前言¶
在 DSH 里做对话或陪伴类智能体时，常会一次生成多条共情回应，再人工挑一条上线。单靠「听起来像安慰」容易选中响应分高、但感知环节没过门的句子——典型是泛泛的鼓励句，文字正面却未对齐用户的语气与情境。单靠最终回复好坏也很难判断该改提示、改检索还是改某一步推理。
下面介绍的插件把论文 EchoChat 里可不依赖训练部署的机制（级联门控奖励、步骤级信用分配 SDCA、根因定位）做成 DSH 工具 echo_judge：对 1–4 条候选排序，并标出最弱环节，便于决定重做哪一步。打分走引擎已登录账号对应的 ctx.llm.stream()，插件不读环境变量、不保存 API key。
这是什么¶
- 名称：
dsh-echochat-plugin（npm 包名与插件管理器搜索名一致） - 维护者：Verchiel666
- 分类：模型推理（社区目录归类）
- 出处：机制说明与边界见 GitHub README；论文 arXiv:2610.04826（EchoChat，NeurIPS 2026）
插件向 DeepSeek Harness 注册工具 echo_judge，对「用户原话 + 候选回应 + 可选场景」做结构化评审，输出每条候选的感知 / 推理 / 策略分、门控状态、总分，以及 SDCA 归因与最弱环节标签。
核心功能¶
echo_judge：排序与定位¶
- 接收用户输入（可含声学、语气线索）、1–4 条候选回应、可选
scenario与门控阈值tau。 - 用级联门控（论文 Eq.3–4）：感知未过门控时，后续环节的奖励会被清零，避免「共情模仿」类回复仅凭表面措辞得高分。
- 用 SDCA（Eq.7–8）做步骤级信用分配，并在输出中给出最弱环节（如「感知」「心智状态推理/支持策略」），方便定向改 prompt 或流程。
README 中的示例说明：C1 类回应响应分可最高，但感知没过门控时总分垫底；C3 在感知、推理、策略上更一致时总分更高。
不依赖额外 API key¶
评审调用的是 DSH 引擎内的 ctx.llm，即 App 当前登录账号所走适配器。provider / model 可在工具参数或插件 config 中覆盖默认路由。
与论文、训练版 RM 的边界¶
插件自述：judge 是单个模型，不是论文里的冻结奖励模型；省的是人工打分，不保证与训练 RM 同等的偏差与复现性。论文 Table 2/6/7/8 等收益来自 Kimi-Audio + LoRA 的 RL 训练，本插件不做训练，也不声称复现那些数字。仅 1 条候选时不做组内相对比较（会有明确提示）；单条评审失败会单独列出，不当作低分参与排序。
安装与启用¶
在 DSH App 的插件管理器里搜索 dsh-echochat-plugin 安装，然后重启引擎。
手动集成时，可将包内 cordis.patch.yml 的 entry 追加到 profile patch，并把 name 换成该包名（与 README 说明一致）。当前资料中的包版本为 0.1.3，许可证 MIT。
安装前建议自行查看 GitHub 仓库 源码与许可证；插件在当前 dsh 进程权限下运行，能力与 package.json 中声明的 tools:register、network:egress 一致。
典型用法¶
在智能体或工作流中调用工具 echo_judge，入参示例（来自 README）：
{
"user": "没事，今天就是有点忙。项目那个事你别管了，我自己弄。（声音发紧、语速快、句尾上扬）",
"candidates": [
"别担心啦，你已经很棒了，一切都会好起来的！",
"听起来不是真没事。项目那事我可以接着跑一版，你今晚先别硬扛。",
"你这句「别管了」我不太信。要不这样：今晚我把那版跑完发你，你不用回，明早再说。"
],
"scenario": "模态冲突：文字中性 + 语音发紧",
"tau": 0.6
}
返回为表格化文本，含每条候选 id、感知/推理/策略分、R_reas、门控、R_resp、R_total、SDCA 四段归因 A(4段) 与最弱环节列。据此选候选或回头改对应步骤。
参数摘要¶
| 参数 | 说明 |
|---|---|
user |
用户原话 + 声学/语气线索（必填） |
candidates |
1–4 条候选回应（必填；2 条以上才能做组内相对比较） |
scenario |
场景说明，如模态冲突 / 自嘲 / 逞强 |
tau |
门控阈值，默认 0.6（论文值）；越高越保守 |
provider / model |
覆盖路由；默认在 config 里 |
适用场景与注意¶
适合：需要在 DSH 内对多条共情回复做相对排序、并要知道是感知、推理还是策略拖后腿的团队；已登录 DSH、希望评审与主对话共用同一 LLM 路由、不想为 judge 单独配 key 的环境。
注意：分数随所用 judge 模型波动，不宜当作唯一上线门槛；多候选对比至少 2 条。机制可单独研究的 Node 库见 npm 包 echochat-lite（README 出处），与本插件同属 EchoChat 思路，集成方式不同。
链接¶
DeepSeek Harness 生态强调「一切皆插件」；SkillHub 等目录为社区站点，与 DeepSeek / 幻方无官方从属关系。若你要在流水线里自动筛共情候选并定位重做步骤，可先安装本插件，用 echo_judge 接上现有 ctx.llm 试一轮 README 示例，再按最弱环节调整智能体步骤。
