前言¶
DeepSeek Harness（DSH）采用插件化架构，把各种能力拆成独立模块。在模型推理场景下，开发者经常要处理一批交付件：既要判断质量，又要识别“看起来交付了，实际上还剩多少活要补”。市面上很多工具给出一个“AI 生成概率”或者单条质量分，但往往答非所问——文风再像真人，如果任务没接住、选择没给足、执行没落地，这份交付照样要重做。
@yiyunet/dsh-kill-ai-slop 就是为了回答这个问题：给收到的文件打一份可回溯的“体检得分”，并说明还剩哪些工作没完成。它不猜作者、不提供“AI 率”，只关注“这份交付要你多花多少力气”。
插件定位¶
- 名称：yiyunet/dsh-kill-ai-slop
- 维护者：yiyunet
- 分类：模型推理
- 亮点：分类：模型推理
它是一个零依赖、零联网、纯本地的 DSH 插件，用于识别“看起来交付了，实际上还剩哪些工作没完成”。
核心能力¶
四层十二格体检¶
插件把交付拆成四层十二格，回答四句话：
| 层 | 回答 | 权重 |
|---|---|---|
| 意图 | 接住了什么任务？—— 交付是否推动了任务要求的结果 | 20% |
| 策略 | 作出了什么选择？—— 作者是否完成必要的判断与取舍 | 35% |
| 执行 | 如何推进？—— 是否完成把选择转成行动所需的组织工作 | 35% |
| 表达 | 能否准确、轻松地接收？—— 接收者是否需要重新整理才能用 | 10% |
核心能力不是打分，是识别“还剩哪些工作没完成”，并说明依据与影响。
AI Slop 与 Work Slop¶
- AI Slop：看起来像内容、实际没内容的表达填充，如套话、重复、模板、模糊、结构噪音。落在“表达”层。
- Work Slop：把本该完成的思考与整理转嫁给接收者，如不选、不判、不排期、不指人。落在“意图 + 策略 + 执行”层。
两者共同点：都不问“谁写的”，只问“这份文件要你多花多少力气”。
文档类型作为适用性开关¶
同一份文件，当纪要读和当方案读，评分应该不同。因此“文档类型”不是风格选项，而是规则开关：
| 类型 | 被关掉的维度（理由） |
|---|---|
| 会议纪要 | B3 论据支撑（纪要靠如实记录，不承担论证义务）、B5 决策支持 |
| 说明 / 科普 | B3、B5、B6（说明类不指派责任人，缺责任人不算缺陷） |
| 通知 / 公告 | B3、B5 |
| 研究 / 调研 | B6（研究报告交付结论，不承诺执行动作） |
| 方案 / 计划 / 报告 | 全维适用 |
| 其他 / 不确定 | 关 B6（避免体裁误伤） |
不适用 ≠ 0 分：它们会退出分母并在报告里写明理由。
支持的文件¶
| 格式 | 解析方式 | 说明 |
|---|---|---|
txt md csv json log yaml html rtf |
直读 | UTF-8 / UTF-16 BOM 优先，GBK 兜底 |
docx |
ZIP → word/document.xml |
取段落文本；页眉/页脚/内嵌对象不计入（会提示） |
pptx |
ZIP → ppt/slides/slideN.xml |
按页序；演讲者备注不计入 |
xlsx |
ZIP → 共享字符串 + 工作表 | 按行列展平；公式取缓存值，不重算 |
pdf |
内容流 inflate → 文本算子 | 启发式；不做 OCR、不做字体编码映射 |
doc xls ppt、压缩包、图片、eml |
不支持 | 报错里直接给“该怎么另存” |
报告结构¶
报告首屏是四层分数 + 推进结论，不是单一总分：
意图 92 策略 83 执行 75 表达 83
综合质量分 82 / 100（越高越好）
推进结论：补充后推进 —— 局部安排不足 6 项，4 项待确认但不阻塞阶段 1–3
最低的一层是执行（75）—— 要动手先看这一层。
随后逐层展开十二格：每格给出分数 + 状态 + 归属 + 判决理由 + 证据线索。低于 4 分的格需过四条件闸，未过闸的扣分不删、只降级，并在报告里点名缺哪一条。
四条件闸¶
每条扣分必须满足以下四条件，缺一条只能列为建议：
| # | 条件 | 不成立时 |
|---|---|---|
| C1 | 当前阶段必须完成 | 季末才需要的判据 → 建议 |
| C2 | 属于提交者职责，或须为其准备决定所需信息 | 纯他人/审批方的判断 → 不扣 |
| C3 | 全文确实未充分完成（先合并同一事项多处说明） | 分散在别处已完成 → 不扣 |
| C4 | 影响当前决定或行动 | 只增加阅读成本 → 建议 |
责任归属不是开关，只是四条件之一；存在未确认条件本身不等于 Slop，关键看作者有没有处理不确定性。
安装与启用¶
安装到哪里取决于你用哪个形态打开 DSH。这两处互相独立 —— 一边装了，另一边看不到。
浏览器 GUI（dsh web / dsh --profile web）¶
dsh plugin --profile web add @yiyunet/dsh-kill-ai-slop
桌面客户端¶
不要用上面的命令。桌面版自带运行时，插件落在 $DSH_HOME/profiles/desktop 里，由客户端自己管理。在桌面版的插件窗口里填包名 @yiyunet/dsh-kill-ai-slop，不要填 GitHub 地址。
确认装载¶
无论哪一种，装完在 cordis.patch.yml 里（通常已由包的 patch 自动注入）确认：
- insert:
- id: kill-ai-slop
name: '@yiyunet/dsh-kill-ai-slop'
重启 Host → 打开 设置 → 左侧出现 AI垃圾过滤。
典型用法¶
设置面板（主路径，推荐）¶
设置 → AI垃圾过滤：
- “上传文件”拖入文件，或“粘贴文本”直接贴；
- 选文档类型与提炼档位；
- 点“开始体检”；
- 看四个页签：总览 / 证据 / 提炼 / Markdown；右下可“复制 Markdown”“保存报告”。
点“保存报告”会弹出系统的另存为对话框，存哪里、叫什么名字都由你定；宿主机不落任何文件。
文件不上传：面板把内容交给本机 Host 进程，在内存里算完就结束。
给 agent 用：slop_audit_text¶
slop_audit_text(text=<原文>, docType="proposal", level="summary")
format="json" 可拿结构化结果做二次加工。
直接分析宿主上的文件：slop_audit_file¶
⚠️ 默认关闭。它读的是宿主进程的文件系统，比 agent 自己的沙箱更大，所以默认不开口子。
要开启，在 cordis.patch.yml 里加：
- id: kill-ai-slop
name: '@yiyunet/dsh-kill-ai-slop'
config:
inputRoots:
- '/absolute/path/to/inbox' # 只有这个目录内的文件会被读
同时也支持 slop_distill(text=…) —— 只提炼、不评分。
审查“任务有没有被接住”：slop_obligation_audit¶
这是主线能力，解决“只给一份文档，算不出任务承接”的问题。因为 Work Slop 是“任务要求 与 实际交付 之间的缺口”，所以这条路要求两份输入：原始任务原话 + 待审文档。
分工是刻意的：
| 谁做 | 做什么 |
|---|---|
| 你（或你用的模型） | 拆义务：任务要求交的每件事算一条，逐条判 met / partial / missing / conflicting，并摘出原文引文 |
| 本插件 | 只做校验：引文是不是真的在原文？行号对不对？说“已满足”却拿不出引文算不算数？结论有没有越权？ |
插件从不判断结论对不对，只判断证据有没有。因为模型最容易出问题的地方正是编行号和编引文，而规则层在这件事上百分之百可靠 —— 引文对不上的判定，一律降级为不可采信。
示例：
slop_obligation_audit(
task="线上垂直平台开拓尽快出一个落地方案",
path="…/报告.md",
obligations='[{"id":"O1","question":"首轮优先推进哪些渠道？","coverage":"conflicting",
"evidence":[{"quote":"最佳首选","line":65},{"quote":"优先级表将其放在P2","line":95}]}]'
)
四条硬闸门：
- 状态必须可机器统计：写“没问题”“通过”这类非枚举值直接判违规；
- 说“已满足”就必须有通过复核的引文，否则不予判定；
- 没有任务原话就不许判定“任务承接” —— 只出清单，并写明“这是检查表，不是任务要求”；
- 引文太短不算证据（如“P2”两个字符在任何长文里都能随机会中）。
写任何带证据的评审之前，可以先用 slop_verify_quotes 单独自查一遍引文。
适用场景与注意¶
适合用于模型推理场景中，需要评估交付质量、识别“还剩多少活要补”的场景，如方案评审、任务承接检查、报告体检等。
插件以当前 DSH 进程权限运行，安装前应检查源码与许可证。它不联网、不上传，所有计算在本地完成。
短结尾¶
这份体检得分可以帮你快速定位“看起来交付了，实际上还剩哪些工作没完成”。官方目录页与 GitHub 仓库供进一步查阅。
目录页¶
https://www.skillhub.cn/plugins/yiyunet/dsh-kill-ai-slop
GitHub¶
https://github.com/yiyunet/dsh-kill-ai-slop
