dsh-turing-table
DeepSeek Harness 的图灵桌：一张桌子上的座位由使用不同模型配置的代理扮演，你可以向它们提问并交叉核对答案，以找出哪些座位是 AI；每轮都会导出可复现的按座位划分的 JSONL 记录及一份判定记录。
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add github:dingchenhui0618-arch/dsh-turing-table#224d2711cdf798fa63f5818800f311e8ef77fb44Turing Table 以 dsh-turing-table 发布，当前版本为 0.1.0。Plugin Hub 会校验它的 manifest，并保存精确安装来源，便于复现安装结果。
给 DeepSeek Harness 的社交推理游戏：一张桌上有 N 个座位，其中若干座位由不同模型配置的 agent 扮演，你要靠提问和交叉印证（同一个事实换着问、比较各座位的说法矛盾）找出哪些座位是 AI。每局导出逐席位对话 JSONL与判定记录，同一 seed + 同一份操作脚本可以复现出逐字节相同的对局。
判断一个模型“像不像人”很难，但判断“两个座位里哪个在撒谎”是可玩的。这个插件把 DSH 里的一件事变得可测：把不同 provider / model / system prompt / 说话风格的 agent 放进同一张桌子，让人在信息不对称下把它们分辨出来，然后把整个过程落成可复查、可复现、可对比的文件。
这不是评测工具，是游戏。它的产品价值在于对局记录：换模型、换提示词、换伪装强度，同一批 seed 跑出来的 JSONL 可以直接 diff。
座位与身份（seed 决定）
seatCount（默认 6），其中 humanSeats（默认 1）个是人类座位，其余为 AI 座位。player），你不能判定自己坐的那个座位。/state 里未判定座位的 kind 与 modelConfig 都是 null，判定之后才揭晓——揭晓时能看到该座位实际用的模型配置和伪装参数。每个 AI 座位绑定自己的模型配置
配置来自插件配置项（不是写死的），每项是一个 { id, provider, model, temperature, system, style, voice, disguise }：
provider / model 为 null 时表示“跟随当前会话的模型”；填上就是真正不同的模型路由（host 会用该座位自己的路由发起这次调用，test/host.test.mjs 钉住了这一点）。archivist / barfly / hedger / mimic / contrarian / quiet），provider/model 为 null。伪装强度（disguise）
三档预设 low / medium / high，也可以逐项覆盖：
| 旋钮 | 作用 | low | medium | high |
|---|---|---|---|---|
verbosity | 回答长度预算（terse/normal/chatty，按句截断） | terse | normal | chatty |
colloquial | 口语化：加语气词与软化尾 | 关 | 开（50%） | 开（70%） |
proactive | 是否主动反问别的座位 | 关 | 关 | 开（45%） |
pressure | 被追问时的策略 | concede | hold/concede | hold/deflect/escalate |
pressure 的四种策略在“同一事实第二次问同一个座位”时生效，这是本作的核心机制：
hold：坚持原说法（我再确认一下，…）deflect：换一套说法并转移话题 → 会自相矛盾，这是可以抓到的破绽concede：承认可能记错（我可能记错了，…）escalate：反问提问者或其他座位（你怎么老问我这个？…）high 档会在候选池里按座位自己的随机流挑 pressure，所以两个“高伪装”座位不会表现成同一个人。
一轮流程
to: 'table' 全桌依次回答，或点名某个座位）；raw 原文与 text 整形后的话）；unanswered）；这是 AI / 这是人），判定记录会记住它发生在第几轮——开局盲猜记为第 0 轮，收局之后也允许补判；all-judged）、你主动收局（player-closed）或达到 maxRounds（max-rounds）时结束。dsh plugin --profile <你的 profile> add github:dingchenhui0618-arch/dsh-turing-table
装好后重启 DSH，对话视图里会出现「圆桌」Tab。（lib/ 是入库的预构建产物，安装时不需要跑构建脚本，也没有任何依赖——dependencies 与 devDependencies 都是空的。）
{
"seed": "my-round-0001", // 不给则用时间戳生成，并显示在面板上（对局仍会被完整记录）
"seatCount": 6,
"humanSeats": 1, // 至少 1，且至少留一个 AI 座位
"maxRounds": 8,
"exportDir": "<默认 $DSH_HOME/turing-table>",
"models": [
{ "id": "a", "provider": "deepseek", "model": "<model-id>", "temperature": 0.3,
"system": "你话少、只说结论。", "style": "书面", "voice": "dry",
"disguise": { "level": "low" } },
{ "id": "b", "provider": "deepseek", "model": "<another-model-id>", "temperature": 0.9,
"system": "你爱闲聊。", "style": "口语化、话多", "voice": "warm",
"disguise": { "level": "high", "pressure": "hold" } }
]
}
models 是座位模型池，不是座位表；谁拿到哪个由 seed 决定。
单人默认配置的坦白话：humanSeats: 1 时，除你之外所有座位都是 AI，于是“谁是 AI”在已知信息下等于全选。要让这一局真的有猜的成分，需要 ≥2 个人类座位——多人同桌（同一张桌上几个人各自输入），或者由外部驱动人类座位（host 的 POST /say，或脚本里的 say 步骤）。examples/sample-spec.json 就是一个 6 座 2 人的样例：4 个 AI、1 个人类座位（脚本喂台词）、外加你自己。
座位分配、模型分配、伪装参数、离线回答、整形与时间戳全部来自 src/rng.js 的种子化随机与一个逻辑时钟：引擎里没有 Math.random()，也没有读真实时间。
createTable(spec) 用同一份 spec 重建出完全相同的牌桌（table.spec() 就是那份 spec）；runSpec(spec) 用同一份 seed + 同一份操作脚本跑出逐字节相同的 JSONL 与判定记录（test/cli.test.mjs 直接拿它和入库的样例文件比字节）；rng.fork()），所以往一轮里多加一个问题是安全的：它不会把人重新洗一遍。什么是可复现的，什么不是：牌桌、座位、顺序、prompt、整形、时间戳都可复现；真实模型吐出的文本不可复现——同一个 prompt 两次调用本来就不一样。用离线叙述者（offlineResponder）或罐头回答时，整局逐字节可复现。记录里 raw 与 text 并存，就是为了让“模型说了什么”和“伪装做了什么”分得开。
一局导出两个文件（examples/ 下的样例由 node scripts/make-sample.mjs 真实生成，不是手写）：
1. 逐席位对话 JSONL（sample-round.jsonl，每行一条自包含消息，LF 结尾、无 BOM）
{"v":1,"seq":2,"id":"m0002","round":1,"ts":"2020-01-01T00:00:01.000Z","seat":1,"seatLabel":"座位 2","seatKind":"ai","role":"answer","to":0,"replyTo":"m0001","topic":"umbrella","modelConfig":{"id":"demo-blunt","provider":"demo-provider","model":"demo-model-d","temperature":0.8,"style":"直接，偶尔反问","voice":"blunt"},"disguise":{"level":"medium","verbosity":"normal","colloquial":true,"proactive":false,"colloquialRate":0.5,"proactiveRate":0,"pressure":"escalate"},"pressure":null,"shaped":true,"degraded":false,"applied":["colloquial:softener"],"raw":"这有啥好问的，应该是我带了伞。","text":"这有啥好问的，应该是我带了伞哈哈。","table":{"seed":"turing-sample-0001","seatCount":6,"humanSeats":2,"aiSeats":4}}
| 字段 | 含义 |
|---|---|
v / seq / id | 记录版本、行序号、消息 id（m0001…） |
round / ts | 第几轮、逻辑时间戳（startedAt + seq × stepMs） |
seat / seatLabel / seatKind | 座位号、显示名、ai 或 human（真值，供事后分析；客户端在判定前看不到） |
role | question（提问者）或 answer（座位） |
to / replyTo | 这条回答回应哪条消息、提问指向谁（"table" 或座位号） |
topic | 事实话题键（内置词表命中，或 q-<hash>） |
modelConfig | 该座位这次发言用的模型配置摘要（人类座位为 null） |
disguise | 该座位当轮的伪装参数（人类座位为 null） |
pressure | 这次回答触发哪种被追问策略（没触发为 null） |
shaped / applied | 是否经过整形、整形动作清单 |
degraded | 模型失败/缺路由时降级为离线回答的标记 |
raw / text | 模型（或人）原始输出 / 整形后真正说出口的话 |
table | 牌桌身份（seed、座位数、人类数），使每一行单看也成立 |
2. 判定记录（sample-verdicts.json）
truth（座位→真值）、seats[]（含是否被判定、判定值、对错、判定发生在第几轮、该座位用的模型配置与伪装参数）、verdicts[]（判定流水，含时间戳）、score（total / judged / correct / wrong / accuracy = 判对 ÷ 已判 / coverage = 已判 ÷ 总数 / unjudged）、endReason（all-judged / player-closed / max-rounds）。
node scripts/make-sample.mjs # 重新生成 examples/（逐字节稳定）
node scripts/export.mjs examples/sample-spec.json # 跑一遍 spec，导出 JSONL + 判定记录
node scripts/export.mjs --replay examples/sample-round.jsonl
node scripts/export.mjs --verify examples/sample-round.jsonl --verdicts examples/sample-verdicts.json
export.mjs 也接受 table.exportRound() 产出的对局记录（{kind:'turing-table-round', spec, events, verdicts}）。导出前会先自检（JSONL 可解析、字段齐全、真值与判定一致、分数能对上），自检不过就一个字节都不写。
node scripts/build.mjs # 零依赖构建：src/ -> lib/
node --test # 98 个用例
src/ 是手写源码，lib/ 与 examples/ 是产物，两者都入库；改 src/ 后必须重新 build（test/build.test.mjs 会逐字节比对 lib/ 与 src/，忘记构建会直接红）。
测试覆盖：种子化随机（同种子同序列、子流互不干扰）、伪装预设与逐座位解析、模型池分发、事实记忆与交叉印证、每个 pressure 策略的可观测差别、牌桌流程与全部错误码、判定与计分、JSONL 自包含与不可复原记录的拒绝、host 路由与逐座位模型路由、四种降级路径、卸载拆除路由、client 半区在 __ModuleLoader__ 下的加载/渲染/提交/轮询清理、样例逐字节复现、CLI 的正常与错误路径。
dsh-warden 的结构：src/ 手写 + scripts/build.mjs 零依赖构建到 lib/、host 半区 ESM（lib/index.js 导出 name / inject / apply）、client 半区 CJS 由 window.__ModuleLoader__.load() 包裹、cordis.patch.yml 的 insert 行、package.json 里的 dsh.bundle.patch 与 dsh.client、README 的章节顺序、以及“路由注册失败也要保住核心功能”的失败策略。只借了骨架与模式，没有搬运它的代码，方向也完全不同（那是危险工具调用的审查门，这里是社交推理游戏）。9931666/dsh-plugin-roundtable）。我没有核实过它的实现细节，也没有使用它的代码，它只作为“这条方向有人在做”的旁证。src/table.js（游戏引擎）、src/rng.js（种子化随机）、src/facts.js（共享事实）、src/speaker.js（prompt + 离线叙述者 + 伪装整形）、src/export.js（JSONL / 判定记录的读写与校验）、scripts/export.mjs（CLI）、examples/（真实生成的对局样例）；没有 devDependencies（warden 里那份 esbuild 依赖这里不需要）。ctx.get('llm') 的流式分片形状按 warden 的用法推断；client 半区在 node:vm + 假 React 下加载渲染，没有在真实 Web GUI 里加载过。llm 服务或缺路由时自动降级到离线叙述者，并在消息上标 degraded: true——离线叙述者只会照内置话题词表（伞/值班/咖啡/钥匙/午饭/通勤/电梯/宠物）记忆事实，自由措辞的问题在离线模式下不能交叉印证，那种场景要靠真实模型。score 只反映这一局玩家的判断，样本量是一局，别拿它当模型能力的证据。$DSH_HOME/turing-table/，只在点击「导出这一局」时写入；测试一律用临时目录。MIT