前言¶

DSH 插件開發者在做決策評審時，往往需要把複雜事項拆解爲可量化檢查點，再通過多層聚合得出結論。傳統的做法要麼依賴手工拆解，要麼在代碼裏硬編碼判斷邏輯，缺少統一框架。下面介紹一個把任意決策事項套入六層推演框架的 DSH 插件。

這是什麼¶

道一-易經推演（dsh-daoyi-yijing）是一個通用決策輔助 DSH 插件，由維護者 wangxuewangxue98 開發，分類爲「模型推理」。它把決策事項拆解爲可量化檢查點，套入六層推演框架（384 爻 → 64 卦 → 8 宮 → 四象 → 三才 → 兩儀 → 太極），輸出結構化結論與易經風格研判。結論由用戶輸入的參數與閾值決定，可追溯、可審計。

插件原名「易經推演-萬事決」，v0.3.0 起重命名爲「道一-易經推演」。插件核心默認離線運行，零求解器依賴。

核心功能¶

六層加權聚合引擎¶

插件內置六層推演框架，從底層 384 個關鍵考慮因數逐層聚合，最終輸出一個可定/否定結論（可行 / 有條件可行 / 不可行）。雲模型是「翻譯器」而非「裁判」，判定與聚合（L7→L2）爲確定性規則，雲模型不介入 verdict 決策。

內置劇本¶

插件提供多個內置劇本：

• motor-design：電機電磁設計·萬事決。真實 8 技術領域 × 8 子領域 × 6 檢查點 = 384 爻。其中 158 項爲外部數據域（NA，排除出聚合、計入覆蓋率），226 活躍檢查點進聚合。含強關聯一票否決、六層加權聚合、天/地/人三才分組。

• stock-trend：股票趨勢研判·萬事決。8 股票分析域 × 64 子域 × 384 爻。三才分組爲天(基本面/行業/宏觀)·地(技術/資金/估值)·人(消息/風險)。

• stock-trend-v2：股票趨勢研判·1296 四層。6 域 × 6 分域 × 6 子域 × 6 aspect = 1296 檢查點，8 位 id。與 384 並行註冊、默認不啓用，顯式 script:'stock-trend-v2' 開啓。支持 llmLevel:'L2'/'L3' LLM 子域級補分（默認走用戶 DSH 會話模型計費）與 fineMap 規則→子域名精映射。

• demo-384：規範 384 結構演示劇本（verify 向量）。

• 自定義劇本：經 yijing_script_load 提交 JSON，落盤 data/scripts/ 持久化，重啓回灌。

單事項如何觸達 64 卦¶

「64 卦 → 1 卦」的映射一直都在（8 宮分 → 二值化 6 爻 → 64 選 1 + 動爻）。本版給單事項一個獨立於本次調用的參照系：

• 股票（自動）：yijing_divine { matter: "貴州茅臺本週漲跌", script: "stock-trend", symbols: ["600519"] }。自動拉騰訊行情構建 384 爻 inputs；閾值取全市場基線分位 → 單隻即可落進 64 卦任意一格。

• 通用事項（LLM）：① yijing_factor_prompt 拿打分表 prompt ② 對話大模型填 JSON ③ 扁平化爲 inputs 回傳 yijing_divine。L1→L7 拆解真正由 LLM 完成，且打分驅動 384 爻。

• 批量/校準：node scripts/divine_batch_stocks.mjs --live · node scripts/calibrate_stock_baselines.mjs --n 400。批次內分位 / 生成基線表。

基線表 lib/yijing/baselines-stock.json：各宮 p25/p50/p75 + 每爻陽率 + 樣本內卦種數。400 只隨機樣本實測 48/64 種（絕對閾值 8/64、批次分位 28/64）。爻義變爲「相對市場中位偏強/偏弱」（如 JS 爻陽 = 技術面強於市場中位）。

雲模型接線¶

插件支持接入真實 LLM 進行 L1→L7 分解文案與 L1 卦象總評，但判定與聚合仍爲確定性代碼。未配置時完全離線運行，分解返回結構化因數清單、結論走確定性模板，斷網也能跑，verdict 不受影響。

接入方式：

• 環境變量（推薦，密鑰不落盤）：DAOYI_LLM_API_KEY=sk-xxx DAOYI_LLM_PROVIDER=deepseek node scripts/divine_with_llm.mjs "決策事項" commercial

• 插件配置：cordis.patch.yml / Config：cloudModelEnabled: true + cloudModelProvider + cloudModelApiKey + cloudModelName

• DSH 會話當前模型（v0.5.1 起默認自動）：對話中被調用時自動使用當前對話的模型——Runtime 注入 config.sessionModel（或 env DAOYI_LLM_SESSION_*）即生效，無需手動開 cloudModelEnabled、無需自備 Key。關閉：cloudModelAutoSession: false（或顯式 cloudModelEnabled: false）；自備 apiKey 時不搶會話模型。

廠商預設：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 兼容端點）。

免費額度閘門¶

v0.4.2 起，免費 LLM 調用默認上限 10 次/分鐘（滑動窗口 60s，freeLlmPerMinute / env DAOYI_LLM_FREE_PER_MINUTE 可調，0=不限制）。窗口滿時後來的調用進入 FIFO 隊列排隊等待，待最早的時間戳滑出窗口後逐個補位——超出不拒絕、不降級，僅延遲。

每日硬上限降級爲可選兜底：freeLlmDailyLimit 默認 0（關閉）；僅顯式配置 >0 時作爲每日總閘，用盡才降級離線模板。

計數口徑：每次真實 LLM 外發計 1 次（一次 yijing_divine = decompose + conclude = 2 次）；離線推演不計數、不花錢。

本地硬閘：計數/限速只認本地 $DSH_HOME/storages/dsh-daoyi-yijing/llm-quota.json（env DAOYI_LLM_QUOTA_FILE 可覆蓋），斷網也攔，無任何後端請求/遙測。

可觀測：evaluate 結果 llm.rate 暴露 {rateLimit, queued, waitMs}；發生過排隊時 llm.notice 提示等待時長；yijing_model_list 可查額度快照（只讀）。

可選在線模式¶

插件核心默認離線（確定性、零額度、斷網可用）；需要實時行情時可選用在線模式：

• 適配層 adapters/quote.mjs：騰訊財經 qt.gtimg.cn（批量、免費、無鑑權），輸出與基線同構的子域信號 {code, subIdx, delta}。歸一化規則透明：GZ01 絕對估值（PE 分段錨定，便宜→陽/貴→陰，虧損→NA）、JS01 趨勢方向（收盤位置居中化）、JS02 動量強度（同基線）、JS04 量能配合（換手分檔×當日方向）、JS08 波動特徵（振幅分檔）。JB/HG 無字段 → NA，不造假填充。

• 斷網/超時/字段缺失 → 回退 NA；整體取數失敗 → 調用方整體回退基線。

• 取數器可注入：默認全局 fetch；代理環境用 createCurlFetcher({ proxy: 'http://127.0.0.1:xxxx' })。

• 批處理用法：node scripts/divine_batch_stocks.mjs --live → 輸出 logs/stock-batch-results-live.json。

安裝與啓用¶

使用官方安裝命令：

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

安裝後對模型說「推演：我要不要接這個 200kW 電機外包項目」即可觸發 yijing_divine。

典型用法¶

電機設計決策¶

yijing_divine { matter: "我要不要接這個 200kW 電機外包項目", script: "motor-design" }

股票趨勢研判（自動）¶

yijing_divine { matter: "貴州茅臺本週漲跌", script: "stock-trend", symbols: ["600519"] }

股票趨勢研判（LLM）¶

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

# 2. 對話大模型填 JSON
# 3. 扁平化爲 inputs 回傳
yijing_divine { matter: "決策事項", inputs: {...} }

自定義劇本¶

yijing_script_load { json: "自定義劇本 JSON" }

適用場景與注意¶

插件適用於需要結構化決策評審的場景，如電機設計、股票趨勢研判等。插件以當前 dsh 進程權限運行，安裝前應檢查源碼與許可證。

插件聲明爲「決策輔助，非迷信」。股票推演結果由公開數據映射的因子評分驅動，屬結構化多因子研判示意，不構成任何投資建議。

結尾¶

道一-易經推演通過六層加權聚合引擎，把決策事項拆解爲可量化檢查點，輸出可追溯、可審計的結構化結論。插件默認離線運行，支持接入真實 LLM，提供免費額度閘門與可選在線行情模式。更多細節可訪問插件目錄頁或 GitHub 倉庫。