dsh-experience-policy

一句话：把「状态 → 动作 → 回报」的历史经验，转成对当前候选动作的数值加权——零梯度的 test-time 策略优化。

为什么值得用：很多选择场景（走哪条搜索通道、用哪个工具、选哪个参数）历史上已经积累了大量「在什么状态下选什么、结果怎样」的记录，但没人把它们变成下一次选择的依据。本插件提供一个纯决策层：输入当前状态与历史经验，输出候选动作的数值加权——让「上次这个状态选 A 效果好」变成这次排序里 A 的加分。⚠ 它是加权器不是决策者：最终选哪个仍归调用方。

能力

工具面：无（纯行为插件）。行为侧是一个纯决策层（src/policy.ts），由调用方喂入状态与经验，返回候选动作的加权。

⚠ 与 mechanism-fit-validation 技能的关系：本插件是该技能 §3「纯函数层先行」的产物——决策逻辑无 IO、无随机（同输入必同输出），可离线单测。

快速开始

1) 装依赖：

"dsh-experience-policy": "link:E:/alice/self-plugins/dsh-experience-policy"

2) 挂组合（若你的调用方需要它作为 service 消费）：

- id: experience-policy
  name: dsh-experience-policy

3) 30 秒验证：

cd self-plugins/dsh-experience-policy && npm test

（⚠ 本插件的测试文件是 .ts，test script 直接跑 TS —— 见「测试」节。）

配置

项	默认	说明
（见源码 Config）	—	本插件无必填项；缺省即按纯决策层工作（经验数据由调用方持有并喂入）

落盘与自证

本插件无持久产物——它是纯决策层，不写文件、不落侧车。经验数据由调用方自己持有与喂入。

生效判据与回退

判据：调用方拿到加权结果即可验证（纯函数：同输入必同输出）。 回退：① git revert + 重建 + 预检重启；② patch 行 disabled: true；③ 无状态，停用即完全静默。

测试

cd self-plugins/dsh-experience-policy && npm test   # = node --test tests/*.test.ts

⚠ 注意跑法：本插件的测试是 .ts 文件（tests/policy.test.ts），test script 直接跑 TS。⇒ 用 node --test "tests/*.test.mjs" 跑不到任何用例（会报 tests 0）——这不是「没测试」，是跑法不对。

设计要点

• 纯决策层：无 IO、无随机，同输入必同输出 ⇒ 可离线单测、可复算。
• 零梯度：不做训练、不更新权重文件——每次调用现算。
• 加权而非决策：输出是候选动作的相对权重，选择权归调用方（本插件不替主体做决定）。
• 不自动采集：经验由调用方显式提供——插件不偷偷记录会话内容。

相关文档

• ⚠ 本插件暂无 semantic.md（未建语义文档）——契约以上面「设计要点」与源码为准；补文档是待办。
• 中心仓：alice-digital-life（本插件归 认知层）
• 相关技能：mechanism-fit-validation（机制适配性验证 · 本插件是其「纯函数层先行」的产物）
• 论文锚：JitRL（test-time policy optimization，零梯度）

License

MIT © jonah791

---

本插件属于爱丽丝 DSH 自研插件生态（alice-digital-life · 73 个插件 · 8 个模块）：单一职责、独立仓库、独立可用。