前言¶

DSH 插件开发者在做决策评审时，往往需要把复杂事项拆解为可量化检查点，再通过多层聚合得出结论。传统的做法要么依赖手工拆解，要么在代码里硬编码判断逻辑，缺少统一框架。下面介绍一个把任意决策事项套入六层推演框架的 DSH 插件。

这是什么¶

道一-易经推演（dsh-daoyi-yijing）是一个通用决策辅助 DSH 插件，由维护者 wangxuewangxue98 开发，分类为「模型推理」。它把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。

插件原名「易经推演-万事决」，v0.3.0 起重命名为「道一-易经推演」。插件核心默认离线运行，零求解器依赖。

核心功能¶

六层加权聚合引擎¶

插件内置六层推演框架，从底层 384 个关键考虑因数逐层聚合，最终输出一个可定/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¶

插件提供多个内置剧本：

• motor-design：电机电磁设计·万事决。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。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。

• 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。

单事项如何触达 64 卦¶

「64 卦 → 1 卦」的映射一直都在（8 宫分 → 二值化 6 爻 → 64 选 1 + 动爻）。本版给单事项一个独立于本次调用的参照系：

• 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。

• 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：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）。

云模型接线¶

插件支持接入真实 LLM 进行 L1→L7 分解文案与 L1 卦象总评，但判定与聚合仍为确定性代码。未配置时完全离线运行，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。

接入方式：

• 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

• 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）。

免费额度闸门¶

v0.4.2 起，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）。

可选在线模式¶

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：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。

• 取数器可注入：默认全局 fetch；代理环境用 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。

安装与启用¶

使用官方安装命令：

npx -y @deepseek-ai/dsh plugin --profile web add dsh-daoyi-yijing

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。

典型用法¶

电机设计决策¶

yijing_divine { matter: "我要不要接这个 200kW 电机外包项目", script: "motor-design" }

股票趋势研判（自动）¶

yijing_divine { matter: "贵州茅台本周涨跌", script: "stock-trend", symbols: ["600519"] }

股票趋势研判（LLM）¶

# 1. 生成打分表 prompt
yijing_factor_prompt { script: "stock-trend" }

# 2. 对话大模型填 JSON
# 3. 扁平化为 inputs 回传
yijing_divine { matter: "决策事项", inputs: {...} }

自定义剧本¶

yijing_script_load { json: "自定义剧本 JSON" }

适用场景与注意¶

插件适用于需要结构化决策评审的场景，如电机设计、股票趋势研判等。插件以当前 dsh 进程权限运行，安装前应检查源码与许可证。

插件声明为「决策辅助，非迷信」。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。

结尾¶

道一-易经推演通过六层加权聚合引擎，把决策事项拆解为可量化检查点，输出可追溯、可审计的结构化结论。插件默认离线运行，支持接入真实 LLM，提供免费额度闸门与可选在线行情模式。更多细节可访问插件目录页或 GitHub 仓库。