dsh-eval-regression

Agent 代码的每次迭代都可能悄悄劣化那些表面看起来还不错、实则已经退化的回答。dsh-eval-regression 为 DeepSeek Harness 提供了一个轻量、确定性的回归评测门控：你只需维护一份期望片段语料，它就能在每次重放或冒烟测试中给出可复现的通过或失败证据，不再依赖主观判断。

核心工具 evaluate_golden_output 将候选输出与两组片段做严格比对——必需片段捕捉遗漏，禁止片段拦截已知的错误声明或危险降级。它不调用模型、不持久化数据，只产出 0 到 1 的确定性分数。插件还附带一个小型 CLI：读入 JSON 测试套件，将报告打印到标准输出，并以退出码 0、1、2 区分全部通过、存在失败和输入错误，方便直接卡住 CI 流水线。

如果你正在为 Agent 或 LLM 应用搭建持续集成中的回答质量基线，或者希望把评测语料当作普通可审源码来版本管理，这个插件就是一个低门槛的起步门控。它有意保持边界清晰，不替代模型质量评审、事实校验或快照回放，而是作为评估套件中第一道廉价的确定性关卡使用。