dsh-slang-own — 网络黑话与隐晦词语料库

给 DeepSeek Harness 装一套本地黑话语料库：模型遇到 yyds / xswl / 绷不住了 / 颗粒度 / 优化（＝裁员）这类词，不再靠现场猜。

不联网、不调用模型、零第三方依赖。全部检索在本机完成。

它做三件事

常驻注入一张小速查表（默认 16 条最高频 + 使用规则，约 700 字，固定文本不破 prompt 前缀缓存）；
slang_lookup 工具：表外的词按需查，中文全称 / 拼音首字母 / 别名任意写法都能落到同一条释义；
slang_add 工具：查到的新词就地沉淀到用户词库，之后自动生效，升级不丢。

外加 slang_stats 自查词库规模与构成。

为什么不是「全文检索」

网络隐晦词的难点不是「查词义」，是同一个词的多种字面化身：

yyds / 永远的神 / 永远滴神 / yyds永远的神

这几串在字面上毫无重叠，BM25 之类的字面相似度检索全部命不中。所以本插件在装载期就把一条词条摊平成多个检索键，全部指向同一个 entry：

term · full · aliases[] · initials（拼音首字母） · homophones[] · variants[]

查询时无论用户写哪一种，都会落到同一条释义。反向也成立：输入「永远的神」会先算首字母 yyds 再查一次，所以中文全称能查回首字母缩写。

装

dsh plugin --profile desktop add link:D:\DSH\plugins\dsh-slang-own

重启 DSH 生效（宿主启动是全有全无，插件加载失败会导致整个宿主起不来，装前可先跑自检）。

回滚：

dsh plugin --profile desktop remove dsh-slang-own

自检（不依赖宿主）

node tools/selftest.mjs

用 loader 把 @deepseek-ai/dsh-tools 换成桩，自己造 ctx，验证：三个工具注册、钩子挂载、注入块长度、中文全称反查、首字母反查、查不到时的兜底话术、slang_add 落盘与即刻可查。

语料构成

文件	条数	内容	来源
`corpus/core.json`	145	谐音梗、抽象话、粗口、饭圈、二次元、游戏、职场暗语、平台规避写法、成人向隐晦词、英文缩写、数字梗	本插件自建
`corpus/net.json`	215	网络缩写、梗、职场/互联网黑话（带人话解释与例句）	junaluo-222/slang-dictionary
`corpus/eve.json`	322	EVE Online 中文黑话（301 条精选 + 官方术语）	yilifaer/eve-cn-slang，CC BY 4.0
`corpus/pinyin-initials.json`	20924 字	汉字 → 声母首字母	mozillazg/pinyin-data，MIT

合计 682 条词条 / 2048 个倒排键。

各上游数据版权归其原作者；本项目只做格式归一与合并。若上游采用不同许可，以其仓库声明为准。

加词（三条路，按需选）

1. 让模型记 — 对话里说「记住 xxxxx 是指…」，模型会调 slang_add，写进 ~/.dsh/slang-corpus/user.json。

2. 手改 — 直接编辑 ~/.dsh/slang-corpus/user.json（JSON 数组），重启或重载插件后生效。

3. 重跑构建 — 把新原料放进外部目录，改 tools/build-corpus.mjs 的解析段，再：

node tools/build-corpus.mjs <原料目录>

一条词条长这样：

{
  "term": "蚌埠住了",
  "full": "绷不住了",
  "meaning": "「绷不住了」的谐音写法，同义：忍不住笑或哭",
  "register": "net",
  "field": "谐音梗",
  "aliases": ["蚌埠住", "蚌住"],
  "homophones": [],
  "kind": "word",
  "source": "core"
}

register 取值：net（网络）/ pro（行业黑话）/ vulg（粗俗）/ adult（成人向）。写小说时按语境挑，别把 vulgar 的词用在正式场合。

配置

设置写在 ~/.dsh/dsh-slang-own.json，缺省值：

{
  "enabled": true,
  "promptEnabled": true,
  "topCount": 16,
  "maxInjectedChars": 900,
  "lookupLimit": 5
}

promptEnabled: false — 关掉系统提示注入，只留工具（省 token）；
topCount: 0 — 只注入规则不注入词条；
maxInjectedChars — 注入正文硬上限，超了就少放几条。

已知边界

拼音表只到声母首字母，不做全拼检索：「yongyuandeshen」查不到 yyds；
单字词条不参与长文本扫命中（「乐」「典」「赢」在正常中文里出现太频繁，会误报），但精确查询能查到；
不做共现自动挖词：新词靠 slang_add 或重跑构建，符合「黑话寿命只有几个月、人工确认比自动猜更可靠」的取舍；
EVE 词条占比大（322/682），速查表刻意跳过游戏术语，避免占满 token。

文件

dsh-slang-own/
├── lib/
│   ├── corpus.js     归一化 / 多键倒排 / 查询 / 渲染（零依赖）
│   └── index.js      插件主体：钩子注入 + 三个工具
├── corpus/           语料（随包分发）
├── tools/
│   ├── build-corpus.mjs   从外部原料生成 corpus/
│   └── selftest.mjs       脱离宿主自检
├── cordis.patch.yml
└── package.json

dsh-slang-own

Install

Source

Tags

Readme