模型——它只建议，请求该怎么发还是怎么发。

它长什么样

聊天输入框的上方外侧会出现一枚小胶囊：

● deepseek-flash · off

左侧色点：🟢 省档 / 🟡 平档 / 🔴 强档
高峰时段末尾会多一个橙色 · 高峰（谷时没有，不占位）
会话已经很长（读入 ≥48K token）时，末尾会多一个灰蓝 · 长上下文
只有当前对话界面的输入框有内容时才出现
切到设置、插件市场、别的会话——它立刻消失（只认 [data-composer-seat] 里的真实会话输入框）
发送后输入框清空，它自动收起

三档含义

档位	建议模型	推理等级	适合什么样的活
🟢 省档	`deepseek-flash`	`off`	打招呼、问一个事实、查个词、格式转换、翻译短句
🟡 平档	`deepseek-flash`	`high`	一般开发任务、解释、改代码、跑命令、中等排障
🔴 强档	`deepseek-v4-pro`	`high`	架构设计、跨文件重构、复杂并发、长文产出、有取舍要权衡的决策
🔴 强档（极难）	`deepseek-v4-pro`	`max`	安全审计、复杂 code review、疑难调试——只在分数过线时自动出现

强档需要你的 provider 里已配置 deepseek-v4-pro；没有的话它只是一句提示。

判断依据（这是重点）

不是"看到'重构'两个字就加 20 分"那种词表。做法分两步：

第一步：先认任务类型，给一个基准分（同一类活的天然难度）：

类型	基准分	典型信号
确认 / 寒暄	5	好、谢谢、可以、行
事实查询	12	是什么、多少、在哪、有没有
翻译 / 格式化	15	翻译、润色、转成、排版
解释概念	20	为什么、怎么理解、原理、区别
文档 / 写作	25	写一段、总结、说明、README
读代码	28	看看这段、解释这个函数、这行什么意思
运维 / 安装	35	安装、配置、启动、端口、权限、npm、git
调研 / 方案	35	你觉得、可行性、思路、建议、有什么影响
改代码	42	把…改成、加上、删掉、换成
调试排障	46	报错、不生效、变卡、失败、排查
从零构建	50	做一个、写一个、搭建、开发、实现
审查 / 评估	55	检查一遍、有没有问题、review、审计
重构	60	重构、抽出来、拆分、合并、清理冗余
架构设计	68	架构、设计一套、技术选型、并发模型

取命中权重最高的那一类；同一类被反复提及时分数只做对数增长，防止"长文堆词"把难度刷虚高。

第二步：按上下文加减（幅度都有上限，不会一项定生死）：

篇幅：>1600 字 +12，>600 字 +9，>200 字 +5；≤14 字 −6
代码块 ≥4 段 +8，≥2 段 +5；含文件路径 +3；含 URL +2
范围词（所有/全部/整个/全面/逐一）+6；多步骤表述（先…再…然后）+4
硬约束（兼容/测试/边界/不破坏/性能/安全）出现 1 个 +4、≥2 个 +7
问"为什么"且不是一句话 +4
明确说"简单/只要/随便"且不是重活、不是开放讨论、篇幅短 → −8
同一会话里越往后 +2 / +4；之前工具调用失败过 ≥2 次 +5
上下文规模（上一轮真实读入的 token）：≥12K +1、≥32K +3、≥96K +5
会话已经 ≥4 轮且上下文 ≥48K 时，省档会被抬到平档——见下一节
上一轮已经是强档、这一轮落在平档但分数接近强档线 → 保持强档（上下文已经很难了，别突然降档）

分档线：< 32 → 省档；32–55 → 平档；≥ 56 → 强档。

阈值故意把"难"这一侧放宽：把难题误判成省档、给出一个明显不够用的模型，比反过来更伤人。这也是它现在偏保守的原因。

为什么是这几个组合（依据）

low 不是"便宜档"。 少了结构，模型更容易漫游、复述、绕圈——实测里 low 的 reasoning 与输出 token 反而多于 high。所以省档用 off 而不是 low：关掉思考，首字 < 0.1s、几乎零推理成本，对寒暄/查事实/格式转换完全够用；而且对简单问题，复杂模型开思考还可能"过度思考"答错。
max 经常不值。 通篇实测里，给一般任务上 max，输出 token 可到 Flash 的 4 倍多，答案却一样甚至更差；在 8K 输出上限下 high/max 还会把额度全花在推理上、正文直接空响应（把 max_tokens 提到 32K 以上可解）。所以 max 只在"强档 + 架构/审查/疑难调试/重构 + 分数过线"时出现。

max 的触发门槛按类型分：审查 66 分、架构 72 分、调试 76 分、重构 78 分（满分 100）。门槛故意偏高——宁可漏推，不可乱推。

顺带一个省钱维度：高峰 / 谷时

所以卡片在高峰时段会多一个橙色 · 高峰 小标——不是催你换模型，是提醒"同档现在贵一倍，能挪就挪"。谷时不显示，免得添噪。

法定节假日无法在本地可靠判断，这里按"工作日"近似，节假日当天可能误报为高峰。

省钱杠杆的排序（按真实差价）：错峰（省 50%）> 换 Flash（省 67%–78%）> 降档（不一定省，low 可能更贵）> 上 max（几乎总是更贵）。

上下文与记忆如何影响推荐

上面那套判断只看"这句话本身"。但真实花费不是这样算的：

新开一个对话，普通问答用 off 确实比 low 省一点；可一旦聊过几轮，两个对话的花费就不再符合这个直觉了。

于是：

off 省的是输出，不省输入。 长会话里关掉思考，省下的那点输出相对整段上下文是零头；
答错更贵。 省档一旦没答对，重来一次要再读一遍整段上下文，代价比省下的输出高一个数量级；
所以长会话里的"省档"是假省钱。

规模越大，难度分越高：≥12K +1、≥32K +3、≥96K +5（幅度刻意小，只推临界样本一把）；
会话 ≥4 轮且上下文 ≥48K 时，不再推荐省档，自动抬到平档，并在卡片上标 · 长上下文。

寒暄是例外：说一句"谢谢"不会因为上下文长就被抬档——那确实不需要思考。

准确率

指标	数值
整体准确率（122 条）	97.5%
开发集（61 条）	98.4%
留出集（61 条，调参时没看过）	96.7%
省档召回	100.0%
平档召回	95.3%
强档召回	100.0%

混淆矩阵（行=人工标签，列=插件判断）：

        T1   T2   T3
T1      43    0    0
T2       3   61    0
T3       0    0   15

评测语料只标了"这句话本身"的难度，跑分时上下文一律为空，所以上面这组数字不含长上下文升档的影响；它衡量的是纯文本判断力。

必须说清楚的局限：

122 条的标签是一个人标的，边界样本（尤其"中等 vs 难"）本来就见仁见智；
语料只来自你这台机器的使用习惯，换个人、换个领域，准确率会掉；
它是关键词 + 结构启发式，不是模型判别。遇到反讽、极简的深层问题（"这个为什么不行？"背后是一整天的排查）会低估；
所以它只给建议。最终选哪个模型，还是你自己点。

如果发现某类问题总被判错，把原话发我，我把它加进 test/cases.jsonl 重新校准——这是让它变准的唯一正路。

输入框里也能问

/tier 帮我重构这个模块的架构，设计一个并发方案

会打印完整依据：分类、分数、命中信号、置信度；处于高峰时段时多一行错峰提醒。这些细节只在命令里给你，不往界面上糊。

再往下是 DSH 里怎么装。

命令行也能用

不想开 DSH 的时候，直接问一句：

# 装了包（npm i -g dsh-tier-brain）之后
dsh-tier-brain "帮我重构一下这个模块，顺便补齐边界条件的测试"
dsh-tier-brain --json "把 D 盘那个未签名的系统服务删掉"

# 没装全局包，直接在源码目录里跑
node scripts/dsh-tier-brain.mjs "帮我重构一下这个模块"
echo "帮我把这个插件的 README 重写一遍" | node scripts/dsh-tier-brain.mjs

输出：

建议：deepseek-v4-pro · high  [强档]
类型：REFACTOR　评分：67
依据：REFACTOR；多重硬约束 +7

--json 输出结构化结果，方便脚本调用。

安装 / 更新

方式一：npm（推荐）

cd $env:USERPROFILE\.dsh\profiles\desktop
npm install dsh-tier-brain

方式二：本地目录（不用联网）

powershell -ExecutionPolicy Bypass -File .\install.ps1

方式三：分发包（tgz）

cd $env:USERPROFILE\.dsh\profiles\desktop
npm install file:C:/path/to/dsh-tier-brain-0.1.0.tgz

回滚：把 package.json.bak-tier-brain 覆盖回 package.json，删掉 node_modules\dsh-tier-brain。

版本号：package.json 与宿主 ping 返回的 version 都是 0.1.0；这是首个正式发布版。

数据与隐私

输入的文字只会 POST 给本机宿主 http://127.0.0.1:<port>/dsh-tier-brain/preview，不出本机；
每次判定会追加一行到 ~/.dsh/tier-brain/decisions.jsonl，只存前 200 字，用于以后复盘和校准；
不读会话历史，不碰剪贴板，不改任何配置。

版本

0.1.0（2026-10-21，首个正式发布版）：把先前的 0.2 / 0.3 内部迭代合并为一次发布——
- 判断规则重写为「任务分类基准分 + 上下文修饰」，不再靠零散词表加分；
- 省档用 flash + off，平档 flash + high，强档 pro + high，极难任务自动升 max；
- 卡片只显示模型与推理等级，切到设置 / 插件市场 / 其它会话立即消失；
- 结合上下文与记忆：读取每轮真实 usage，≥4 轮且 ≥48K 时不再推荐省档，卡片显示 · 长上下文；
- 高峰时段显示 · 高峰；
- 用本机 19 个会话、122 条真实提问做评测：整体 97.5%（dev 98.4% / holdout 96.7%）；
- 测试：test/eval.mjs、test/check-v02.mjs、test/check-v03.mjs、test/check-events.mjs、test/server-smoke.mjs；
- 附带 dsh-tier-brain 命令行（scripts/dsh-tier-brain.mjs），不开 DSH 也能给一句话打分。
0.0.1：初版，难度条 + "为什么" + 词表加分（已废弃）。

minutiae3/dsh-tier-brain

dsh-tier-brain（v0.1.0）

它长什么样

三档含义

判断依据（这是重点）

为什么是这几个组合（依据）

顺带一个省钱维度：高峰 / 谷时

上下文与记忆如何影响推荐

准确率

输入框里也能问

命令行也能用

安装 / 更新

数据与隐私

版本

Community comments

minutiae3/dsh-tier-brain

dsh-tier-brain（v0.1.0）

它长什么样

三档含义

判断依据（这是重点）

为什么是这几个组合（依据）

顺带一个省钱维度：高峰 / 谷时

上下文与记忆如何影响推荐

准确率

输入框里也能问

命令行也能用

安装 / 更新

数据与隐私

版本

Community comments