换掉量化包之后，逐条判断哪些抽取结果可以放行。
上一版已人工通过的输出就是参考值 · 按输出类型设字段级 delta 限 · 退出码 3 表示有待复查
为什么 · 架构 · 安装 · 快速开始 · 用法 · Demo · 能力边界 · 付费 · 路线图
GGUF 量化包一周一换，内网私有化的 Qwen / DeepSeek 还会悄悄换 serving 栈。同一个抽取 prompt、同一张票据，重跑之后字段值就可能不一样：金额差了 8 毛，日期挪了一天，或者本来是两行明细的地方变成了三行。
这时"这批还能不能放行"通常有三种回答，都不够用：
- 逐字节或模糊 diff：会同时标出"技术服费"改成"技术服务费"和金额少了 10 元。前者无害，后者要人看一眼——但 diff 给不出哪条该拦。
- 聚合评测：告诉你这批的均分变化，不告诉你是哪 4 条需要重读。而且生产数据没有标注，均分本身也无从算起。
- 人工重读整批：最可靠，也最不现实。结果是变更记录常常没读就发了。
缺的是一条记录级的放行判据。DeltaGate 把它补上：拿上一版已人工通过的输出当参考值（这类数据没有 ground truth，这是唯一可用的参考），按 output_type 为每个字段配好 delta 限，逐条给 RELEASE 或 REVIEW。判定单元永远是记录：任一字段越限，或数组长度、增删字段这类结构发生变化，整条记录进人工队列；否则放行。没有批次总分通路。
限值不是拍脑袋定的。calibrate 从历史已通过批次里按假阳性预算取分位数：5% 的预算把限值放在 95 分位，意味着一个稳定批次里大约 5% 的记录会被标出来。留出的最后一对快照用来测真实 flag 率，报告里公开这一数字——它测变化量，不测正确性。
这件事与推理栈无关。它不接 ASI 这类本地 agent 栈，也不假设你用哪家模型；GGUF 换版只是最常见的触发器之一。输入就是已经结构化的 JSON，输出是逐条清单和一份可归档的放行记录。
一次 check 只做三件事：读两份快照、按规则逐字段比较、把结果写成四件产物。
| 字段类型 | 比较方式 | 默认限 |
|---|---|---|
money |
abs(Δ) > max(floor, limit × abs(before)) |
0.5%，floor ¥0.01 |
numeric |
同上 | 1% |
date |
整日差 | 0 天（任何日期变化越限） |
code |
归一化后精确相等 | 任何改动越限 |
text |
1 - fuzz.ratio(a, b) / 100 |
编辑距离 0.2 |
数组按下标逐项比较；长度变化本身是一条结构变化，直接 REVIEW。新增或删除字段同理。text 的编辑距离是确定性的，不做语义等价判断——这意味着同义改写也会被记为变化，只是幅度可能低于限值。
一个 Python 包、四个命令、零常驻服务、零网络调用。store.py 是唯一知道目录布局的模块，rules.py 是限值的唯一权威；delta.py 定义比较语义，calibrate.py、gate.py、report.py 都只消费它。
| 模块 | 职责 |
|---|---|
cli.py |
init、calibrate、check、accept 四个命令与退出码 |
store.py |
快照目录布局、记录读取、四件产物的写入 |
rules.py |
YAML 规则文件；limits_version 是 v 加整份文件内容 sha256 的前 12 位 |
delta.py |
归一化、字段类型推断、逐字段差值与越限、结构变化 |
calibrate.py |
用历史快照拟合分位数限，在留出的一对快照上测 flag 率 |
gate.py |
记录级判定汇总、manifest、review.csv 校验与幂等 accept |
report.py |
单文件 HTML（内联 CSS，无外部 JS）与 review CSV |
limits_version 由内容决定，所以改任何一个限值都会换版本号。报告对每条越限同时给出该字段实际使用的数值限值和 limits_version；manifest 只记录 limits_version 与标定 provenance，不复制整张限值表；accept 会拒绝版本不一致的 review 文件。
需要 Python 3.12+。没有守护进程，没有账号，运行时不需要网络。
git clone https://github.com/SuperMarioYL/deltagate.git
cd deltagate
uv venv
uv pip install -e .
source .venv/bin/activate也可以直接从仓库装成一个独立的命令：
pipx install git+https://github.com/SuperMarioYL/deltagate
# 或者
uv tool install git+https://github.com/SuperMarioYL/deltagate发行版会附带 wheel、sdist 与 checksums.txt；第一次发布后，可以在 Releases 下载后本地安装。
仓库自带一份 24 张票据的合成 fixture：examples/invoices/accepted/ 是上一版已放行的输出，examples/invoices/rerun/ 是"换包后重跑"的结果，examples/invoices/history/ 是三次历史快照，examples/invoices/rules.yaml 已按 5% 预算标定过。
deltagate check \
--baseline examples/invoices/accepted \
--candidate examples/invoices/rerun \
--rules examples/invoices/rules.yaml预期输出（退出码 3）：
DeltaGate · limits v0f168164212b · budget 5.0% · source calibrated (holdout 3.1%)
24 records → 20 RELEASE 4 REVIEW flag_rate 16.7% vs budget 5.0%
exit 3 (review required)
INV-1007 invoice total_amount ¥1,284.00 → ¥1,294.20 Δ +0.79% limit 0.50% BREACH
INV-1009 invoice line_items length 3 → 2 STRUCTURAL
INV-1013 invoice line_items[1].amount ¥88.00 → ¥96.80 Δ +10.0% limit 0.50% BREACH
INV-1021 invoice line_items length 4 → 3 STRUCTURAL
out/decisions.jsonl out/report.html out/manifest.json
24 条里 20 条放行——其中 3 条是 remark、seller、明细描述的等价改写，编辑距离 4.8%–16.7%，都没到限值。进入队列的 4 条是 2 个金额越限加 2 个数组长度变化。
接下来只有 REVIEW 需要人处理：
cat out/review.csv
# record_id,output_type,decision,limits_version,reason
# INV-1007,invoice,,v0f168164212b,
# INV-1009,invoice,,v0f168164212b,
# INV-1013,invoice,,v0f168164212b,
# INV-1021,invoice,,v0f168164212b,在 decision 列填 release 或 reject；reject 必须写一行理由。然后：
deltagate accept --manifest out/manifest.json --review out/review.csv \
--into accepted/ --rules examples/invoices/rules.yaml
# accepted 24 record(s) into accepted/rerun-… · limits v0f168164212b · manifest <12-hex>新快照与 manifest 一起归档，下一次 calibrate 就多了一个历史点。同一个批次或同一份 review 文件重复 accept 会被拒绝。
从 git clone 到第一次 check 出结果，按上面的命令走通常在两三分钟内；十分钟是留给"找自己的数据、改三五条限值"的。
| 命令 | 作用 | 主要参数 |
|---|---|---|
deltagate init |
扫出 output_type 与字段路径，写保守默认限 |
--accepted DIR --out rules.yaml [--budget] |
deltagate calibrate |
从历史快照拟合限值，记录 holdout flag 率 | --history DIR --rules FILE [--budget] |
deltagate check |
逐条比对并写出四件产物 | --baseline DIR --candidate DIR --rules FILE [--out DIR] |
deltagate accept |
消费 review，归档新快照与 manifest | --manifest FILE --review FILE --into DIR [--rules FILE] |
退出码
| 码 | 含义 |
|---|---|
0 |
全部放行 |
2 |
参数、规则文件或状态错误（含重复 accept、版本不一致、review 不完整） |
3 |
存在需要复查的记录 |
4 |
畸形记录超过候选批次的 2%，先修输入 |
产物
| 文件 | 内容 |
|---|---|
out/decisions.jsonl |
每行一条候选记录及其完整判定（字段前后值、delta、limit、是否越限） |
out/report.html |
单文件报告：批次 chip、越限字段表、逐条判定、限值 provenance |
out/manifest.json |
batch_id、limits_version、budget、counts、flag_rate、verdicts_sha256、标定来源 |
out/review.csv |
只含 REVIEW 记录，decision 与 reason 待填 |
check 从目录里读取候选记录，每条记录一个 JSON 文件，并按 record_id 排序后逐条判定。畸形记录会被计数并跳过，超过 2% 才以 exit 4 终止。
45 秒录屏，命令与输出逐字取自本仓库的 fixture。要点只有三个：
- 终端先给出批次结论：
24 records → 20 RELEASE 4 REVIEW，flag_rate 16.7%对budget 5.0%，exit 3。 - 越限只展开到字段行：
INV-1007 total_amount ¥1,284.00 → ¥1,294.20 Δ +0.79%，旁边就是limit 0.50%。 out/里是同一次运行的四件产物；manifest 的calibration段写明source: calibrated、history_snapshots: 3、holdout_flag_rate: 0.03125。
报告是单文件 HTML，内联 CSS、无外部 JS，可以在离线机器上直接打开并归档。fixture 全部是合成数据，不含任何真实公司或税务信息。
| 你手上的问题 | DeltaGate 给的 | 它不给的 |
|---|---|---|
| 换包后这批还能不能放行 | 每条记录的 RELEASE / REVIEW 与具体越限字段 |
输出内容是否"正确" |
| 放行要留证据 | manifest：限值版本、判定哈希、标定 provenance | 电子签名或不可篡改存储 |
| 人工只处理该处理的 | 只含 REVIEW 的 review.csv |
上游重跑调度、自动回滚 |
| 和整批评测并存 | 记录级判据 | 替代聚合均分或显著性检验 |
具体的边界：
- 它测变化量，不测正确性。 越限记录可能是无害改写；未越限的记录也可能出错。后者由
calibrate的 holdout flag 率暴露，不由报告隐藏。 - 它需要一份已放行的结构化输出。 如果上一批只留下签字 PDF、没有字段，就没有参考值，这个工具帮不上忙。
- 只吃已结构化的 JSON。 不做抽取、不调模型、不做 OCR，不支持 PDF、图片、Excel 直接输入。
text用确定性编辑距离，不做 LLM-as-judge 的语义等价判断。- 数组按下标比较，元素重排会表现为多个字段变化；嵌套超过两层、跨
output_type的规则继承不在 v0.1 范围内。 - 不做调度与监控。 没有定时重跑、drift 告警、自动回滚，也不连接数据库或对象存储。
- 不做标注工具与统计显著性检验；报告只出 JSONL、单文件 HTML 与 review CSV，没有 Excel 版式。
规则文件是唯一的限值来源。init 会为快照里出现的每个字段写一条，数组元素写成 line_items[].amount 这样的模板：
limits:
invoice:
invoiceNum:
kind: code
unit: exact
limit: 0.0
normalize: [nfkc, strip_ws, cf_upper]
total_amount:
kind: money
unit: relative
limit: 0.005
floor: 0.01
remark:
kind: text
unit: edit_ratio
limit: 0.2
normalize: [nfkc, strip_ws]
calibration:
source: calibrated
budget: 0.05
quantile: 0.95
holdout_flag_rate: 0.03125kind决定比较方式，unit必须是该类型允许的单位。money/numeric可用relative或absolute；date用days；code用exact；text用edit_ratio。limit是主阈值，floor是绝对下限：金额字段设一个 ¥0.01 的 floor，可以避免"一分钱也按比例报"。normalize在比较前执行，可选nfkc（全半角与兼容字符）、strip_ws（压缩空白）、cf_upper（大小写折叠）。calibration记录限值从哪来：source是defaults或calibrated，budget是假阳性预算，holdout_flag_rate是留出集上的实测值。手工改limit之后这些字段不会自动更新——要么重跑calibrate，要么把source改回defaults并说明原因。- 任何编辑都会改变
limits_version。已经写出的 review 文件因此无法被拿去放行另一套限值。
calibrate 的规则：至少 3 个快照才有"拟合 + 留出一对"的切分；一个字段至少 5 次观测才拟合；code 字段永不拟合；分位数为 0 时不采纳，保留已声明的限值。预算从 5% 改成 30%，限值会收紧，holdout flag 率随之上升——测试里有一条"收紧 3 倍，flag 率大幅上升"的用例固定这个行为。
CLI 与自托管是完整的 MIT 开源实现，不设功能闸门，也不需要账号或联网。付费的是"在内网把这件事做完"的交付物，不是命令本身：
- 内网离线包：零外联交付，装在没有公网的信创环境里。
- 按输出类型维护的规则库：
invoice/ticket/ 公文 的字段类型、单位与限值，随模型和业务变更一起维护。 - 审计归档导出：把 manifest、
limits_version与 review 记录整理成可留存的放行证据。
付费交付在首批验证团队跑通后开放；在此之前只做试跑与 LOI。报价面向每周真的要重跑一次批次的信创交付团队：¥38,000 / 年 / 内网实例，含 5 个席位；超出部分 ¥1,200 / 席 / 年。没有托管版——数据不出内网，我们不提供把记录上传到云端的形态。
起步方式是一次 30 分钟离线试跑：在你自己的机器上跑 check --baseline accepted/ --candidate rerun/，如果评审人认可 ≥70% 的 flag 是真实变更，就签 60 天 ¥0 试点，转化价格写进试点协议；试点结束开票，以 v0.2 的交付内容为准。付款支持对公转账 / 微信支付，可开增值税专用发票。
一句实话：LOI 不是收入，v0.1 也没有付费墙。如果上面的场景对你们不成立——比如你们并不保留上一版的结构化输出——那这个工具就是没用的，直接说就好。
已经实现：
-
init推断字段类型与保守默认限。 -
check逐字段比对，数组长度变化与增删字段判 REVIEW，退出码 0/3。 -
calibrate用历史快照取分位数限，留出集测 flag 率；历史不足时明确落defaults。 -
accept消费 review，新快照与 manifest 一起归档，重复 accept 被拒。 - 单文件 HTML 报告，含批次 chip、越限字段表与标定 provenance。
- 24 条票据 fixture、45 秒录屏、中英双语文档。
接下来是探索方向，不是当前版本的能力承诺：
- v0.2 的内网离线包与多输出类型规则库维护流程。
- 审计归档导出：manifest、review 与限值版本的可留存包。
- 更细的结构变化：区分数组重排与真正的内容增删。
- reviewer 队列的补充格式（目前只有 CSV）。
带着真实批次来提 Issue 最有帮助：字段类型、你实际用的限值、以及哪些变化被人判为无害，这些会直接影响下一步。
python -m pip install -e '.[dev]'
python -m pytest -q
vhs assets/demo.tape # 重新录制 assets/demo.gif，需要 vhs、ttyd、ffmpeg测试覆盖字段类型的比较语义、结构变化、记录级判定与退出码，以及标定的分位数、留出集 flag 率、预算收紧与 limits_version 的一致性。测试不依赖终端颜色或网络，在 CI 上应稳定通过。
MIT 许可。动画图组与网站共用同一套配色；减少动效模式下，图中的模块关系与示例结果仍然完整。
MIT © 2026 SuperMarioYL