陪伴助手 d1s3s/dsh-companion

dsh-companion

想装？把仓库地址丢给你的智能体就行。

帮我装这个插件：https://github.com/d1s3s/dsh-companion 按仓库里的 INSTALL.md 走，装完跑一遍自检，把结果和「需要我决定的选项」一起告诉我。

它能自己 clone、自检、选接法、跑测试，然后把要你拍板的三件事（人格 / 形象 / token 价目）列出来。
不想用智能体装的话，看 INSTALL.md 手动走一遍，同样四步。

陪伴型 DSH 插件。装上之后你的智能体就多四件事：记得你、看得见屏幕、能看摄像头、能替你说话——以及一件更重要的事：这些能力每一项都由你单独发钥匙，随时能收回。

不是又一个桌宠。桌宠只负责好看，这个负责记得你昨天否决了什么。

为什么会做这个东西。 跟智能体聊得越久越会撞上两堵墙：一是它记不住——今天讲清楚的偏好，明天开个新会话就清零，聊了一周还是每次从头介绍自己；二是它看不见——你得先截图发过去，它才知道你在说什么。这两件事都不是换个更聪明的模型能解决的，是记忆和感知放错了位置。所以这里把记忆挪到模型外面（磁盘上人可读的 Markdown，带权重和衰减），把眼睛放回你自己的机器上（屏幕、摄像头、她自己的浏览器），然后给每一样都单独配一把钥匙——发出去能收回。

核心不认识 DSH。 它只依赖五个宿主方法，所以同一个内核能跑在 DSH 插件里，也能跑成 MCP server——Claude Desktop、Cursor、Cline、Zed 接上就是同一套记忆、同一套权限、同一套账本。换模型、换客户端，记忆不用重来一遍。怎么换见 ADAPTERS.md。

适合谁：每天用智能体干活、并且开始烦「每次都要重新交代一遍背景」的人；希望它顺手能看一眼屏幕、摄像头、网页的人。

不适合谁：只想要个桌面摆件的人（那用桌宠更合适，这个更重）；不接受 AI 具备「看屏幕 / 开摄像头」这类能力的人——这里每一项都要你单独点头、随时能收回，能力本身确实存在。

能力

| 能做什么 | 工具 | 出厂权限 |
| 截一张屏 | companion_see_screen | 每次询问 |
| 连看一段屏幕（盯进度、看变化） | companion_watch_screen | 禁止 |
| 看一段本地视频（抽帧，刷视频/看录屏） | companion_watch_video | 每次询问 |
| 不用截图知道你在看什么（前台窗口 + 平台识别，约 0 token） | companion_now_viewing | 本会话允许 |
| 自己开网页刷（B站/抖音/小红书/快手，读标题作者热评） | companion_open_site | 每次询问 |
| 自己往下刷（滚动、切下一条，不点按钮） | companion_browse_next | 每次询问 |
| 在 App 里刷（抖音客户端，只发滚轮绝不点击） | companion_app_scroll | 禁止 |
| 按时段自己刷（受四道闸约束） | companion_browse_auto | 禁止 |
| 按主题收集视频（给个话题拿回一串结果） | companion_collect | 每次询问 |
| 把看到的视频记下来（进长期记忆，以后能主动提） | companion_keep_video | 允许 |
| 评论（默认只准备不发送，核对后才发） | companion_comment | 发送禁止 |
| 改刷视频的设置（时段/时长/评论配额） | companion_browse_settings | 允许 |
| 开一次摄像头 | companion_see_camera | 每次询问 |
| 枚举摄像头 | companion_list_cameras | 允许 |
| 记住一条结论 | companion_remember | 每次询问 |
| 按关键词回忆 | companion_recall | 本会话允许 |
| 取否决 / 认知修订 | companion_valuable | 本会话允许 |
| 起草消息 | companion_draft_message | 允许 |
| 发出去 | companion_send_message | 每次询问 |
| 看 token 花了多少 | companion_cost | 允许 |
| 调权限 | companion_permission | 只能自己收权 |
| 换形象 / 列出所有形象（立刻生效，不用重启） | companion_character | 允许 |
| 用外部模型想一件事（OpenAI / Claude / 千问 / DeepSeek） | companion_model | 每次询问 |
| 配模型的密钥（存本机 keys.json，权限 600） | companion_model_key | 每次询问 |

「连看屏幕」和「截一张屏」是两项独立权限，不是同一个开关。允许你截一张图，不等于允许你一直看着——这个区别在别的产品里经常被抹掉，这里不抹。

形象：六种可选，随时换

四套配色皮肤：深海蓝 / 青绿 / 陶土橙 / 星紫

companion_character action=list # 看全部 companion_character action=use pack=theme-gpt # 换，立刻生效

| 内置配色皮肤（零体积，随插件走） | 角色包（真美术） |
| theme-default 深海蓝 | bigfish-classic 大肥鱼·内置（60 个动作） |
| theme-gpt 青绿（像 OpenAI 的配色） | bigfish-adult 大肥鱼·成年版（8 组动作） |
| theme-claude 陶土橙（像 Claude 的配色） | 你自己的 .dshpet（放进 ~/.dsh-companion/packs/） |
| theme-qwen 星紫（像通义千问的配色） | |
为什么是配色不是官方形象：OpenAI / Anthropic / 阿里都是有法务的商业主体，复制它们的官方形象是商标问题——这和用社区角色不是一回事。这里借的是气质（青绿偏工程、陶土偏人文、星紫偏科技），不复制任何 logo。你自己的素材放进 packs/ 就行，那些包优先级更高。

想看全部形象长什么样：npm run gallery 生成 preview/gallery.html，图集原图、68 个动作各自的第一帧、四套配色并排一页，点图可放大。

接自己的模型

有些事得她自己会想：刷完一堆视频判断哪条值得留、写评论草稿、看一帧猜你在干嘛。以前靠关键词硬编码，一看就假。

配一个（三家都行，另外还支持 DeepSeek） companion_model_key provider=qwen key=sk-xxxx 或走环境变量：DASHSCOPE_API_KEY / OPENAI_API_KEY / ANTHROPIC_API_KEY

companion_model action=status # 看哪些配好了 companion_model input="这条视频在讲什么：…" provider=qwen

| provider | 默认模型 | 端点 | 国内直连 |
| qwen | qwen-plus | DashScope 兼容模式 | ✅ 推荐 |
| deepseek | deepseek-chat | api.deepseek.com | ✅ |
| openai | gpt-4o-mini | api.openai.com | ⚠ 需代理（可设 OPENAI_BASE_URL） |
| anthropic | claude-3-5-haiku-latest | api.anthropic.com | ⚠ 大陆 IP 返回 403，需代理 |

实测：三家协议都验证过（假 key 打真端点，千问回 401、Anthropic 回 403 而不是 400，说明请求结构全对）。模型花的钱按上游回报的实际 token 记账，不用估算糊弄。

密钥只存 ~/.dsh-companion/keys.json（权限 600），不写进代码、不进日志、不回显全文。

安装

让 Agent 自己装：把仓库地址丢给它，让它读 INSTALL.md——那份是写给机器执行的分步清单（含验证命令、必须问你的选项、故障对照、红线）。下面是人手动走的版本。

要求：Node 20 以上。零外部依赖，不用 npm install。

下面几项都是可选的，缺了只掉对应的能力，不影响记忆和聊天：

| 缺什么 | 会掉哪些能力 | 怎么补 |
| ffmpeg | 截屏、摄像头、看视频、连看屏幕 | winget install Gyan.FFmpeg / brew install ffmpeg / 发行版包管理器 |
| Edge 或 Chrome | 自己开网页刷、收集资讯 | 装一个即可 |
| PowerShell | 知道你在刷什么（读前台窗口） | Windows 自带，一般不会缺 |

git clone <仓库地址> dsh-companion
cd dsh-companion

装之前先自检，它会告诉你这台机器上缺什么、缺了影响哪几个工具
node test/doctor.mjs

桌面端
dsh plugin --profile desktop add .

Web 端（两套 profile 是独立的，要分别装）
dsh plugin --profile web add .

装完在「插件」页启用，然后到设置里填配置。

不用 DSH 也能用

同一个内核可以跑成 MCP server，给任何支持 MCP 的客户端接：

node adapters/mcp.mjs --list # 看有哪些工具
node adapters/mcp.mjs # stdio，给客户端连

{
"mcpServers": {
"companion": {
"command": "node",
"args": ["C:/path/to/dsh-companion/adapters/mcp.mjs"]
}
}
}

记忆、权限、账本都在 ~/.dsh-companion/，和 DSH 插件共用——在 DSH 里聊过的，换到别的客户端接上照样记得。

⚠ MCP 没有审批弹窗，所以「询问」级别的能力在那里一律拒绝（fail-closed）。想放开就把那项权限改成 session 或 always，见 ADAPTERS.md。

先跑这四条

node test/doctor.mjs # 环境：能不能干活（ffmpeg / 浏览器 / PowerShell / 角色包 / 目录可写）
node test/smoke.mjs # 功能：假 ctx 跑通全部工具、权限、记账
node test/policy.test.mjs # 策略：刷视频的四道闸、评论独立闸、跨午夜时段
node test/mcp.test.mjs # 协议：MCP 握手 / 工具列表 / fail-closed / stdout 纯净度

doctor 只判环境，不写任何文件；它按「一项挂了不影响其他项」的方式全查一遍，让你一次看到所有缺口，而不是修一个再发现一个。

配置

| 键 | 默认 | 说明 |
| memoryDir | ~/.dsh-companion/memory | 接到已有记忆库就填绝对路径 |
| profile | tender | tender / sharp / pro / casual 四种人格 |
| characterPack | packs/bigfish-classic | 角色包目录（dsh-pet v1 或简单图包），见 CHARACTER.md |
| characterSize | 170 | 桌宠像素宽 |
| pricePerMTokens | 2 | 元 / 百万 token，按你的价目填 |
| tokensPerBowl | 1000 | 一碗白饭换多少 token（纯玩梗） |
| hud | always | always 常驻显示 / hover 只悬停显示 |
| webhook | 空 | 配了才允许直接外发消息 |

token 显示在角色头上

角色头顶浮一个小药丸，三件事一起看：

3.4k token · ¥0.0068 · 🍚 3 碗

- 双击角色 → 在「常驻显示 / 只悬停显示」之间切换，同时她会把今天吃了多少说出来（「今天吃了 3 碗白饭…我是鲸鱼，能消化」）。
- 价格和白饭换算都在配置里。白饭是玩梗，但把一个抽象数字变成看得懂的量这件事本身不是梗。

为什么要显示：陪伴助手最贵的不是聊天，是看图。一张 1280×720 的截图约 1200 token，连看 60 帧就是 7 万——比一整天打字还贵。数字不摆在脸上，用户永远不知道自己刚才那一眼花了多少钱。

配套的三道闸：

- 单次 ≥4000 token 打 ⚠️
- 单次 >60000 token 直接拒，并给出更省的参数（降帧率、缩宽度、裁区域）
- 每天 >200 万 token 直接拒

记忆

插件不调用任何 Python 脚本，直接用正则读同一批 Markdown。这是刻意的：记忆库的价值全在「任何东西都能读懂它」。哪天脚本烂了、语言换代了，插件照样能读。

node -e "const {Memory}=require('./src/memory.js')"

支持的目录结构（和 mem.py 那套完全兼容，两边可互写）：

memory/
index.md 年代目录：哪一年、多少件、几个主题 index/<年>.md 年索引：一句话 → D编号 raw/<日期>.md 原文：只追加，永不改写 counter.json 下一个编号

形象

角色包直接吃社区的 dsh-pet v1 格式，所以别人做好的 .dshpet 丢进来就能用，不用改代码。

| 包 | 是什么 | 动作 | 体积 |
| 内置鲸鱼（SVG） | 手绘，兜底，随包分发 | CSS 动作 ×10 | 几 KB |
| packs/bigfish-classic | 大肥鱼·内置 | 60 个动作 / 6 张图集 | 4 MB |
| packs/bigfish-adult | 大肥鱼·成年版 | 8 组动作 / 4 张图集 | 8.8 MB |

动作不是「一个循环 GIF」：同一状态有多段可选，按「最久没播过」轮换并尊重冷却，所以看着像有人在，不像在放动画。细节和授权边界见 CHARACTER.md。

node client/build-preview.mjs # 单文件预览：活角色 + 全部动作，点一个就播

自检

node test/doctor.mjs # 环境：ffmpeg / 浏览器 / PowerShell / 角色包 / 目录可写
node test/smoke.mjs # 假 ctx 跑通全部工具、权限、记账、角色包
node client/build-preview.mjs && 打开 client/preview.html # 看形象、全部动作、十种状态
node tools/build-bigfish-pack.mjs ./package # 从上游 dsh-bigfish 重转角色包

smoke.mjs 会验证：工具注册、权限拦截四条、fail-closed、配额封顶、超预算拒绝、记忆读写互通、审计落盘。真机上唯一还需要验的是钩子名——不同 DSH 版本的 agent/session-start 可能叫别的，代码里三个名字都试了，都不中时用 companion_brief 手动兜底。

已知边界

1. 摄像头要能出图，得先看系统隐私设置。Electron 外壳本身把 media 权限封了（issue #655），所以这里绕过浏览器、直接从宿主调 ffmpeg（Windows 走 dshow，mac 走 avfoundation，Linux 走 v4l2）。没装 ffmpeg 时相关工具会直接说「去装 ffmpeg」，而不是报一句看不懂的 spawn ENOENT。
2. 发消息默认不直发。剪贴板 → 本机客户端 → webhook，三级降级。前两级把「最后一下」留给你按，这不是保守，是这类动作发出去就收不回。
3. 钩子注入是 best-effort。DSH 没公开完整的钩子契约，所以这里做的是「试三个名字 + 失败静默降级」，不会因为钩子对不上而把宿主弄崩。
4. 评论默认不发。五道关里第四关是「把字打进输入框、逐字读回核对」，第五关是「确认按钮上写的是发送」。默认停在第四关，等你点头。
5. App 里只滚不点。抖音客户端是自绘窗口，读不到内容。看不见还发点击等于闭眼乱按，所以只发滚轮，且每次滚之前都会确认前台真是那个 App。

许可

代码 MIT（见 LICENSE）。

角色美术不属于 MIT。packs/bigfish-classic 是从上游 dsh-bigfish 转的第三方美术，版权归原作者 gosomea；packs/bigfish-adult 是 image_gen 生成的图。各包来源与授权写在各目录的 NOTICE.txt 里。

个人使用无碍。要在你自己的产品里分发，请换成你有权分发的素材——内置那只手绘鲸鱼（svg 模式）就是为此留的后路：把 characterPack 留空，插件照样有形象。