dsh-daoyi-yijing

道一-易经推演（dsh-daoyi-yijing）

通用决策辅助 DSH 插件（决策辅助，非迷信）。把任意决策事项拆解为可量化检查点，套入 六层推演框架（384 爻 → 64 卦 → 8 宫 → 四象 → 三才 → 两仪 → 太极），输出结构化结论与 易经风格研判。结论由用户输入的参数与阈值决定，可追溯、可审计。

原名「易经推演-万事决」（dsh-yijing-wanshijue），v0.3.0 起重命名为「道一-易经推演」。

双向云模型推演闭环（§2.1）

• 正向分解 L1→L7：1 个问题目标 → 逐层调用云模型拆解 → 384 个关键考虑因数。
• 反向聚合 L7→L1：384 因数 → 逐层聚合 → 1 个可定/否定结论（可行 / 有条件可行 / 不可行）。
• 云模型是“翻译器”而非“裁判”：判定与聚合（L7→L2）为确定性规则，云模型不介入 verdict 决策。

内置剧本

• motor-design：电机电磁设计·万事决（从 MotorDesign Core/yijing_* Python 原型 1:1 移植）。 真实 8 技术领域 × 8 子领域 × 6 检查点 = 384 爻；其中 158 项为外部数据域（NA，排除出聚合、计入覆盖率）， 226 活跃检查点进聚合。含强关联一票否决、六层加权聚合、天/地/人三才分组。
• stock-trend：股票趋势研判·万事决（8 股票分析域 × 64 子域 × 384 爻）： 基本面/技术面/资金面/消息面/行业面/宏观面/估值面/风险面，三才分组为 天(基本面/行业/宏观)·地(技术/资金/估值)·人(消息/风险)。
• stock-trend-v2：股票趋势研判·1296 四层（6 域 × 6 分域 × 6 子域 × 6 aspect = 1296 检查点， 8 位 id；与 384 并行注册、默认不启用，显式 script:'stock-trend-v2' 开启）： 支持 llmLevel:'L2'/'L3' LLM 子域级补分（默认走用户 DSH 会话模型计费）与 fineMap 规则→子域名精映射（P2，无 LLM 部分激活卦③）。
• demo-384：规范 384 结构演示剧本（verify 向量）。
• 自定义剧本：经 yijing_script_load 提交 JSON，落盘 data/scripts/ 持久化（重启回灌）。

快速开始

# 安装到 DSH（web profile；dsh 未进 PATH 时用 npx）
npx -y @deepseek-ai/dsh plugin --profile web add dsh-daoyi-yijing

# 本地离线自检（零依赖）
node scripts/verify.mjs          # 离线自检（27 项断言）
node scripts/runtime-check.mjs   # DSH Runtime 联调预演（纯 run* 函数）
node scripts/_mock_llm_test.mjs  # 云模型适配器 e2e（mock 服务器，无需密钥）
node scripts/_selftest_llm_quota.mjs # LLM 调用计数闸门 + 自定义模型 + session 解析自检
node scripts/_probe_definetool.mjs   # 真实 defineTool 编译器校验（需准备 node_modules，见脚本头注）
node scripts/divine_stock_600711.mjs   # 盛屯矿业(600711) 一个月涨跌推演示例

安装后对模型说「推演：我要不要接这个 200kW 电机外包项目」即可触发 yijing_divine。

工具

• yijing_divine 主入口（支持 model 参数按调用覆盖模型；symbols 触发股票行情自动接入；hexEncoding 控制卦象阈值来源）
• yijing_factor_prompt 生成八宫打分表 prompt（L1→L7 拆解交给对话大模型，打分回填 inputs）
• yijing_script_list 列剧本 · yijing_script_load 加载自定义剧本 · yijing_report 详报
• yijing_model_list 列全部可选模型 + 当前选择 + 今日 LLM 调用额度快照（只读，不消耗额度）

单事项如何触达 64 卦（v0.6.0）

「64 卦 → 1 卦」的映射一直都在（8 宫分 → 二值化 6 爻 → 64 选 1 + 动爻），缺的是单次调用的熵： 绝对阈值 0.5 会让各宫分挤在同一侧 → 恒出乾系。本版给单事项一个独立于本次调用的参照系：

路径	用法	效果
股票（自动）	yijing_divine { matter: "贵州茅台本周涨跌", script: "stock-trend", symbols: ["600519"] }	自动拉腾讯行情构建 384 爻 inputs；阈值取全市场基线分位 → 单只即可落进 64 卦任意一格
通用事项（LLM）	① yijing_factor_prompt 拿打分表 prompt ② 对话大模型填 JSON ③ 扁平化为 inputs 回传 yijing_divine	L1→L7 拆解真正由 LLM 完成，且打分驱动 384 爻（此前只产文案不产分数）
批量/校准	node scripts/divine_batch_stocks.mjs --live · node scripts/calibrate_stock_baselines.mjs --n 400	批次内分位 / 生成基线表

• 基线表 lib/yijing/baselines-stock.json（随包发布）：各宫 p25/p50/p75 + 每爻阳率 + 样本内卦种数。 400 只随机样本实测 48/64 种（绝对阈值 8/64、批次分位 28/64）。
• 爻义随之变为「相对市场中位偏强/偏弱」（如 JS 爻阳 = 技术面强于市场中位），比绝对阈值更有信息量。
• 宫级简写：inputs: {"EM":0.72} 即该域全部活跃检查点同值（8 个数驱动全引擎），走归一化语义 >0.5 为阳。
• 可观测性：输出带 inputs_coverage（含 unmatched 未匹配键名单）与 degraded 低置信标记—— 传错宫码或没给输入，不会再静默输出「100% 可行」。

云模型接线（v0.3.4 已接通真实 LLM）

未配置时完全离线：分解返回结构化因数清单、结论走确定性模板（断网也能跑，verdict 不受影响）。 配置后由真实 LLM 生成 L1→L7 分解文案与 L1 卦象总评（判定/聚合仍为确定性代码）：

方式	做法
环境变量（推荐，密钥不落盘）	DAOYI_LLM_API_KEY=sk-xxx DAOYI_LLM_PROVIDER=deepseek node scripts/divine_with_llm.mjs "决策事项" commercial
插件配置	cordis.patch.yml / Config：cloudModelEnabled: true + cloudModelProvider + cloudModelApiKey + cloudModelName
代码注入	setCloudModelAdapter(fn)（测试 / DSH Runtime）
DSH 会话当前模型（v0.5.1 起默认自动）	对话中被调用时自动使用当前对话的模型——Runtime 注入 config.sessionModel（或 env DAOYI_LLM_SESSION_*）即生效，无需手动开 cloudModelEnabled、无需自备 Key。关闭：cloudModelAutoSession: false（或显式 cloudModelEnabled: false）；自备 apiKey 时不抢会话模型

• 厂商预设：deepseek(deepseek-chat) / qwen(qwen-max) / glm(glm-4-plus) / moonshot(moonshot-v1-8k) / minimax(abab6.5s-chat) / openai(gpt-4o-mini) / custom（自填 Base URL，任意 OpenAI 兼容端点）。
• 自定义模型清单（v0.3.4）：cloudModelCustomModels 传 JSON 数组 [{"name":"my-gpt","label":"我的 GPT","baseUrl":"https://api.example.com/v1","model":"gpt-4o","keyEnv":"OPENAI_API_KEY"}] （env DAOYI_LLM_CUSTOM_MODELS 同构）；name 即选用 id，yijing_divine/yijing_report 的 model 参数 或 cloudModelProvider 传它即可热切换；yijing_model_list 随时查清单与当前选择。
• 环境变量：DAOYI_LLM_ENABLED / DAOYI_LLM_PROVIDER / DAOYI_LLM_API_KEY / DAOYI_LLM_MODEL / DAOYI_LLM_BASE_URL。
• 安全：API Key 只从 config/env 读取，绝不出现在日志与回传中；telemetryEnabled 默认关。
• 任何失败（401 / 超时 / 断网）自动降级为确定性模板，推演结论依然成立。

免费额度闸门（v0.4.2 起：每分钟速率 + 队列等待）

• 主节流 = 每分钟速率限制（v0.4.2 变更）：免费 LLM 调用默认上限 10 次/分钟（滑动窗口 60s， freeLlmPerMinute / env DAOYI_LLM_FREE_PER_MINUTE 可调，0=不限制）。窗口满时后来的调用进入 FIFO 队列排队等待， 待最早的时间戳滑出窗口后逐个补位——超出不拒绝、不降级，仅延迟。
• 每日硬上限降级为可选兜底：freeLlmDailyLimit 默认 0（关闭）；仅显式配置 >0 时作为每日总闸，用尽才降级离线模板。
• 计数口径：每次真实 LLM 外发计 1 次（一次 yijing_divine = decompose + conclude = 2 次；离线推演不计数、不花钱）。
• 本地硬闸：计数/限速只认本地 $DSH_HOME/storages/dsh-daoyi-yijing/llm-quota.json （env DAOYI_LLM_QUOTA_FILE 可覆盖），断网也拦，无任何后端请求/遥测。
• 可观测：evaluate 结果 llm.rate 暴露 {rateLimit, queued, waitMs}；发生过排队时 llm.notice 提示等待时长； yijing_model_list 可查额度快照（只读）。
• 运维旁路：freeQuotaEnabled: false → 不限速、不排队、不计数。
• 详见 docs/ENGINEERING.md「免费额度闸门」节与 CHANGELOG.md 0.4.2 条目。

64 卦判词库（v0.5.0 补全）

• 离线结论文案不再只有「verdict 三选一」：lib/yijing/hexagram-texts.mjs 为全部 64 卦提供独立判词 （卦辞要义 judgment + 行事建议 advice + 卦性 tone），文案头部形如 「乾为天：元亨利贞，刚健不息（主动进取，忌用过刚）——本卦判：可行，刚健中正，宜进取」， 动爻变卦行带变卦判词。
• 判词表与 HEXAGRAMS 双射一致、64 条互异，由 scripts/test_hexagram_texts.mjs（19 断言）守护。

可选在线模式（v0.5.0：行情适配层）

插件核心默认离线（确定性、零额度、断网可用）；需要实时行情时可选用在线模式：

• 适配层 adapters/quote.mjs：腾讯财经 qt.gtimg.cn（批量、免费、无鉴权），输出与基线同构的 子域信号 {code, subIdx, delta}。归一化规则透明（RULES_TEXT 导出）： GZ01 绝对估值（PE 分段锚定，便宜→阳/贵→阴，亏损→NA）、JS01 趋势方向（收盘位置居中化）、 JS02 动量强度（同基线）、JS04 量能配合（换手分档×当日方向）、JS08 波动特征（振幅分档）； JB/HG 无字段 → NA，不造假填充。
• 断网/超时/字段缺失 → 回退 NA；整体取数失败 → 调用方整体回退基线（测试验证回退后趋势与离线逐只一致）。
• 取数器可注入：默认全局 fetch；代理环境（undici 不读代理变量）用 createCurlFetcher({ proxy: 'http://127.0.0.1:xxxx' })。
• 批处理用法：node scripts/divine_batch_stocks.mjs --live → 输出 logs/stock-batch-results-live.json。
• 实测（2026-10-21 腾讯真实行情 56/56）：卦象种类 5 → 8、GZ 域 37/56 激活、平均覆盖率 6.8% → 11.2%； 但单期上限为 2⁵=32（HG 宏观是市场级常量、JS/ZJ/HY 价类域彼此相关），干净 64 结构上不可达—— 补数据的价值在多因子研判质量，卦象变多只是副产品。

⚠️ 股票推演结果由公开数据映射的因子评分驱动，属结构化多因子研判示意，不构成任何投资建议。

v0.9.1：重启失败根因修复 + 分歧深度解读（重要，v0.9.0 用户必读）

v0.9.0 在部分机器上「更新成功、重启失败」，根因是插件自身的必现缺陷，已在本版修掉。

Error: cannot get property "sessionModel" without inject
    at resolveSessionInjection (cloud-model.mjs)
    at apply (index.mjs)      ← apply() 第一行

• 根因：index.mjs 的 inject 仍是 ['tools']，而 resolveSessionInjection 直读 ctx.sessionModel —— 读了服务却没在 inject 里声明，cordis 注入守卫直接抛错；插件为 required → 整个 DSH 启动失败。
• 更深一层：DSH 主程序中 sessionModel 这个服务名根本不存在（真实 LLM 服务名是 llm）。 这解释了历史困局：0.5.x 声明 ?sessionModel → 永远等不到 → pending；v0.9.0 删声明却保留直读 → failed。
• 修复：统一走 ctx.get('llm') 安全通道（cordis 官方访问方式，服务不存在返回 undefined 不抛）， 直读一律经 safeContextService() 兜底；会话层是「可降级增强」，任何异常都不再拖垮插件加载。
• 为什么 31 项测试全绿却必崩：既有测试用普通对象 stub ctx，绕过了 cordis 的守卫 Proxy。 现新增带守卫语义的集成回归（scripts/test_v091_features.mjs），并做过 A/B：还原 v0.9.0 直读即复现生产错误。
• 其余收尾：S-5 显式厂商不再被 session 静默替换、S-6 cloudModelAutoSession:false 关得干净、 P1 四卦分歧深度解读（quad-divergence.mjs）、N-1 absolute 口径护栏、N-2 基线版本提示、N-3 贴线摇摆股信号。

v0.9.0：会话 LLM 层激活修复 + F-1..F-10 全量落地

• ★ 会话模型「透传了却不激活」缺陷已修：Config schema 的 cloudModelEnabled 默认 false 会被填进 config， 而会话分支用 cloudModelEnabled !== false 判启用 → 恒 false，会话模型永不激活（与文档承诺相悖）。 现由 buildSessionCloudConfig() 在配置构建层显式置位并归一 provider:'session'； cloudModelAutoSession 是会话模型的唯一开关。验收 scripts/test_session_activation.mjs 31 PASS。
• F-1 爻序形状容错：hexOrderOf() 对畸形 hex_order 返回可审计的降级状态（declared / fallback:domains / sancai），不再抛错。
• F-2/F-3/F-7 批量：divine_batch_stocks.mjs 支持 --script（含 v2）/ --ci-grouping / --strong-override / --no-fine-map； 逐条输出 verdict_grade / quad_hexagram / 分层审计；engine 版本改为动态读 package.json（不再写死 v0.5.0）。
• F-4 否决证据化：veto_notes 写清代理量豁免依据；applyStrongOverride 可把代理项恢复强关联（v2 204 → 216）； 新增 veto_score_conflict「骑墙」标记（verdict 三值不变）。
• F-5 thresholdBasis: baseline | absolute 可选；F-6 --days N 多日滚动校准（日 K 适配层； fqkline 已被 WAF 拦截，改用 newfqkline）；F-8 scripts/migrate_hex_order.mjs 历史卦象迁移。
• F-9 卦③ 语义分组：SUBDOMAIN_V2_FAMILY 覆盖 36 个 v2 分域，ciGrouping:'semantic'； 400 只校准 baselines-stock-v2-semantic.json（四卦 di 56/si 51/ci 28/xi 29，位置分组 ci 31）。
• 全部为加法改动，v0.8.x 判定逐位不变；scripts/test_v090_features.mjs 79 PASS / 0 FAIL，16 个既有套件全绿。

LLM 批量补分与并发（v0.9.0 / F-10）

• 先讲清约束：runLlmScoring 内部串行，每个 prompt 过一次全局速率门（默认 10 次/分钟，60s 滑动窗口）。 ⇒ 并发度提高不提升 LLM 吞吐，只会让更多请求排队等更久；真正吃并发的是拉行情 / 确定性推演 / 四连卦投影这些不占额度的段。
• prompt 口径：L2 = 6 问/只（分域级），L3 = 36 问/只（子域×aspect）；对话式 yijing_divine 另有 decompose+conclude = 2 次，不计入批量。

档位	标的数	总 prompt	默认门(10/min) 预计耗时
L3	1	36	3.6 分钟
L3	10	360	36 分钟
L3	56	2 016	≈3.4 小时
L3	400	14 400	≈24 小时

• 提速优先级（前一级做不到才退下一级）：① 放宽速率门（freeLlmPerMinute / env DAOYI_LLM_FREE_PER_MINUTE，0=不限） → ② L3 降 L2（省 83%，代价是卦③ 分辨率下降）→ ③ 不开 LLM 用 P2 精映射（零费用，卦③ 2→31 种） → ④ 并发（只加速非 LLM 段）。
• 安全并发范例：examples/llm-batch-concurrency.mjs（默认全 stub，零网络零费用）； 工具 lib/yijing/concurrency.mjs 提供 mapLimit（顺序返回、单条失败不炸整批）与 estimateLlmBatch/renderEstimateTable。 节流注入点 runLlmScoring({ throttle })，生产环境不要覆盖。
• 完整指南见 docs/LLM批量补分与并发指南.md。

四连卦与 1296 四层（v0.7.0–v0.8.1）

• 四连卦（v0.7.0）：stock-trend 推演返回值新增 quad_hexagram——同一批检查点按 域卦①/子域位卦②/业务族卦③(L/T/S/M/R/C)/爻位卦④ 四个正交轴各投影成 6 爻卦，阈值取分组基线 p50， 含四卦一致性矩阵（分歧样本建议人工复核）。
• 1296 四层 stock-trend-v2（v0.8.0，默认不启用）：显式 script:'stock-trend-v2' 开启； 实证复现「瓶颈在数据不在结构」——行情 L2 粒度下卦③坍缩为 2 种。
• 规则→子域名精映射 P2（v0.8.1，v2 默认开）：lib/yijing/subdomain-fine-map.mjs 把行情规则 按语义落到「分域×子域位」，无 LLM 部分激活卦③（400 只校准实测卦③ 2→31 种）； fineMap:false 可 A/B 对照。数据丰度诚实可查（基线 meta.mean_data_density ≈8.6%，未命中子域 NA）。
• LLM 子域级补分（v0.8.0 llmLevel，v0.8.1 费用默认用户会话）：L2=分域 6 问≈36 秒、 L3=子域×aspect 36 问≈3.6 分钟（四刀全激活）；费用默认走用户 DSH 会话当前模型 （cloudModelAutoSession 默认开），quote.llm_scoring.endpoint.cost_bearer 可见； 行情信号优先、LLM 只补 NA 缺口。管理服务器 /api/llm/score 未部署前仅完成管线机制验证。
• 「有条件可行」分级（v0.8.1）：verdict_grade 把中间态按 0.625 切偏强/偏弱， verdict_margin 给距通过线余量；verdict 原值不变。
• 基线：baselines-stock-v2.json 为 P2 粒度重校准版（400 只，四卦 di 56/si 51/ci 31/xi 29）； v0.9.0 另产出 baselines-stock-v2-semantic.json（语义分组，ci 28）与 baselines-stock-v2-d5.json（60 只 × 5 日滚动，density 4.0%，仅作层样本量对照）； 旧 L2 粒度版归档为 baselines-stock-v2-l2.json（仅 A/B 对照）。