jaibhasin/dsh-browser-agent

dsh 浏览器代理 dshfind

一个用于 Deepseek Harness 的插件，可让你同时并行地控制你的 Chrome 标签页。

dsh 浏览器代理在其自己的仓库中合并拉取请求

它可以读取、写入、导航、拍摄 DOM 快照、截图、在过程中提问、滚动等。

它可以与你选择的任何 LLM 配合使用。

快速安装

标准的 dsh 插件 命令在这里不适用。因为它同时包含 dsh 桥接和浏览器扩展。

这一行命令即可安装整个项目

macOS / Linux：

curl -fsSL https://raw.githubusercontent.com/jaibhasin/dsh-browser-agent/main/scripts/install.sh | bash

Windows（PowerShell）：

$script = Join-Path $env:TEMP 'dsh-browser-install.ps1'; Invoke-WebRequest -UseBasicParsing 'https://raw.githubusercontent.com/jaibhasin/dsh-browser-agent/main/scripts/install.ps1' -OutFile $script; powershell -NoProfile -ExecutionPolicy Bypass -File $script

当安装完成后，它会打印出你接下来需要的扩展文件夹和启动命令。

前往 chrome://extensions，打开 开发者模式，点击 加载已解压的扩展程序，然后选择安装程序打印出的文件夹。

运行安装程序给出的 node ".../start.mjs" 命令，并保持该终端打开。

打开 DSH 打印出的网址，添加你的 API 密钥，然后选择一个模型。

接着在 Chrome 中点击 扩展程序 > dsh 浏览器代理，即可开始聊天。

下次使用相同的启动命令；按 Ctrl+C 可停止代理。

代理工具

代理 默认可以访问的工具列表

| 工具 | 功能 |
| --- | --- |
| ask_user | 向用户询问缺失的选项或细节。 |
| browser_snapshot | 读取页面文本，并为按钮、链接和字段提供带编号的引用。 |
| browser_navigate | 在聊天所分配的标签页中打开 HTTP 或 HTTPS URL。 |
| browser_tabs | 列出已打开的浏览器标签页。 |
| browser_wait | 等待页面稳定，然后拍摄新的快照。 |
| browser_screenshot | 对聊天标签页的可见部分拍摄 PNG 截图。 |
| browser_scroll | 按像素数向上、向下、向左或向右滚动。 |
| browser_click | 通过引用编号点击按钮、链接或其他元素。 |
| browser_type | 通过引用编号在字段中输入内容。 |

在扩展中输入 /tools 可开启或关闭各个工具。

标签页与聊天会话

每个聊天都属于一个标签页

每个聊天会话可以附加到一个标签页，并且每个标签页一次只能打开一个聊天会话。

你可以将聊天从一个标签页移动到另一个标签页，也可以让聊天在后台保持活动

已关闭的标签页可以通过聊天历史点击其聊天来重新打开

当你在工作过程中切换标签页时
当 agent 正在工作时切换到另一个标签页，你会看到这些选项：

| 选项 | 会发生什么 |
| --- | --- |
| Continue in background | Agent 在原来的标签页上继续工作，而你在别处浏览。 |
| Pause current chat | Agent 停止，聊天记录会被保存。 |
| Quit current chat | Agent 停止，聊天记录会从扩展的历史记录中删除。 |
| Move current chat here | Agent 的会话会移动到新选择的标签页。 |

如果你切换到一个已经有聊天会话的标签页，你可以继续该会话，或开始一个新的会话

如果 agent 正忙时你打开另一个已保存的聊天，你也会有机会让当前 agent 继续运行、暂停它或退出它。

当后台 agent 需要提问或请求批准时，Chrome 通知会让你跳回它那里。
使用 /notifications 打开或关闭通知声音。

你可以做什么

- 让它读取页面、跟随链接、填写字段、滚动或截图。
- 在不同标签页中运行独立的聊天，并在工作时在它们之间切换。
- 回到已保存的聊天，查看其消息、工具活动和最近的网站链接。
- 附加图片或文档，并就其提问。
- 为每个聊天单独打开或关闭各个工具，点击、输入和导航会有批准提示。

图片附件可以是 PNG、JPEG、WebP 或 GIF。
对于文档，你可以附加 Word、PDF、CSV、Excel、PowerPoint、OpenDocument、RTF、EPUB、Markdown 和纯文本文件。
文档会在本地转换，然后其文本才会发送给你的模型提供商。

保存你会重复做的事情

如果一次对话帮你完成了一项你会重复的任务，请在聊天标题栏中选择 Save as a task。
Agent 会根据对话起草可复用的指令，供你在保存前查看和编辑。
下次，输入 /tasks，选择该任务，并填写该次运行所需的任何细节。
你也可以在聊天历史记录中找到并编辑已保存的任务。

说出来，而不是打出来

点击消息框旁边的麦克风来设置语音输入。
使用浏览器听写，无需额外的 API key，或者选择 Groq、OpenRouter、Deepgram 或 ElevenLabs，并使用你自己的 key 和转录模型。
你说的话会进入消息框，因此你可以在发送前检查或编辑它们。
要稍后更改你的设置，请输入 /voice-config。

更新和卸载

要更新，请停止 DSH，再次运行安装程序，然后点击 chrome://extensions 上 dsh Browser Agent 卡片中的圆形 Reload 按钮。
你的设置会被保留，你无需再次选择扩展文件夹。

要卸载，请停止 DSH 并运行设置期间打印的卸载命令。
如果你仍有下载的项目文件夹，请在那里打开终端并运行：

macOS / Linux
bash scripts/uninstall.sh

Windows
node scripts/install.mjs --uninstall

卸载程序会在以 .uninstalled-* 结尾并后跟时间戳的文件夹中保留安装及其设置的备份。
一旦你确定不再需要这些文件夹，就可以删除它们。
它们可能包含私人数据。
最后，从 chrome://extensions 中移除 dsh Browser Agent，以删除该扩展及其保存的浏览器数据。

故障排除

| 你看到的情况 | 该怎么做 |
| --- | --- |
| 找不到 node | 安装 Node.js 22.19+（22.x）或 24+，然后重新打开终端。 |
| Chrome 找不到该扩展 | 选择安装程序打印的确切文件夹，包括最后的 extension 目录。 |
| 侧边栏断开连接 | 使用安装程序提供的命令启动 DSH，并保持终端打开。 |
| 端口 7331 或 3080 已被占用 | 停止另一个 DSH 实例，然后再次启动此实例。 |
| 多个 Chrome 配置文件在 Live 和 Offline 之间交替 | 重启 DSH，并在每个配置文件的扩展卡片上点击 Reload，以便每个配置文件都使用多配置文件桥接协议。 |
| 更新后更改未出现 | 重启 DSH，并在扩展卡片上点击 Reload。 |
| 无法截取屏幕截图 | 使聊天所分配的标签页可见，然后重试。 |
| 某个工具在 chrome:// 页面上失败 | 尝试一个普通网站；Chrome 限制对内部页面的访问。 |

工作原理

flowchart LR
User[Your message in the side panel]  DSH[DSH on your computer]
DSH  Model[Your AI provider]
DSH |Local connection| Extension[Chrome extension]
Extension |Reads and acts on| Tab[Your chat's tab]

你的消息会通过 DSH 发送到你选择的 AI 模型。
如果模型需要读取页面或点击某些内容，它会要求扩展在你的聊天标签页中执行该操作。
扩展会将结果发送回来，模型据此决定下一步该做什么。
这些步骤会在侧边栏中随着其工作而显示出来。

浏览器代理拥有自己的 DSH 安装和设置，因此不会替换现有的 DSH 设置。
其依赖项被锁定到经过测试的版本，以避免混用不兼容的发行版。

隐私与控制

该代理会在你真实、已登录的标签页上工作，因此其操作会影响你的实际账户。
这就是为什么对于点击、输入和导航，批准提示默认处于开启状态。
使用 /human-in-the-loop 可以为当前聊天关闭或重新开启它们。

Chrome 与 DSH 之间的连接保留在你的计算机上，并使用私有令牌。
你的聊天和已保存任务存储在本地 DSH 浏览器代理数据目录中，因此它们会在使用同一 DSH 安装的 Chrome 配置文件之间共享，并且在扩展重建后仍然保留。
你选择的 AI 提供商会收到你的消息以及代理读取的页面内容，还有它使用的任何屏幕截图或附加图像。
文档会在本地转换为文本，然后该文本才会发送给提供商；扫描版 PDF 不会被上传或进行 OCR 处理。

对于语音输入，录音会发送到你选择的转录提供商，其 API 密钥保存在扩展的本地设置中。
浏览器听写则改用 Chrome 的语音识别。
请妥善保管您的扩展数据、DSH 设置和安装备份：它们可能包含凭据和个人信息。

安装程序会从本仓库的 main 分支拉取内容，因此请仅从您信任的来源运行它。

开发

托管安装使用 DSH 0.1.2-rc.1，并带有单独的 dsh-browser-agent 配置文件。
默认情况下，文件位于 ~/.dsh/dsh-browser-agent 下。
在安装前设置 DSH_HOME 以使用其他 DSH 数据目录。
桥接服务监听 127.0.0.1:7331，并使用生成的令牌对 WebSocket 连接进行身份验证。

设置检出

使用 Node.js 22.19+（22.x）或 24+，以及 pnpm 11.8.0，与项目的 packageManager 设置保持一致。

git clone https://github.com/jaibhasin/dsh-browser-agent.git
cd dsh-browser-agent
npm install --global pnpm@11.8.0
pnpm install --frozen-lockfile

构建并运行

pnpm build

要从您的检出中测试完整产品，请在 macOS/Linux 上运行 bash scripts/install.sh，或在 Windows 上运行 powershell -NoProfile -ExecutionPolicy Bypass -File scripts/install.ps1。
这会将您当前的源代码复制到托管安装中，构建两个组件，并配置专用运行时。
按照打印出的 Chrome 和启动说明进行操作。
更改源代码后，停止 DSH，重新运行本地安装程序，重新加载扩展，然后重启 DSH。

pnpm dev 会启动 Vite 用于前端开发；浏览器集成仍然需要 Chrome 和本地 DSH 桥接服务。
较旧的 pnpm setup:dsh-profile 辅助工具针对单独的 browser-agent 开发配置文件并重写其配置，因此它不是推荐的安装路径。
切勿提交生成的桥接令牌或 extension/.env.local。

测试

pnpm test

这会检查浏览器会话行为、已保存任务、语音配置、附件、提供程序错误、内存基准测试以及安装程序等。
它不能替代在 Chrome 中使用真实模型试用该扩展。

有关引导式多标签页内存基准测试，请参阅基准测试说明。

在具有互联网访问的情况下运行完整的安装程序生命周期测试：

macOS / Linux
DSH_INSTALL_E2E=1 node --test tests/install-e2e.test.mjs

Windows
$env:DSH_INSTALL_E2E = '1'
node --test tests/install-e2e.test.mjs

生命周期测试使用临时 DSH 主目录，并在没有 API 密钥的情况下检查安装、更新、运行时启动、经过身份验证的会话创建以及卸载。
安装程序兼容性工作流会在 macOS、Windows 和 Linux 上使用 Node.js 24 运行它。

项目布局

extension/       Chrome 后台工作线程、页面脚本和 React 侧边栏
dsh-plugin/      DSH 插件、代理工具和 WebSocket 服务器
shared/          桥接协议和工具定义
runtime/         固定版本的 DSH 运行时清单和 npm 锁文件
scripts/         安装程序、卸载程序和配置文件设置辅助工具
tests/           浏览器状态和安装程序测试

许可证

MIT - 版权所有 (c) 2026 Jai Bhasin。