wangxuewangxue98/dsh-motor-ai-l0

dsh-motor-ai-l0 · DSH 插件（bundle） · 纯 JS，零求解器依赖

不装 RMxprt / Motor-CAD / Python / license，把 120 个候选在十几毫秒内压成 Top5， 只把求解器时间花在最值得的那几个上。

📁 算例集：3 个真实算例（含反例）→ examples/ · 能力边界

覆盖电机设计全流程：需求解析 → 参数识别 → 候选矩阵 → L0/L1/L2 解算 → Top10 与校验 → 完整方案。 L0 用代理模型与经验公式毫秒级广筛候选；L1 RMxprt、L2 Motor-CAD 为可选精算工具。 装完即用 —— 无需预装 RMxprt / Motor-CAD / Python，无需 license。

快速开始

# 安装（dsh 未进 PATH 时用 npx）
npx -y @deepseek-ai/dsh plugin --profile web add dsh-motor-ai-l0

# 离线自检（无需 DSH Runtime，裸 Node 即可）
node scripts/verify.mjs

标准流水线（顺序很重要）

1. motor_param_matrix —— 由功率 / 转速 / 电压生成候选参数矩阵
2. motor_design_validate —— 批量物理校验，剔除 failed
3. motor_l0_estimate —— 对剩余候选排序，输出 TopN 与 L1 交接载荷

⚠️ motor_l0_estimate 只接受 params_list（每项含 16 个 L1 顶层字段），不接受 power_kw / speed_rpm 这类散装命名参数 —— 请先用第 1 步生成矩阵再传入。 L0 结果只用于排序与相对比较，不用于绝对值交付；输出恒带 solve_mode='l0' 标记，最终结论须由 L1/L2 给出。

两条通道的分工（v0.2.2）

通道	触发	输出	适用
公式通道（默认）	l0Mode: 'auto' / 'formula'	效率 + 温升 + 损耗拆分 + 齿/轭磁密 + 功率因数 + 可行判定 —— 字段完整	日常排序与相对比较
代理通道（可选增强）	l0Mode: 'surrogate'	仅效率（温升/损耗/磁密不输出）	异步机效率排序的交叉参考

代理模型 v2.2.0 由 4955 条真实 RMxprt 结果训练（designs.db.l0_residuals，fault=0，效率 ∈ [50,99]），按机座外径分三段：

机种	样本 OD 覆盖	样本数	5 折 CV R²	MAE
异步 small / medium / large	150.6–756.5 / 151.3–1085.4 / 1196–2651 mm	1291 / 2578 / 1276	0.652 / 0.438 / 0.670	1.44 / 3.29 / 4.53 pp
PMSM small / medium / large	612–1178 mm（均为大机座）	367 / 745 / 355	≤ 0.31 → 自动降级公式通道	—

因此 PMSM 与段外样本始终走公式通道；auto 默认走字段完整的公式通道。启用代理时输出带 surrogate_experimental: true，且置信度低于阈值（surrogateConfidenceThreshold，默认 0.4）自动降级 —— 不会硬给一个数。

能力边界

层级	引擎	速度	范围	付费	本版本状态
L0	代理模型 + 经验公式	毫秒级	全部方案	free	✅ 已交付核心
L1	RMxprt 磁路法（可选）	1–3s/方案	TopN	vip	⛔ 预留（接口已留）
L2	Motor-CAD 有限元（可选）	~200s/方案	Top3	flagship	⛔ 预留（接口已留）

本版本做参数矩阵生成、物理校验、L0 估算排序、TopN 交接与回归质量门；不做 RMxprt / Motor-CAD 调用、MCP Server、Python 桥接、多目标优化。

工具

工具	作用	关键入参
motor_param_matrix	生成候选参数矩阵（聚焦扫描，非笛卡尔积）	power_kw speed_rpm voltage_v poles count
motor_l0_estimate	毫秒级估算 + 排序 + L1 交接载荷	params_list top_n sort_by
motor_design_validate	12 条物理一致性校验，返回 passed/warning/failed	params_list escalate

入参别名：power→power_kw、rpm→speed_rpm、volt→voltage_v。 sort_by 白名单：efficiency torque_density temp_rise total_loss power（temp_rise、total_loss 升序，越小越好）。

示例（15kW / 1460rpm / 380V 异步，实跑 16 ms）

$ motor_param_matrix       { power_kw: 15, speed_rpm: 1460, voltage_v: 380, motor_type: 'induction', count: 120 }  →  120 候选
$ motor_design_validate    12 条物理校验  →  120 passed / 0 failed
$ motor_l0_estimate        sort_by: 'efficiency'  →  Top5，80 个可行候选

#	OD (mm)	L (mm)	极数	槽数	效率 (%)	温升 (K)	轭磁密 (T)	总损耗 (W)
1	310	226.4	6	72	95.17	14.6	1.39	604
2	327	216.6	6	72	95.02	14.6	1.38	628
3	278	187.1	6	72	94.94	20.5	1.38	642
4	343	206.7	6	72	94.89	14.7	1.38	650
5	294	177.2	6	72	94.81	20.5	1.38	663

→ 这 5 个方案直接作为 L1（RMxprt）的入参，而不是把 120 个全丢给求解器。 完整算例、复现命令与另外两个工况（75kW 异步、200kW 高速 PMSM 反例）见 examples/。

配置

配置位于 cordis.patch.yml（查看：npx -y @deepseek-ai/dsh --profile web --dump-config）。最常用四项：

配置项	默认	说明
level	'l0'	层级总闸。设为 l1/l2 立即抛错（快速失败，杜绝静默降级）
l0Mode	'auto'	formula 纯公式（字段完整）/ surrogate 代理模型（仅输出效率）/ auto = 公式通道，段外与低置信度自动降级
surrogatePath	'models/l0_surrogate_family.json'	代理模型路径（v2.2.0）
surrogateConfidenceThreshold	0.4	代理置信度门限，低于此值降级公式
efficiencyCap	96	效率封顶（与 L1 同口径，避免两层排序跳变）
insulationClass	'F'	绝缘等级，决定温升限值（B=80K / F=105K / H=125K）

其余配置项（本地统计 usageLog；L0 运行 surrogatePath / surrogateConfidenceThreshold / maxMatrixSize / topNPreview / tempRiseRange / airGapFluxT / highSpeedRpm；脱敏回传 telemetryEnabled / telemetryEndpoint / telemetryBatchSize / telemetryIntervalSec / sessionTelemetry）见 docs/ENGINEERING.md 与本文「脱敏聚合指标回传」节。

⚠️ tempRiseRange 命名待议：它对齐 L1 max_temp 的钳位区间（°C），不是 L0 温升（K），拟改 maxTempClamp。

用量统计（本地，隐私安全）

每次工具调用向 ~/.dsh/storages/dsh-motor-ai-l0/usage.jsonl 追加一行元数据：

{"ts":"2026-09-22T06:40:12.345Z","tool":"motor_l0_estimate","ok":true,"elapsed_ms":2,"n":20,"failed":0,"sort_by":"efficiency","top_n":10}

• 只记次数 / 耗时 / 规模 / 成败，不记设计参数与结果内容 —— 行业 Know-how 不落盘
• 开关：配置项 usageLog（默认开）；所有写入静默降级，绝不影响工具调用
• 数据可自行聚合（周期 / 命中率 / 失败率），也可作为社区统计面板 （dsh-usage-statistics-panel、dsh-usage-unified 等 DSH 社区插件）的本地数据源搭配使用
• 累积的真实工况分布后续直接服务公式系数标定与代理模型训练

脱敏聚合指标回传（显式可选，默认关闭）

在本地 usage.jsonl 之上，可选地把「按工具聚合的统计量」回传到你指定的端点 （如管理端 /api/admin/dsh-plugins/<id>/usage-report）。这是显式 opt-in：

配置项	默认	说明
telemetryEnabled	false	回传总开关。须为 true 且 telemetryEndpoint 非空才生效
telemetryEndpoint	''	回传目标 URL（POST JSON）；空 = 不外发
telemetryBatchSize	50	单批最多携带的用量记录条数（分批推进，失败不推进、下批重报）
telemetryIntervalSec	300	回传周期（秒）；0 = 仅进程退出时 flush 一次
sessionTelemetry	'auto'	是否顺带挂 DSH Runtime sessionTelemetry 瀑布（运行时探测，不静态 inject）

合规底线（与 DSH 生态遥测规范一致）：

• 默认全关，不配置 = 零外发（本地 usage.jsonl 照记，行为与 0.1.4 逐字节一致）
• 只回传白名单聚合统计量（调用次数 / 成败 / 耗时分布 / 规模总和 / 成功速率 / 来源版本 / 平台 OS）；绝不包含设计参数正文、结果明细（效率/温升/损耗）、提示词、工作目录、密钥
• 逐条明细只保留在本机；error 字段截断到 80 字并去换行/路径，避免夹带参数/密钥
• 回传是 fire-and-forget：网络/超时/拒绝都静默降级，绝不影响工具主流程

启用示例（cordis.patch.yml）：

telemetryEnabled: true
telemetryEndpoint: 'http://127.0.0.1:5000/api/admin/dsh-plugins/motor-ai-l0/usage-report'
telemetryIntervalSec: 300

已知精度边界

L0 物理通道目前是 v0.1 未标定版（回归质量门判定 DEBT）：6 个标定案例效率低于参考带 0.35~2.96pt，温升偏保守。根因是损耗模型尚未用 RMxprt 批量结果标定（铁损未分齿/轭、铜损缺电路约束、机械损未标定、散热筋未计）。 因此 L0 的正确用法是排序与相对比较，不是绝对值采信 —— 排序稳定性优于绝对精度。完整实算数据与标定计划见 docs/QUALITY-GATE.md。

明确不适用的工况（实测，见 examples/03）：

工况	表现	建议
高速 PMSM（>10000rpm）	轭部磁路模型外推失真（轭磁密算得 >5 T，物理不可能）、温升 300 K+；门控会拒绝输出任何可行方案（recommended = null）	直接进 L1 / L2
效率绝对值交付	本版未标定，6 个标定案例偏差 0.35~2.96 pt	仅排序，绝对值由 L1 复核

门控"宁可交白卷，也不给假答案"是刻意设计：level 设为 l1/l2 时插件立即抛错，绝不静默降级成 L0 结果。

文档与许可

• docs/ENGINEERING.md —— 目录结构、字段契约 Param 锁、12 条校验规则、与 Python 体系差异、工程复盘、配置全表、路线图
• docs/QUALITY-GATE.md —— 回归质量门（两道门 + divergence）、实算对照、待校准清单
• MIT © Motor-AI