dsh-phocinae
面向 DeepSeek Harness（dsh）Agent 的本地决策插件，内置小模型通过一次前向传播回答结构化决策问题，通过置信度阈值决定是否升级给托管模型
时间轴 (近 90 天)
dsh-phocinae 是面向 DeepSeek Harness（dsh）Agent 的本地决策插件，提供 phocinae_ask 和 phocinae_gate 两个工具，背后是一个小模型，一次前向传播就能回答结构化决策问题。
同一个插件、同一份 400 个用例的工作负载，在 τ=0.4 阈值下能省下 86.1% 的计费 Token，在 τ=0.6 阈值下只剩 8.5%。
一次本地调用的参数 99 tokens、渲染结果 135 tokens，稳态下每决策 234 tokens；若这是会话中的第一个决策，还要额外带上固定的 685。
纯本地路径下，1 个决策省 69.9%，10 个决策省 90.1%，1000 个决策省 92.3%。
τ=0.4 的混合模式下，400 个案例中 27 个被升（6.8%），计费 Token 从 1,222,211 降到 82,499，含插件开销省幅为 86.1%。
τ=0.6 是插件默认出厂值。
准确率方面：τ=0.4 为 0.7305，托管单跑为 0.7085，本地单跑为 0.7320，τ=0.6 为 0.7115。
在 τ=0.6 时置信度分布集中在中位数 0.6294 附近，2000 个决策里有 851 个（42.6%）低于 0.6，按案例统计就是 90.8%。
全部知识事实 (8)
dsh-phocinae 是面向 DeepSeek Harness（dsh）Agent 的本地决策插件，提供 phocinae_ask 和 phocinae_gate 两个工具，背后是一个小模型，一次前向传播就能回答结构化决策问题。
50%待验证同一个插件、同一份 400 个用例的工作负载，在 τ=0.4 阈值下能省下 86.1% 的计费 Token，在 τ=0.6 阈值下只剩 8.5%。
50%待验证一次本地调用的参数 99 tokens、渲染结果 135 tokens，稳态下每决策 234 tokens；若这是会话中的第一个决策，还要额外带上固定的 685。
50%待验证纯本地路径下，1 个决策省 69.9%，10 个决策省 90.1%，1000 个决策省 92.3%。
50%待验证τ=0.4 的混合模式下，400 个案例中 27 个被升（6.8%），计费 Token 从 1,222,211 降到 82,499，含插件开销省幅为 86.1%。
50%待验证τ=0.6 是插件默认出厂值。
50%待验证准确率方面：τ=0.4 为 0.7305，托管单跑为 0.7085，本地单跑为 0.7320，τ=0.6 为 0.7115。
50%待验证在 τ=0.6 时置信度分布集中在中位数 0.6294 附近，2000 个决策里有 851 个（42.6%）低于 0.6，按案例统计就是 90.8%。
50%