risk_rule_design：DeepSeek Harness 第一个风控规则挖掘插件
⚠️这个插件是东哥的第一个dsh插件，还在完善中；如使用中有不妥之处，欢迎各位留言指正。
一、插件介绍
一个面向 DeepSeek Harness 的第三方插件：蒸馏《100天风控专家》的思想和方法论，对指定数据集（X/y）进行 数据质检 → 单规则挖掘 → 并行规则集最优组合 → HTML分析报告 的完整流程，解决风控策略人员手动调策略的过程，提高工作效率。
插件注册 3 个工具 + 1 个专家技能：
| 能力 | 名称 | 说明 |
|---|---|---|
| 工具 | rrd_profiling | 第 1 步：X/y 确认与数据质量检查（自动剔除 ID/serialno/常量/近似唯一/高缺失列） |
| 工具 | rrd_mining | 第 2 步：单规则评估 + 并行规则集最优组合（遍历规则先后顺序）+ 默认生成 HTML 报告 |
| 工具 | rrd_report | 第 3 步：基于挖掘快照重新生成/调整 HTML 报告 |
| 技能 | risk-rule-design | 专家方法论（角色、流程、评判标准、报告结构），可被模型/用户加载 |
---
二、目录结构
risk_rule_design/
├── cordis.yml # 插件补丁覆盖层（绝对路径版，源码直挂用 --patch 或合并进 profile）
├── cordis.patch.yml # 插件补丁（npm 包形态，发布后由 dsh plugin 安装）
├── package.json # npm 发布清单（零依赖）
├── LICENSE # MIT
├── src/
│ ├── index.js # 插件入口：注册工具与技能（零外部依赖）
│ ├── engine.js # 挖掘引擎：CSV 解析、质检、单规则、组合规则搜索（纯逻辑）
│ └── report.js # 自包含 HTML 报告生成（内联 CSS/SVG，无外部资源）
├── demo/
│ ├── make_demo_data.mjs # 演示数据集生成器（含已知潜在规则结构）
│ └── report/smoke_report.html # 演示输出样例（生成物，不入库）
└── test/
├── smoke.mjs # 引擎 + 报告冒烟测试
├── load_plugin.mjs # 插件模块加载测试（桩 ctx）
└── run_tools.mjs # 3 个工具端到端执行 + schema 一致性校验三、安装
插件是纯 JavaScript（ESM），零构建、零外部依赖。
方式一：从npm安装（推荐）
dsh plugin --profile web install dsh-plugin-risk-rule-design安装后重启 dsh web 生效；卸载：
dsh plugin --profile web remove dsh-plugin-risk-rule-design> ✅ npm 包自带 dsh.bundle.patch，安装命令会自动把包注册进 profile 的 > dsh.profile.bundles，重启后工具与技能即可用，无需手动配置。
方式二：从Github安装（备选）
dsh plugin --profile web add "github:pypcfx-glitch/risk-rule-design"> ⚠️ GitHub 直装只把包加入依赖，不会自动注册 bundle，需手动把包名追加到 > profile 的 C:\Users\yaodyu\.dsh\profiles\web\package.json 中：
"dsh": {
"profile": {
"bundles": [
"@deepseek-ai/dsh-base",
"@deepseek-ai/dsh-web-app",
"risk-rule-design"
]
}
}然后重启 dsh web 生效。
> 提示：两种方式任选其一即可，无需重复安装；推荐方式一（npm 安装一键生效）。
四、使用流程
如何使用这个插件？
为了解决风控策略/数据分析人员的双手，你只需要准备分析样本即可（样本中需包括特征X和目标变量y）。
下面提供一个简单的对话命令模版。
敲入/调用插件risk-rule-design（安装成功后敲入risk应该会自动显示出来），然后将分析样本的绝对文件路径copy过来，并说明y的字段名。
最后执行就可以了。
/risk-rule-design
D:\...\model_data_v1.0.xlsx
分析这个数据集，剔除y_label_30和y_label_7，其中y_label_15是y，X请自行判断。插件risk-rule-design会按照规则挖掘的分析流程自动执行，并生成报告，执行流转步骤如下：
rrd_profiling(dataset, target) ↓ 确认 X 清单 rrd_mining(dataset, target, features, [objective, hitRateBudget, minBadCoverage, ...]) ↓ 输出最优组合 + HTML 报告 + 快照 rrd_report(snapshot, [title, note]) # 可选
五、HTML报告结构及展示
1. 数据集与质量检查：样本/字段/坏率概览、字段清单与剔除决策、质量检查问题、y 分布； <p align="center"> <img src="./demo/pic1.png" alt="Screenshot" width="600"/> </p>
2. 单变量效果分析：每个特征的候选规则（命中率、命中坏率、Lift、IV）与可视化条形图； <p align="center"> <img src="./demo/pic2.png" alt="Screenshot" width="600"/> </p>
3. 组合规则效果分析： - 最优组合总览卡片（精准率、召回率、F1、命中率、Lift、拒绝样本数）； - 最优组合内所有规则 + 累积命中率 / Lift / 召回率 / 边际增益明细； <p align="center"> <img src="./demo/pic3.png" alt="Screenshot" width="600"/> </p>
<p align="center"> <img src="./demo/pic4.png" alt="Screenshot" width="600"/> </p>
- 全部组合评估表（按 F1 降序）：排名、组合规则、精准率、召回率、F1、命中率、Lift， 最优高亮（top_lift 目标时 ⭐ 标注 top5%）； <p align="center"> <img src="./demo/pic5.png" alt="Screenshot" width="600"/> </p>
- 命中率 × Lift 点位图：全部组合散点，最优高亮（可见累加规则后沿「命中率↑、Lift↓」移动）； <p align="center"> <img src="./demo/pic6.png" alt="Screenshot" width="600"/> </p>
- 精准率-召回率曲线：全部组合曲线，标注 F1 最高点（即最优组合对应的点），而非拐点； <p align="center"> <img src="./demo/pic7.png" alt="Screenshot" width="600"/> </p>
- 候选规则池与入选情况；
4. 附录：分析配置与约束说明。
报告为自包含 HTML（内联 CSS/SVG，无外部资源），可直接用浏览器打开。
---