dsh-agentic-router

🌐 语言切换 / Language: 简体中文 · English

DeepSeek Harness（DSH）插件：学习型智能路由（agentic router）+ 数据飞轮。

监听每次模型请求，按任务类型与复杂度把请求路由到最合适的模型档位；四个专家并行推荐、EXP3 元选择器决定听谁的；每回合按质量代理信号（工具失败、模型重试、延迟）计算奖励并回传，路由策略随使用越学越准。全部决策与奖励落盘，可审计、可重放。

架构

用户输入 → 分类(规则, `--profile` 必填。安装后重启会话（或 profile），工具 schema 才会进入 prompt 组装。默认 **shadow 模式**（只记录与学习，不切换模型），确认策略表现后再切 active。

## 工具

| 工具 | 作用 |
|---|---|
| `agentic_router_stats` | 查看决策记录、四专家推荐、EXP3 权重、飞轮状态 |
| `agentic_router_set_mode` | 切换 shadow（默认）/ active（真切换）/ off（旁路） |
| `agentic_router_force` | 强制指定模型 id（active 生效），clear=true 清除 |
| `agentic_router_reset` | 清空飞轮学习状态，保留模式 |

## 数据飞轮（落盘）

目录：`${DSH_HOME:-~/.dsh}/storages/dsh-agentic-router/`（`AGENTIC_ROUTER_HOME` 可覆盖）

- `decisions.jsonl` — 每条决策：任务类型/复杂度/四专家推荐/元层选择/实际路由/是否切换
- `rewards.jsonl` — 每条奖励：明细（工具失败/重试/延迟）+ 特征向量，**重启后重放恢复学习状态**
- `policy.json` — 模式与强制模型（原子写）

奖励公式：干净收尾 1 分起，工具失败 −0.2/次（封顶 0.6）、模型重试 −0.2/次（封顶 0.4）、延迟 >30s −0.1 / >90s −0.3；出错回合记 0。

## 分类器（规则先验，<1ms）

6 类任务（code/write/summarize/research/agentic/qa）+ 复杂度 0~1：
类型先验分（code/agentic 0.3，research 0.2，write 0.15…）+ 长度 + 代码块 + 复杂词加分 − 简单词减分（"简单/复杂"同时出现不惩罚）。

## 已知边界

- 模型档位靠 id 关键词识别（flash→fast、pro→strong）；可用模型多于一档时路由才真正切换
- 奖励信号是"代理"：任务成功但质量平庸的情况（尤其模型池内质量差距大时）仍可能被记满分，正式场景建议接入 UI 反馈（messageFeedback）
- 毕业策略（LinUCB/k-NN）需要数十个回合样本才会进元层池

## 开发

```sh
npm test        # node --test，零依赖

回归用例覆盖实测缺陷：qa 祈使句、mid 档回退、UCB 冷启动轮转、agent 键隔离、奖励 JSON 合法性、飞轮重放恢复等。

发布

npm publish                                     # 需 npm 账号
git push origin main                            # GitHub 仓库公开后
# 目录站：给仓库加 dsh-plugin topic 自动收录，或到 dshmarketplace.dev/submit 提交

License

MIT