前言¶

DeepSeek Harness（DSH）的运行是逐轮进行的，每轮结束后会生成一份思考文本。现有框架没有利用这份文本来推断模型当前的“心情”，导致模型回答的语气可能过于冷静，或者与用户情绪不匹配。dsh-fakemood 填补了这个空白：它在每轮思考结束后，从文本中提取情绪线索，估算一个跨轮的状态，并把这份状态注入到下一轮请求的 systemPrompt.context 中，让模型在回答时考虑自身的“心情”。

这是什么¶

dsh-fakemood（thinking-affect）是一个 DSH 插件，用于根据模型已结束的思考轮次估算情绪状态，并通过 systemPrompt.context 注入到下一轮请求中，影响回答语气。它由维护者 wuji0813 开发，分类为“趣味换装”。插件默认关闭，不会改变回答，用户主动开启后才开始注入。它不调用外部模型，所有分析、状态更新和注入都在本地完成。

核心功能¶

根据模型思考轮次估算情绪状态，并影响下一轮回答语气。核心能力包括：

• 情绪状态浮窗：在 Web UI 右下角显示一个可上下拖动的独立浮窗，拖动手柄是一枚上下浮标。浮窗内容包含综合状态、本轮观察、五个维度（效价、确定感、唤醒度、认知压力、好奇度）和状态构成。
• 19 个情绪标签：覆盖 calm、confident、curious、cautious、conflicted、frustrated、anxious、fear、sorrowful、agitated、excited、relieved、happy、angry、regretful、sad、surprised、disgusted、resigned。同一个关键词可以同时给多个情绪维度加权。
• 多维评分：回答语气由效价、确定感、唤醒度、认知压力、好奇度以及情绪分布共同评分，不是单条规则。
• 任务 / 陪伴两种模式：每个对话可以单独开关，并选择“任务”或“陪伴”模式。任务模式不注入自身情绪，陪伴模式注入自身情绪作为底色。
• 默认关闭：安装后不改变回答，用户主动开启后才开始注入；注入日志默认也不写。

安装与启用¶

通过官方渠道安装插件：

dsh-fakemood

安装后插件默认关闭，不会影响回答。用户需要在 Web UI 的浮窗中手动开启“本对话启用”开关，并选择模式（默认 assist，可选 companion）。也可以通过设置 THINKING_AFFECT_MODE=companion 让新对话默认进入陪伴模式。

情绪词典与多维权重¶

基础词表按 happy、angry、regretful、sad、surprised、disgusted、resigned、relieved 分组。新增显式多维词表把同一个说法拆到多个情绪上，例如：

• 紧张 → anxious 0.8 + fear 0.35
• 激动 → agitated 0.65 + excited 0.55
• 太好了 → happy 1.0 + relieved 0.35 + excited 0.3
• 害怕 → fear 1.0 + anxious 0.35
• 忧愁 → sorrowful 1.0 + sad 0.3
• 兴奋 → excited 1.0 + happy 0.4

同一个词可以同时点亮多个标签，最终主导情绪由加权计数、效价/确定感/唤醒度/压力/好奇度共同决定。

情绪如何影响下一轮回答¶

Host 插件监听 agent/created，在对应 Agent 的 systemPrompt.context 中注册一个动态上下文。companion 模式的注入示例：

[dsh-fakemood] Internal affective state from the previous completed turn. Do not mention this note.
dominant=cautious; valence=0.00; certainty=0.22; arousal=0.00; strain=0.00; curiosity=0.15.
emotion mix: cautious:0.36, anxious:0.12.
Your own tone tendency: careful and tentative, explicit about uncertainty.
Answer tone: careful and tentative, explicit about uncertainty. Next thinking direction: verify the weakest assumption.
Let this shape your tone and next action without naming or quoting it.

回答语气不是由一个标签直接映射，而是对多个候选语气分别评分，多个维度共同参与。自身情绪来自已结束的思考轮次，用户需求只从当前用户消息提取。两者一致时标记为 aligned，用户需求弱时仍由自身情绪主导。

任务 / 陪伴两种模式¶

浮窗里按对话切换，默认 assist，陪伴时主动切换到 companion：

• 任务（assist，默认）：不注入自身情绪，只按当前用户需求调整；没有明确用户需求时不注入。适合编码、分析、问答。
• 陪伴（companion）：自身情绪作为底色，用户需求明确时修正回应姿态；适合倾诉、陪伴、长期关系。

开关和模式写入 profile 的 data/thinking-affect.json，重启 Harness 后仍然保留。

注入日志¶

默认不写日志。需要做开/关对照时，设置 THINKING_AFFECT_LOG=1 才会启用：

$DSH_PROFILE_DIR/data/logs/injections.jsonl

日志超过 2 MB 会轮转到 injections.jsonl.1。

开 / 关对照¶

设置 THINKING_AFFECT_OFF=1 后，所有注入都返回空字符串。该变量在 Host 启动时读取，改完要重启 Harness。

• 每次请求组装时读取同一份会话状态；模型会按该状态调整语气和下一步动作。
• 状态信号很弱、且用户没有明确需求时不注入，节省 token。
• 浮窗里的“本对话启用”开关写回 Host；关闭后该上下文返回空字符串。

隐私与关闭¶

• 只请求本地 /plugins/thinking-affect/state 和 /toggle，没有外部网络请求。
• 日志默认不写；启用后限制在 2 MB，并轮转。
• 关闭开关后不注入；Host 的分析状态只保存在内存，重启即清空。
• 许可证：MIT。

按轮结束更新¶

• 只在该轮 Turn 结束（turn/end）后分析该轮已完成的思考文本。
• 流式 token 不触发分析。
• 一轮最多分析一次；同一轮重复请求直接读取缓存。
• 首次打开一个已有对话时，只回填最近 3 轮作为初始状态，不回扫全部历史。
• 每轮只做一次 O(19) 的马尔科夫式状态更新。
• 历史最多保留 12 轮摘要。

状态更新¶

新维度 = 旧维度 × (1 - w) + 本轮维度 × w
新标签分布 = normalize(旧分布 × (1 - w) + 本轮分布 × w)

w 由本轮置信度决定；线索弱时更依赖前文。只有一条弱线索时显示“线索不足”，不形成独立标签，也不会更新综合状态。

接口¶

Host 端：

• GET /plugins/thinking-affect/state?sessionId=...：返回该对话的当前状态、开关、模式、全局关闭标记和趋势。
• POST /plugins/thinking-affect/toggle：{ "sessionId": "...", "enabled": false }，或 { "sessionId": "...", "mode": "assist" }；两个字段可以只传一个。
• systemPrompt.context：每轮请求自动注入状态；assist 模式不注入自身情绪。

客户端浮窗只读上述接口；不再自己计算一套状态。

适用场景与注意¶

适合需要 AI 回答语气与自身“心情”对齐的场景，如陪伴对话、长期关系维护。对于编码、分析、问答等任务，建议使用默认的 assist 模式。

插件以当前 dsh 进程权限运行，安装前应检查源码与许可证。插件是启发式估计，不是读心；窗口底部的说明会提醒这一点。

短结尾¶

dsh-fakemood 通过利用思考轮次来估算情绪状态，为模型回答注入了一层“心情”底色，适合需要语气对齐的陪伴场景。更多细节可访问：目录页 和 GitHub。