先问清楚，再动手 · 记忆拟合

dsh-memory-fitting — It asks before it acts.

中文你先别急着说清楚，让它先猜。猜错了你纠正，比从头描述便宜得多。 EN The agent predicts a few directions first, then asks in batches until one converges.

📖 用户手册 · 🧪 训练路线图 · 更新日志

这是什么

大多数时候，卡住我们的不是"不会做"，是"说不清要什么"。

你丢给 AI 一句「帮我把这块弄好一点，感觉不太行」，它只能靠猜。猜对了是运气，猜错了就是一轮返工。空转的 token 和你的时间，都花在猜上。

记忆拟合把顺序换了一下：

不让 AI 猜，让它先立靶子，再问你。

它先写下 3-5 个"你可能想要的方向"，然后针对这些方向之间还分不开的地方批量提问。你每答一轮，它就重算一次各方向的可信度，并把更新后的方向列表摆在你眼前。收敛到足够清楚时，它给出提案：「我理解你要的是 X，对吗？」

你不需要描述需求，只需要纠正它的猜测。 而纠正的成本，远低于从头描述。

它是怎么工作的

① 预判    AI 先写下 3-5 个"你可能想要的方向"
          （每个方向都写清：它是什么、如果成立会有什么表现）
                 ↓
② 出题    针对"方向之间的差异"设计本轮 2-4 个问题
          不问已知的；问题要能分开当前还分不开的方向
                 ↓
③ 问一批  await ctx.userQuestions.ask({ questions: [...] })
          一次问一批，一次拿回全部答案
                 ↓
④ 思考    消化本轮全部回答 → 更新方向（升降 / 淘汰 / 新增 / 合并）
          【并展示给用户】← 这一步不能省
                 ↓
          某一方向明显领先且稳定？
                 │                │
                否                是
                 │                ↓
                 └──► 回到 ②   ⑤ 提案：我理解你要的是 X（附上落选方向）
                                     ↓
                              ⑥ 你确认 → 归档

第 ④ 步的"展示"为什么不能省

	没有展示	有展示
AI 的结论	"我懂了"（不可验证的自我报告）	"我认为方向 3 领先，方向 1 已排除"（可验证）
你要做的	等结果，错了才发现	一眼看出它想歪没有，当场纠正

把 AI 的理解摆在明处，是这个插件和"AI 随便问问然后说懂了"的唯一实质区别。

界面

右下角悬窗：设置页（默认）· 留档浏览 · 发起拟合。

位置策略：独立列，不与任何插件打架

DSH 的右下角本来就是一摞（dsh-cua 与 Ark9Canvas 都用"探测对方 FAB"来栈叠，但互不感知）：

插件	FAB	面板
dsh-cua	right:16 bottom:96	right:16 bottom:152
Ark9Canvas	right:16 bottom:96\|148	right:16 bottom:152\|204 w-440
本插件	right:16 bottom:16	right:472 bottom:16 · 高 min(78vh,660px)

本插件的 FAB 在摞的最底部；面板移到右侧那一列的左边，纵向拉满 —— 与 right:16 那一列完全错开，无论对方开不开面板都不会重叠。窄屏（-.jsonl 拟合全过程（append-only，绝不重写） sessions/index.json 索引（可重建）


**过程存自己、结论进记忆。** 完整问答轨迹落在本地 JSONL，不受任何外部插件的容量整理影响；只有收敛结论才按 `writeMemory` 开关决定是否写进记忆插件。

> 这些留档不只是日志 —— 它们是**训练就绪**的样本。见 [训练路线图](https://github.com/Aik358/dsh-memory-fitting/blob/49cc88a64f27ba1294edce935a32655c17c56feb/docs/TRAINING.md)。

### 这些数据将来能干什么

每次拟合都在积累「同样的模糊输入下，模型给了 X，用户纠正成 Y」的样本 —— 这正是偏好优化（DPO / ORPO）最想要的形状。

悬窗「留档」页会显示**纠正率**：

- 纠正率高 → 模型经常猜错 → 样本含金量高
- 纠正率低 → 模型本来就猜对 → 样本接近噪声

**一键导出**：留档页点「导出偏好对」复制到剪贴板，或命令行 `npm run export`。

~~~bash
node scripts/export-training.mjs --intent-only --out pairs.jsonl
~~~

导出格式：

~~~jsonc
{ "prompt": "...", "chosen": "...", "rejected": ["..."], "verdict": "accepted", "scope": "intent" }
~~~

> `--intent-only` 不是可选项，是**必须**：训练时只能取 `scope=intent`。详见[训练路线图](https://github.com/Aik358/dsh-memory-fitting/blob/49cc88a64f27ba1294edce935a32655c17c56feb/docs/TRAINING.md)。

---

## ⚠️ 记忆写入安全带

`src/node/sanitize.js` 对**所有**要写进记忆插件的内容做**字符级改写**。

**背景**：dsh-auto-memory 的写入侧**不过滤**待写入正文（`appendAnchoredRecord` 只对已有文件内容跑 `parseAnchors`）。正文里一旦出现 HTML 注释形式的 memory 锚点起始序列，该文件其后**所有**记忆写入全部被 fail closed 拒绝 —— **整个记忆文件锁死**。

**关键：转义无效。** 反引号、代码块、HTML 实体统统不认。**必须改写措辞。**

因为拟合记录**天然包含用户原话**，本插件在归档前强制过 `guard()`。这也是"用户原话只进本地 JSONL、只有改写后才进记忆"的原因。

---

## 安装

```bash
dsh plugin --profile web add @a9i5k4/dsh-memory-fitting

或手动：把包链接到 profile 的 node_modules，并在 dsh.profile.bundles 里加上 @a9i5k4/dsh-memory-fitting。

改完 host 侧代码需要重新 node build.mjs 并重启 dsh web。

开发

npm install       # 只有 esbuild 一个构建依赖
npm run build     # → lib/index.js (node) + lib/client.js (browser)
npm test          # 51 项回归
npm run verify    # 产物依赖面与安全自检

设计上的几个硬约束

拟合只能由会话根代理发起：传了 agent 的子代理会撞 DELEGATED_CALLER。本插件把 agent 作为可选透传，走全局 waterfall 兜底。
ctx.userQuestions 不写进 inject：它是可选能力，缺失时应降级而不是整个插件加载失败。
上下文注入用祈使式 + 触发条件，不是描述式。模型对"背景资料"与"必须执行的约束"处理深度不同，同样的 token 数后者影响大得多。
node 侧零外部包依赖，client 侧零 require —— 彻底规避"漏一个 require 整个插件加载失败"。

缘起

这个插件移植自一个 SSVEP 脑机接口项目的「意图拟合」环节。

在那个场景里，用户是瘫痪人群，唯一能表达意图的通道是脑电——系统不能等他把需求说清楚，只能反复给出少量候选，靠每次选择反推意图，逐步收敛。

把它推广到日常：当一个人的输出带宽很低（说不清、没想明白、或者就是懒得说），而 AI 的先验又很宽时，"先立靶子再问"比"直接猜"要省得多。

@a9i5k4/dsh-memory-fitting

インストール

ドキュメント