stcc-checker-0.6b-GGUF — 电话分诊判据核对器

给一段问诊记录和一条判据，回答 yes / no / unknown。只输出一个词。

它不选协议、不定档位、不生成处置措辞、不做 tool call。分级由配套的确定性规则引擎 （stcc-mcp，225 份 STCC 协议 / 849 分支 / 4,168 条判据）算出。 本仓发布核对器权重，引擎在 GitHub。 注意链路里还缺一环：「该用哪份协议」需要编排层自己解决（见下方边界 1）。

先花 20 秒判断它适不适合你（详见文末「已知边界」）：

你的输入是	结果
已按协议问过一轮的问诊记录	✅ 这是它的设计场景，档位会分散到 L1–L5
用户的一句话自述（"我肚子疼"）	❌ 输出 97% 挤在 L1+L2，等于对谁都说"马上就医"——没有区分度
你还需要它替你选协议	❌ 本仓不提供这一步，须编排层自己解决

🔴 读这一段，否则模型会"返回空字符串"

通过 ollama pull hf.co/... 使用时，请求必须带顶层 "think": false。

  {"model": "...", "prompt": "...", "stream": false,
+  "think": false,
   "options": {"temperature": 0, "num_predict": 8}}

原因：ollama pull hf.co/<repo> 不会使用本仓的 Modelfile —— Ollama 从 GGUF 元数据 自动生成模板，而 Qwen3 的默认模板带 thinking。不传这个参数，模型返回空字符串， 且不报任何错（done_reason 仍是 stop，HTTP 200），看起来完全像模型坏了。 加大 num_predict 无效 —— 那不是截断。

不想每次都带这个参数，就用本仓的 Modelfile 自己建一次（模板与训练逐字节一致）： （Ollama 在别的主机/端口时用 stcc-mcp triage --host http://<ip>:11434，需 stcc-mcp>=0.1.4。）

hf download chenhaodev/stcc-checker-0.6b-GGUF \
    Qwen3-0.6B.Q8_0.gguf Modelfile.Q8_0 --local-dir stcc
cd stcc && ollama create stcc-checker -f Modelfile.Q8_0

之后 ollama run stcc-checker / API 调用都无需再传 think。

⚠️ 不是急诊分诊系统，不做诊断，不能替代医生。L1–L5 是处置阶梯 （叫救护车 / 立即急诊 / 今天就医 / 近两日门诊 / 居家观察）。紧急情况直接拨 120。

用法

ollama pull hf.co/chenhaodev/stcc-checker-0.6b-GGUF:Q8_0

输入格式（逐字节按这个拼，模板见随仓的 Modelfile.Q8_0）：

叙述：{一段问诊记录}
判据：{一条判据}

→ 输出 yes / no / unknown 之一。

import json, urllib.request
MODEL = "hf.co/chenhaodev/stcc-checker-0.6b-GGUF:Q8_0"

def check(text, criterion, model=MODEL):
    body = json.dumps({"model": model, "stream": False,
                       "prompt": f"叙述：{text}\n判据：{criterion}",
                       "think": False,          # ← 必须。见下方警告
                       "options": {"temperature": 0, "num_predict": 8}}).encode()
    req = urllib.request.Request("http://127.0.0.1:11434/api/generate", data=body,
                                 headers={"Content-Type": "application/json"})
    return json.loads(urllib.request.urlopen(req).read())["response"].strip()

check("我发烧到39度，浑身酸痛", "发热")   # → 'yes'
check("我不发烧，就是有点咳嗽",   "发热")   # → 'no'
check("我肚子疼了两天",         "发热")   # → 'unknown'

🔴 "think": False 那一行不能删 —— 删了会静默返回空字符串。原因见页首红框。

配套引擎（完整链路）

pip install 'stcc-mcp>=0.1.4'        # 或从源码：github.com/devhc123/stcc-mcp
stcc-mcp doctor             # 自检：索引 / Ollama / 模型
stcc-mcp triage --protocol Fever_Adult.md "$(cat 记录.txt)"

triage 返回的 JSON 字段：

字段	含义
tier	L1–L5，安全上界——永不比真实答案更轻
disposition	该分支的处置措辞，来自规则表逐字取出，不是模型生成
branch_id	命中的分支字母（A/B/C…，按 STCC 顺序走首个成立分支）
certain	true=证据已足以定档；false=这是安全上界，还缺证据
citations	判定依据的判据 + 行号，可审计
unresolved	还缺哪几条判据——补问它们能收紧档位（但档位只在某支被完全排除时才降）
status	decided/pending/referral/indeterminate/exhausted/rejected
n_asked · latency_s · no_threshold	问了几条判据、耗时、当前阈值

档位到行动的映射由你的编排层定；本包只给档位与处置措辞。

档位/分支/处置由纯标准库的确定性引擎算出（P(no)≥τ 阈值逻辑也在那一层，见 --no-threshold）。 仓库：https://github.com/devhc123/stcc-mcp （Apache-2.0） 本仓权重也可独立使用——就是上面那个三分类函数。

unknown 为什么是第一等状态

STCC 的分支语义是「本支任一条件为是 ⇒ 命中；全部为否 ⇒ 转下一支」。 "没提到" ≠ "说了没有"：前者必须触发追问，后者才能转分支。 把 unknown 压成 no 等于凭空伪造阴性，会让引擎走到错误的分支。

实测

split	n	acc	false_no🔴	no_recall
test_unseen（协议完全没见过）	3,224	0.9529	0.0024	0.9784
test_seen · new_record（协议见过、记录没见过）	1,251	0.9528	0.0000	0.9286
test_seen · seen_record（记录也见过）	487	0.9692	0.0000	0.9861
Q4_K_M · test_unseen	3,224	0.9498	0.0035	0.9770

• false_no（该成立却判成 no）是硬门，因为假 no 会把真值分支从引擎的安全收敛里排除掉。 少判 no 只造成过分诊，是成本旋钮。
• test_seen 故意拆两轨报：28% 的记录文本在训练集出现过（配的是别的判据）。 合并会被记忆抬高——实测记忆增益仅 +1.64pt。可泛化读数是 new_record 那行。
• 解析失败 0、截断 0。

性能（Mac / Ollama / Q8_0，全新 venv 从 PyPI 装完实测）：

	值
冷启动（首次调用，含模型载入）	1.8s（一次性）
判据级单条延迟	中位 138ms · p90 140ms
吞吐 并发 1 / 4 / 8	7.2 / 24.2 / 34.5 条/s
端到端一段记录 → 档位	1.3s（含 9 次判据核对）

引擎本身是纯标准库、无第三方依赖，pip install 只要 ~13s； 上手时间几乎全在 ollama pull 那 640MB 上（5MB/s 宽带约 2 分钟）。

• 量化：Q8→Q4 掉 0.3pt；硬门优先推荐 Q8。

端到端（合成分诊问询记录池）：分支忠实度 0.95、1.25s/条、¥0； 对照 deepseek-v4-flash 当 checker 0.97 / 32.0s / ~¥0.03。

判 no 的门槛是一个旋钮，不是模型的固有属性

argmax 在改写版判据上不在 Pareto 前沿：三分类里 no 会在 P(no)<0.5 时靠三方竞争胜出， 而那些正是最不确定的样本。用 P(no) ≥ τ 代替 argmax（否则在 yes/unknown 里取大者）：

τ	acc	false_no🔴	no_recall
0.63（默认，dev 上按 false_no≤0.0036 选）	0.9426	0.0000	0.9027
0.50	0.9457	0.0000	0.9189
0.40	0.9495	0.0024	0.9378
0.30	0.9498	0.0084	0.9432
0.10	0.9516	0.0120	0.9635

⚠️ 这一档只在改写版判据（发布分布）上成立——原文判据上 argmax 已在前沿。 它是分布偏移带来的校准偏移，不是通用调参。 ⚠️ 默认 τ=0.63 是经验工作点，不是统计上"控制住了"的阈值。 按 Neyman-Pearson 范式（Tong et al., Sci Adv 2018, arXiv:1608.03109）， 要以 95% 置信把 false_no 控制在 0.0036 以下，校准集需要 ≥831 条正例； 我们只有 495 —— 即便取最保守的阈值，真实 false_no 超标的概率仍有 16.8%。 495 条只能可靠控制到 α≈0.006。文献同时点名了我们用的那种选法 （"直接把经验 type I error 限制在 α 以下"）不构成控制。 ⇒ 当工作点用，别当保证用。 没有硬钉"最优值"，而是把整条曲线一起发布， 按自己的代价矩阵挑点；有更大标注集就自行重定。

已知边界（先读这段再决定用不用）

1. 🔴 「该用哪份协议」这一步本仓不提供，也没有配套模型。 核对器只回答"这条判据成立吗"，它不选协议；引擎也需要你先给 protocol_id。 完整链路里这一环是空的：

   一段问诊记录 ──[?? 谁来选协议 ??]──► protocol_id ──► 引擎 + 本模型 ──► L1–L5
                        ↑ 缺这一环
   

   推荐形态：编排层用一个大模型看中文标题菜单来选（stcc-mcp protocols 可打印，225 份）。 上一轮（run1，221 份协议的菜单，34 条真实自述）实测：大模型菜单选择 @1 = 0.85（原文直选）/ 0.94（先抽一句主诉再选）· @2 = 1.00； 而用判据文本做向量检索去定协议只有 @1 = 0.18 —— 同一句判据（如"恶心或呕吐"）跨几十份协议出现，判据级索引天然定不了协议， 这条路已经证伪，别再走。 选错协议时引擎的 referral / indeterminate 状态是自纠网，但那是网，不是替代。

2. 输入必须是「已按协议问过一轮」的记录，不是原始自述。 🔴 不这么做的后果已经量过：在真实短自述上，整套系统的输出 97% 挤在 L1+L2（叫救护车 / 立即急诊）——区分度接近零，等于对谁都说"马上就医"。 信息充分的问诊记录上，档位才会分散到 L1–L5（实测 L1:11 L2:19 L3:10 L4:10 L5:8）。 短主诉 unknown 率 94%；真实富对话（IMCS-21，748 字 / 40 轮）仍有 88%。 原因是 STCC 前置分支筛的是急症红旗（噎着、发紫、无反应）， 而自然产生的语料按定义不含这些情形、医生也不会去问——这是选择效应，换更富的语料无效。

3. 一次真实问诊不会把一支的判据全问完，于是档位停在该支上界。 这是安全收敛在正确工作，但上界松紧完全由问诊完备性决定。

4. 分级本身是 silver：分支级参照由强模型定稿 + 人工复核，终局结论仍缺一个真人护士 gold。

5. 不要对模型做输入路由：判别类模型应对所有输入都调用；能力边界由编排层判断。 模型没有"我不判"的出口——那是一条合法沉默路径，而沉默型漏报在评测中不可观测。

仓库里有什么

路径	说明
Qwen3-0.6B.Q8_0.gguf / .Q4_K_M.gguf	推理用权重。硬门优先推荐 Q8
Modelfile.Q8_0 / .Q4_K_M	Ollama 模板，与训练逐字节一致（含那个空 think 块）
lora_adapter/	LoRA adapter（r=128 / α=128，7 个目标模块，纯 lora_A/B，非合并整模）。用它可自行重导任意量化档
training/history.json	训练全过程 10 个 eval 点（acc / false_no / no_recall / miss_yes），可自行核验选点
training/train.log	完整训练日志（含 chat template 掩码自检输出）

自行重导其他量化档：

from unsloth import FastLanguageModel
m, tok = FastLanguageModel.from_pretrained("lora_adapter", max_seq_length=768,
                                           load_in_4bit=False, dtype=None)
m.save_pretrained_gguf("out", tok, quantization_method="q5_k_m")   # 或别的档

training/history.json 值得看一眼：false_no 与 no_recall 在训练中是互相对立的， 发布这一版是按硬门 false_no 选的点。想要更高 no_recall， 调下面那个阈值比换 checkpoint 更划算（同一模型上换工作点，不用重训）。

训练

Qwen3-0.6B + Unsloth LoRA（r=128 / α=128 / lr=2e-4 / 3 epoch / bf16，A40 ≈ $0.75）。 train_on_responses_only，metric_for_best_model 取非对称指标（漏判方向）。 Chat template 三处（train / eval / Modelfile）逐字节一致； response_part 用差值导出——Qwen3-0.6B 在 enable_thinking=False 下自带一个空 think 块， 照常规写成 <|im_start|>assistant\n 会把它算进训练目标，且不报任何错。

判据文本为逐条独立改写版（5,214/5,214），不含 STCC 原文表达； 纯阈值与单个医学术语（「咳嗽」「体温>100.4°F」）按事实保留。 改写过三道闸：数值/否定/长度/雷同的形式校验、oracle 回放与原版逐位一致、下游指标不掉。

完整复盘（含四次被自己的数据否掉的判断、一次不采纳的重训、以及那条阈值曲线的推导）见项目报告（未公开）。