前言¶

在 DeepSeek Harness（DSH）或其它编码智能体宿主里，一次任务往往伴随大量「小判断」：工具输出要不要进上下文、抓取页里有没有面向模型的指令、回合结束声称「已完成」时是否真有验证、用户是否真的要求执行某条命令。若全部交给主模型，既慢又占 token；若全部写成硬规则，又容易在真实输入上失效。

dsh-jev-judge（仓库名 jev-judge，npm 包名 dsh-jev-judge）是维护者 HunterXing 提供的判断内核（judgment kernel）：在固定决策点上，用 bounded question 和较小状态调用小型 Jev 裁判，主模型保留上下文与 token 做需要推理的工作；每次裁决写入 ledger，便于从真实会话里评估是否启用某决策点。插件在 SkillHub 目录中归类为模型推理。

安装前建议阅读 README 中的 scope 说明：该层针对的是上下文预算，不参与编译、缓存或性能优化，只改变模型所见内容；作者在自用机器上 55 天实测后曾卸载（见仓库 docs/verification.md 的 R10），更适合宿主上下文确实紧张、或输出以「扫描」为主（shell 日志、自省 dump、浏览器快照）的场景。

这是什么¶

一句话：A judgment kernel for coding agents: routine judgments go to a small Jev judge, and every verdict is recorded in a ledger.

设计思路参考 mu 在 pi 编码智能体中加载判断内核的做法；本项目把同一类决策点做成与宿主无关的实现，可在 DSH 插件 bundle、Claude Code / Codex 的 command hooks、OpenCode / Cursor 等通过 MCP 接入的环境运行。当前 npm 版本为 0.1.4，许可证 MIT，运行需 Node.js >= 20，DSH 版本要求 >=0.2.1-alpha.1 且 <0.3.0-0。

核心功能：决策点与模式¶

内核在若干命名决策点上提问，每个点都有与「未安装本包时」等价的确定性 fallback；无裁决或裁判超时、不可达、不确定时 fail open，不阻塞智能体循环。

tool.risk 故意从 shadow 起步：其裁决只能放宽策略，需凭你自己 ledger 里的记录再改为 active。

设计约束（摘自 README）：裁决不会替智能体决定「是否该问用户」；只改变模型所见或是否继续工作；裁判读摘要与元数据而非大块正文；API 密钥只存在于你的私有配置，不会进入日志、ledger 或错误信息。

在 DeepSeek Harness 中安装与启用¶

DSH 侧以插件 bundle 形式加载 cordis.patch.yml。

1、按 profile 添加插件（命令来自官方 README）：

dsh plugin --profile <profile> add dsh-jev-judge
dsh --profile <profile> --dump-config   # 查看该层是否出现在配置中

2、也可在 Web GUI 的 Settings → Plugins 中，通过 registry 名称、git 地址或本地路径安装。

3、配置 Jev 提供方（私有记录，格式与 typesafe-ai-jev-skill 一致）：

环境变量 JEV_SKILL_CONFIG 默认指向 ~/.config/typesafe-ai-jev-skill.json，示例：

{
  "providerName": "your-provider",
  "baseUrl": "https://api.your-provider.example",
  "model": "jev",
  "apiKeyEnv": "JEV_API_KEY",
  "protocol": "systemone",
  "endpointPath": "v1/systemone",
  "authHeader": "Authorization",
  "authScheme": "Bearer",
  "timeoutSeconds": 30
}

4、内核可选配置位于 ~/.config/jev-judge/kernel.json，例如模式、路由、ledger 路径：

{
  "modes": { "default": "shadow", "tool.admission": "active" },
  "routes": { "turn.continue": ["jev"] },
  "tiers": ["jev"],
  "ledger": { "path": "~/.config/jev-judge/ledger.ndjson", "recordState": false },
  "options": { "judge.items": { "maxItems": 20 } },
  "timeoutMs": 8000
}

5、安装后可用 CLI 自检（不联网的 verify 只报告契约，不输出密钥）：

jev-judge verify    # offline; reports the contract, never the key
jev-judge doctor    # what will happen: judges, modes, ledger
jev-judge ledger    # 阅读 ledger；加 --json 按存储格式打印

在 DSH 中调整 tool.admission 等选项时，写入插件行的 config.options，即 profile 的 cordis.patch.yml。例如限定只对部分工具名、超过一定字符才裁剪：

{ "options": { "admission": { "toolNames": ["bash", "mcp__*"], "minChars": 4000 } } }

默认只对「体积非用户精确指定形状」的工具输出做 admission，工具名列表包括 bash、web_fetch、mcp__* 等；read、grep、write 等按智能体请求形状返回的工具默认整段通过。

其它宿主与 MCP¶

Claude Code / Codex 可用 settings.json / hooks.json 中的 command hooks；OpenCode、Cursor、Cline 等可挂 MCP 服务器：

claude mcp add jev-judge -- npx -y dsh-jev-judge mcp

各宿主的具体配置与「裁决能做什么」见仓库 docs/agents.md。

实测与 ledger¶

README 引用 docs/verification.md：在 81 行、含两处失败的测试日志上，live provider 每次判 20 条时，81 行压缩为 5 行选中，3047 字节中约 191 字节（6.3%） 需要阅读，耗时约 7.9 s；同一日志若问题指向修复而非 triage，选中的是断言与错误文本而非摘要行。

ledger 是决策点从 shadow 升到 active 的依据，而非乐观配置。

适用场景与注意事项¶

更适合：上下文窗口紧张、工具输出以日志/列表/页面快照为主、希望用小型模型做高频二元或选择类判断并留痕的团队或个人。

使用前请知悉：

• 插件以当前 DSH 进程权限运行；安装前请自行审阅 GitHub 源码 与 MIT 许可证。
• 社区目录 SkillHub 插件页 为独立生态站点，与 DeepSeek / 幻方无官方从属关系；DSH 理念是「一切皆插件」，本文介绍的是社区插件而非官方应用商店条目。
• 无运行时依赖、无构建步骤；本地路径 dsh plugin add <path> 可直接加载 checkout。开发自测：node --test（README 称 217 个测试、无网络）。

结尾¶

dsh-jev-judge 把编码智能体循环里大量例行判断从主模型拆到小型 Jev 裁判，并用 ledger 记录每次裁决，在 bounded state 与 fail open 之间取得可测量的折中。若你的痛点主要是上下文被 shell、抓取和 MCP 输出撑满，可先 doctor / verify 配好 provider，再以 shadow 观察 ledger，再按需打开各决策点的 active。

• 目录页：https://www.skillhub.cn/plugins/HunterXing/jev-judge
• 源码与文档：https://github.com/HunterXing/jev-judge