fire-disposal/dsh-mojibake-interceptor

给 DeepSeek Harness 装的乱码拦截插件：AI 把乱码写进文件之前先拦一次，让它复查；当前版本 0.3.0，对齐 DSH 0.2.2-alpha.2 插件协议。

状态：可用；要求：Node >=24.9.0、DSH >=0.2.2-alpha.2 <0.3.0；仓库：fire-disposal/dsh-mojibake-interceptor

本质

在写入前拦截乱码、靠字符统计与编码回环判断的 DeepSeek Harness 插件。

选型

基于 Cordis 的 DeepSeek Harness 插件，纯 JS ESM，运行依赖 iconv-lite，测试 Node runner。

• 插件框架
  • DeepSeek Harness
    • Cordis 4
    • @deepseek-ai/dsh-tools
    • @deepseek-ai/schemastery
• 核心
  • 原生 JS
  • iconv-lite
• 测试
  • node:test
• 分发
  • npm
  • cordis.patch.yml

功能

• tools/pre-execute：扫 write / edit / str_replace_editor / apply_patch 的待写入文本，以及 pwsh / bash / terminal_send 的命令文本，命中就 deny 并附上特征与还原结果；补丁只扫新增行，不拦修复乱码时保留的旧行
• tools/post-execute：扫 pwsh / bash / terminal_open / terminal_send / terminal_read / job_output / read 的捕获结果，输出乱码时注入通知
• pwsh 写入编码审计：危险编码（-Encoding Default/ANSI/OEM/Unicode、GetEncoding(936)、chcp 非 65001）严重拦截；含非 ASCII 却没声明 -Encoding utf8 的按中等拦截
• 16 类检测特征，覆盖 UTF-8↔CP1252/GBK/Big5 双向误读、UTF-16 残留、替换符、ANSI 转义、BOM 异常、字面转义与 HTML 实体
• 三档模式 warn / block / ask，SHA-256 指纹键是「工具 + 路径 + 待写入文本」，LRU 表封顶 4096 条，不长期保留原始写入内容
• 性能：门控正则先挡掉纯 ASCII（1 MB 约 2 ms），候选段按 maxRunChars 2048 / maxRuns 64 / maxFindings 8 止损
• 测试 88 项全过（含 1 MB ASCII、200 KB 中文性能冒烟与最新工具协议行为）

启动流程

# 从 GitHub 安装；bundle 安装后重启 dsh web
dsh plugin --profile web add "github:fire-disposal/dsh-mojibake-interceptor#main"

# 本地开发（替换为实际绝对路径）
dsh plugin --profile web add link:/absolute/path/to/dsh-mojibake-interceptor

# 检查 bundle 已进入组合树
dsh --profile web --dump-config

dsh plugin --profile web remove dsh-mojibake-interceptor

npm install
npm test

package.json 用 engines.dsh 声明运行时装载兼容范围，dsh.bundle.patch 指向 cordis.patch.yml。用户可在 profile 的 cordis.patch.yml 覆盖 mojibake-interceptor 行；注意 config 是整行替换，不是深合并。

配置项：mode、tools、resultWatchTools、pwshEncodingGuard、minSeverity、excludePaths、maxFindings、maxRunChars、maxRuns、maxPreviewChars。

边界与已知问题

• 拦截只在有结构化文本载荷的工具上生效；run_code、ctx.fs 这类入口拿不到待写入的纯文本，tools 列表也扩不过去。
• 缺 iconv-lite 时运行时会自动降级（CP1252 与统计特征照常，GBK/Big5 方向失效），但测试不降级：不装依赖跑，regression-normal 里 5 项会失败。
• GBK 扩展区、生僻字构成的乱码，回环到常用区之外可能漏报（gbk-as-cp1252 为压误报刻意收紧）。
• 状态表在内存里，会话恢复后清空，「拦一次再放行」的记忆也随之丢失。