📖 轨迹解读 · TRAJECTORY READER（DSH Web 客户端插件）

在 DSH Web GUI 的会话视图环（对话 / 轨迹旁）新增一个 「轨迹解读」 标签页：按用户的原始轮次逐轮总结，突出每一轮「用户的需求是什么」与「助手是如何完成需求的」，并支持 ✨ AI 过程解读 —— 由 LLM 生成该轮完整的思考与执行过程叙述。

每一轮的呈现结构

第 N 轮 · 工具 X 次 · 文件 Y 个 · 错误 Z 处        [✨ AI 解读本轮]
├── 🧠 AI 过程解读（可选，LLM 生成）
│      ### 用户需求 / ### 助手思路 / ### 执行过程 / ### 结果
├── 🎯 用户需求        规则引擎提炼的一两句摘要（可展开原文）
├── 🛠 助手如何完成     规划/调研/实现/验证/委派 分类的动作总结
├── ⚠ 错误 / 备注      失败的工具调用、历史压缩、输出截断、重试
├── 💬 助手回复（摘要）  回复开头摘要（可展开全文）
└── ▸ 操作明细         折叠的逐条工具调用清单

• 轮次划分：每条用户消息开启一轮，其后的全部助手活动归入该轮；执行中途的补充消息（steering）单独成轮并标注；会话开头的孤儿活动归入「会话初始」。
• 规则总结即时生成、零依赖；AI 解读按需生成并缓存（材料不变不重复请求）。

✨ AI 过程解读（LLM 摘要）

架构

浏览器 client.js ──POST /plugin-api/trajectory-reader/summarize──▶ 服务端 index.js
      │                                                                    │
      │  { rounds: [{ key, material }] }                                    │ ctx.llm.stream()
      │                                                     system = SYSTEM_PROMPT
      ◀── { ok, route, results: [{ key, ok, text }] } ─────────────────────┘

• 服务端半边（index.js）：由 web profile 的 Loader 行激活为 cordis 插件（inject: ["llm", "webServer"]），注册独占路由：
  • GET 同路径 → 可用性探针（客户端据此显示/隐藏 AI 按钮）；
  • POST → 逐轮调用宿主 llm 服务（模型路由默认取当前 Agent 默认模型 agentDefaultModel.currentSelection()，可被请求体 provider/model 覆盖），每轮 120s 超时、maxTokens 1200、单请求最多 12 轮。
  • 每轮材料以 JSON 框架化（沿用 session-title 的防注入手法：用户文本无法破坏结构定界符），所有字符串递归限长。
• 客户端半边（client.js）：每轮按钮「✨ AI 解读本轮」+ 顶部「✨ AI 解读全部轮次」；结果按材料哈希缓存；AI 卡片渲染 ### 小节标题；不可用时提示需重启 GUI。

摘要提示词（index.js 中的 SYSTEM_PROMPT）

你是 DeepSeek Harness（编程助手框架）的「会话轨迹解读员」。用户会给你一轮会话的原始材料，包括：该轮的用户消息原文、助手的回复与思考节选、按发生顺序排列的工具调用记录（工具名与参数摘要）、出现的错误与系统备注。 你的任务：用中文把这一轮「用户要什么，助手是怎么思考、怎么一步步执行的，最终结果如何」写成一段连贯的解读，让没有看过原始会话的人也能明白助手做了什么、为什么这么做。

必须遵守：

1. 只依据材料中给出的信息解读，禁止编造材料里没有的文件、命令、结论或原因；材料若有截断（出现「…」），不要猜测被截断的内容。
2. 输出使用以下 Markdown 结构（保留三个#的标题行，顺序不变）：（一两句话概括…）／（…为什么先做某事再做某事…）／（按实际顺序用编号列表叙述…）／（…完成什么、还有什么未完成或失败的）。