-
quality.py— 响应质量分析器,提供 4 维质量评分(冗长度/推理深度/完整性/推理步数)QualityScore数据类:0.0-1.0 综合评分- 中英文推理标记检测(各 12+ 标记)
- Thinking 跳步检测、代码完整性检测、模板化回复检测
aggregate_quality()批量聚合质量分数
-
zenmux.py— ZenMux 智能路由模块- 4 个系统配置路径自动检测
- Docker Compose 模板(Anthropic 主 + OpenRouter/DeepSeek 备用)
check_zenmux_installed()/detect_current_config()/generate_setup_guide()- 中英文配置指南
-
switch_guide.py— 模型切换推荐引擎ModelAlternative数据类(含评分/成本/优劣/社区评价)- 5 个替代模型:DeepSeek V3 / GPT-4o / Gemini Pro / Sonnet 4 / Mistral Large
- 3 个推荐场景:
claude-opus-4/cloud-degraded/two-tier pick_best()按场景+预算智能推荐
-
CLI 新命令
quality— 分析响应文本质量(-t文本 /-f文件 /-c分类)zenmux— 检查 ZenMux 安装状态 + 生成配置指南switch— 模型切换推荐(-s degraded/cost/quality/all+-b预算)
-
evaluator.py集成质量分析QuestionResult新增quality_score字段BenchmarkReport新增quality_scores/avg_quality/thinking_skip_countevaluate_response()自动调用质量分析compute_scores()质量感知告警(avg_quality < 30% → 🚨)
-
版本号: 0.1.0 → 1.1.0
- CSDN 30 篇 Claude 降智文章爆发(2026-06-06 扫描)
- 推理深度下降 67%,thinking 跳步成为核心痛点
- 社区呼声:需要"降智→检测→绕行"完整链路
- 30 道固定基准测试题(Math/Reasoning/Code 各 10 题)
- 3 个 Provider:Anthropic / OpenAI / DeepSeek
- SQLite 历史数据库 + 基线对比
- CLI 命令:
test/baseline/history/watch - DeepSeek 基线: 91.1% (27/30)