大肥鱼桌宠 oldhan13/dsh-dafeiyu

大肥鱼 · dsh-dafeiyu

一条鱼住在你屏幕的右下角。

它慢慢地浮，尾巴轻轻摆，偶尔吐一个泡。你干活的时候它会抬头看你一眼，又低下去。
双击它 —— 它当场长成一个对话框。十分钟没人理，它闭眼睡着；鼠标挪过去，它睁开眼，眼珠跟着你的鼠标偏一点。

它记得住事，也会自己找话说。不是助手插件，是住在这台机器上的一个同伴。

核心优势 · 怎么装 · 五分钟让它游起来 · 它到底会什么 · 接上 QQ · 各家的长处 · 给 AI 助手的一页

🤖 是被叫来"帮我装一下"的 AI 助手？ 直接跳到 给 AI 助手的一页 —— 那里有环境清单、每一步的验收命令、和出问题的对照表。

核心优势

三样东西接在一起，它才不是"电脑上又开了一个 agent 窗口"。

一、它在桌面上，也活在你手机里

鱼在屏幕右下角，双击就地长成对话框 —— 不切窗口，不开浏览器。
但真正不一样的是另一头：它接着 QQ。

你在异乡、在地铁上、手上只有一部手机，发一条 QQ 消息，它就动起来 ——读文件、跑命令、改代码、看窗口，办完把结果发回你的手机。
不是远程登录一台电脑，是同一个它有两个入口：桌上那条线和 QQ 那条线，读的是同一份人格、同一份台账、同一个工作区。

所以从手机发的那句话，跟坐在电脑前说，分量一样。
（边界不糊：QQ 每人一条会话，上下文不共享，靠同一份记忆对齐 —— 见它到底会什么最后两条。）

二、它不只是会聊，它能接管这台电脑

挂上 Windows MCP 之后，列窗口、按名字点控件、等控件出现、截图、按组合键、开程序、跑命令，都是它随手能用的手。

于是它能做的事超出"给你一段代码自己粘"：你说「帮我把那个框点了」，它去看窗口树、找到那个按钮、按名字按下去；你说「现在屏幕上什么样」，它截一张、看完再决定下一步。
一般的 agent 到不了这一层 —— 它们只能说话，它能动手。

代价说在前面：它动手就真的动你的鼠标键盘和窗口。
所以这条线只开在私聊里，删东西、动设置、发出去的话，一律先问你。

三、它是你的，不是模板

人格不写死在代码里，就在工作区的一个 AGENTS.md：怎么说话、什么时候开口、什么不许说、叫你什么 —— 全是你改的。再往下一层是记忆：开场简报、台账、日记、每个人的档案卡，都是纯文本，你读得到、改得动、删得掉。

所以它能一边把事办完，一边还是它自己：办完活不只交一段汇报，会补一句「这事别这么干」；你累的时候它不劝，就在旁边待着。
这不是"情绪价值的文案"，是同一份记忆喂出来的同一个人。

加起来就一句话：一个记得住你、能替你动手、你在哪儿都叫得动的同伴。

给 AI 助手：先读这一页

这一节是写给机器的：如果你被叫来帮人装这个东西，读完它就有足够信息动手了。人可以不看。
全部事实都是这台机器上可以验证的，写的路径就是真路径。

它是什么（别猜错形状）

一个住在 Windows 桌面右下角的常驻进程（WinForms 画的鱼）+ 一堆纯文本记忆。
不是 web 应用，没有 Docker、没有数据库、没有账号体系。所有状态都是本机文件：

| 东西 | 在哪 |
| 人设与规矩 | AGENTS.md（仓库根，纯文本，随便改） |
| 记忆 | dafeiyu\memory\（日记 / 长期事实 / 开场简报） |
| 每个人的档案 | dafeiyu\people\<QQ号>.md |
| 运行时状态（不进 git） | dafeiyu\state\、~\.dsh\ |
| 模型端点配置 | dafeiyu\state\llm.json |

需要什么（必需 / 可选，怎么验）

| | 要求 | 验收命令（照抄） | 缺了怎么办 |
| 系统 | Windows 10/11 | [Environment]::OSVersion.VersionString | 没有替代方案 |
| PowerShell | 5.1（系统自带） | $PSVersionTable.PSVersion | 不用装 |
| Node.js | 22.15+（要 zstd） | node -v | winget install OpenJS.NodeJS.LTS，或 nodejs.org |
| DSH | 0.2.x | cmd /c dsh --version | npm i -g @deepseek-ai/dsh |
| 模型 key | 一把能直连的 API key | 部署界面卡片 ③「测一下」 | platform.deepseek.com / siliconflow.cn |
| git | 只有 clone 仓库要用 | git --version | 不必装：下载 zip 解开也行，exe 能自己下 |
| NapCat | 只有接 QQ 才要 | 部署界面的环境清单会自己找 | 见 docs/SETUP.md |
| ffmpeg | 只有录屏 / 语音转写要 | ffmpeg -version | 可选，不装不影响说话 |

⚠️ 用 cmd /c dsh --version，别写 dsh --version。 npm 装出来的 dsh 有两个壳（dsh.ps1 和 dsh.cmd）；在执行策略受限的宿主（比如打出来的 exe）里，.ps1 那个会被拦，症状是一个「禁止运行脚本」的弹框 —— 而用户自己在 cmd 里跑却是正常的，很容易误判成"代码坏了"。

装（按顺序来，每步都有验收）

1. 拿到一份仓库。放普通目录，别放 ~\.dsh 里面 —— Windows 沙箱会让子 shell 起不来。
git clone https://github.com/oldhan13/dsh-dafeiyu.git C:\dsh-workspace
cd C:\dsh-workspace
验收：Test-Path install.ps1 → 必须 True。False 说明只是下了个 exe，不是仓库。

2. 界面走一遍（这条路和命令行跑的是同一套脚本） .\setup.cmd 验收：① 环境清单全勾（打 ✗ 的那行就写着缺什么，照它补） ③ 贴 key → 点「测一下」→ 必须回一句"通了"，401 是 key 不对、402 是没余额 ④ 点「一键启动」→ 八项全勾只想用命令行的话：.\install.ps1 -OwnerQQ <你的号> -BotQQ <小号>，然后 .\dafeiyu.cmd。

它会做 / 不会做（说清楚，省得你以为它全能）

install.ps1 会：

- setx DAFEIYU_OWNER_QQ / DAFEIYU_BOT_QQ —— 写用户环境变量，永久生效
- 建 ~\.dsh 和两个空 key 文件（siliconflow-key.txt / onebot-token.txt；已存在的不动）
- 装插件 dsh-ledger-memory（带了 -WithQQ / -WithVoice 就再装对应的）
- 给 QQ 插件打两个补丁（戳一戳 / 分句），打不上只警告，不影响启动
- 把 profile\cordis.patch.yml 复制成 ~\.dsh\profiles\web\cordis.patch.dafeiyu.sample.yml

install.ps1 不会：

- 装 Node、装 DSH、下载仓库（Node 缺了直接退出；DSH 缺了只警告一句）
- 把上面那份 sample 并进 cordis.patch.yml —— accessToken / adminUsers / botQQ 三处占位符要人工改
- 填模型 key（在界面卡片 ③，或直接写 ~\.dsh\deepseek-key.txt，纯文本、无 BOM、别带换行）

出问题先查这张表

| 症状 | 原因 | 处置 |
| 界面第一行「项目目录 ✗」 | exe 不在仓库目录里 | 把 exe 放进 dist\ 或根目录；或者让它自己下载（裸 exe 第一次打开会问装到哪） |
| 弹「禁止运行脚本」 | 在受限策略下调了 .ps1 壳 | 改用 cmd /c；或 powershell -ExecutionPolicy Bypass -File … |
| 面板能开，但鱼不说话 | 模型 key 没填 / 余额不足 | 看 ~\.dsh\deepseek-key.txt；界面 ③ 点「测一下」 |
| 3079 没在听 | 桌面聊天桥没起 | .\dafeiyu\tools\start-dafeiyu.ps1 |
| 8643 没在听 | QQ 插件被禁用，或 NapCat 没登录 | dsh plugin --profile web enable dsh-onebot-qq，再登 NapCat |
| 中文全是乱码 | .ps1 少了 BOM（这台机器 ACP=936） | 存成 UTF-8 带 BOM，且只能有一个 BOM（两个会把 #requires 当命令） |
| 改了脚本没生效 | 桌宠是独立进程 | .\dafeiyu\pet\pet-reload.ps1（归一 BOM + 语法检查 + 重启） |

别做的事

- 别删 ~\.dsh\attachments\v1\objects 里的任何东西 —— 会话历史按哈希引用它，删掉一个，引用它的那个会话从此每轮都失败，报的却是"传输失败"，看着像网络问题
- 别替用户填 key、别替他付钱。key 只让他自己贴
- 别改 git 历史、别 force push 别人的分支
- 别把 dafeiyu\state\、dafeiyu\memory\brief.md 这类运行时文件提交上去（里面写着他的窗口标题）

怎么装：有界面，也有命令行

路一：双击 setup.cmd。 一个窗口分三块，从上往下走一遍就行：

1. 环境够不够格 —— Node / DSH / 工作区位置 / 端口占没占，逐项打勾（打 ✗ 的那行直接写缺什么）
2. 你是谁、她是哪个号 —— 两个 QQ 号。只写进本机 dafeiyu\state\machine.json（.gitignore 挡着，不会进 git）
3. 起没起来 —— 点「一键启动」，八项逐个打勾；缺哪项，右边的过程框里有原因，不用你去翻日志

顺手说一句：dafeiyu.cmd 在这台机器还没配过的时候，也会自己把这一屏叫出来 —— 入口只有这一个，不用记。

路二：命令行。 就是下面那几条（install.ps1 + dafeiyu.cmd）。两条路跑的是同一套脚本，界面只是把「检测 → 安装 → 启动 → 验收」串起来，把结果画得能看懂。

想打成一个 exe？ .\dafeiyu\tools\build-exe.ps1 用 ps2exe 把部署界面编成 dist\dafeiyu-setup.exe （要从 PSGallery 装一次 ps2exe；打不出来也不影响用 setup.cmd，两者是同一个东西）。
打出来大概 90 KB。

这个 exe 现在能自己起手了。 从 release 页单下一个 dafeiyu-setup.exe 双击也可以：它发现自己不在仓库目录里，就会问你要装到哪儿，然后把仓库 zip 拉下来解开（不需要 git），再从新目录里把真正的部署界面叫起来。网络不通的时候它会告诉你去 GitHub 手动下 zip。

不过 exe 本身还是那个壳 —— 它跑的是这套脚本，不是另写一份，所以脚本一升级就得重打一次。
dist/ 不进 git：二进制不该混在源码里。

装了之后怎么更新

配置界面右上角有「检查更新」：

1. 检查 —— 只看一眼本地是哪一版、网上是哪一版，一个文件都不动
2. 更新到最新 —— 从仓库拉最新的 zip，只换代码和文档，先备份到 dafeiyu\state\backup\update-<时间>\，再逐个换

不需要 git，也不用重新 clone。你的记忆、人物档案、图片、历史、桌宠位置、机器配置 ——一样都不碰（people/ memory/ state/ assets/ voice/ group/ relay/ bili/ homepage/data/ 和 desk/history.jsonl 整棵跳过）。

换完把那个窗口关掉重开（新脚本才进来），桌宠和宿主也重开一下。
被占用的文件（比如桌宠正在跑的 pet-wf.ps1）会跳过并列出来，关掉它再点一次就行。

版本记在 dafeiyu\state\version.json：sha、时间、备份在哪儿、换了几个文件。

五分钟让它出现在你右下角

先别管 QQ、语音、B 站 —— 那些都是后话。先让鱼游起来。 （走 setup.cmd 装过的人可以跳过这一节，界面里已经做完了。）
你需要：Windows 10/11、Node.js 22+、DSH 0.2.x（npm i -g @deepseek-ai/dsh）。
三条都验一下，缺哪条先补：

node -v # 要 v22 以上（zstd 那段要 22.15+）
dsh --version # 要 0.2.x
$PSVersionTable.PSVersion # 系统自带 5.1 就行

然后三条命令（第三条也可以直接双击仓库根目录的 dafeiyu.cmd）：

1) 放到一个你想当"工作区"的目录。别放在 ~/.dsh 里面（沙箱会拦）
git clone https://github.com/oldhan13/dsh-dafeiyu.git C:\dsh-workspace
cd C:\dsh-workspace

2) 检查环境（这一步不装插件，先确认跑得动；两个 QQ 号现在随便填，接 QQ 时才用得上） .\install.ps1 -SkipPlugins

3) 一键：宿主没起就自己起，然后把鱼放出来 .\dafeiyu.cmd

宿主不开窗口（它自己在后台跑），网页界面还是 http://127.0.0.1:3080。
想盯着它看日志、或者调插件的时候，才需要 .\start-dsh-web.cmd 手动开一个窗口。

第 3 步会一行一行告诉你它拉起了什么，末尾是这个样子：

=== 现在 === 宿主 : 8643 在听 (3080 网页) QQ : 在线循环 : 在跑主页 : http://127.0.0.1:3077/ 群随听 : 在听（3078）桌宠 : 在屏幕上聊天框 : 3079 在听

（没接 QQ 的，QQ 那行会是 离线，别的一样。）

然后对一下这张表 —— 五样都对上，就是装好了：

| 你看哪里 | 应该是什么 |
| 屏幕右下角 | 一条半透明的小鱼在轻轻浮 |
| 双击那条鱼 | 原地长成对话框，左边是她、右边是你 |
| 对话框里说一句 | 几秒后回你（第一次慢，它在读记忆） |
| 十分钟不碰它 | 闭眼、几乎不动；鼠标挪过去会醒 |
| Ctrl+Alt+D | 面板开关 |
| 右键鱼 → 退出 | 她收工 |

没对上？看 docs/SETUP.md 的「卡住了」一节：八成是 Node 版本、工作区位置，或者端口被占。

怎么收工

.\stop-dafeiyu.cmd # 鱼 + 后台循环全停，宿主留着 .\stop-dafeiyu.cmd -WithHost # 连宿主一起停（网页界面也会断） .\stop-dafeiyu.cmd -Status # 只看看谁在跑，一个都不动

它到底会什么

不是功能清单，是它一天里真的会做的事：

| 它 | 具体是什么样 |
| 在桌上待着 | 透明 WinForms 小鱼：呼吸、游动、摆尾、吐泡、闭眼睡觉；拖得动，双击开面板，Ctrl+Alt+D 收放 |
| 身上有信息 | 它在想事 → 游得快；在动手 → 摆尾更快，偶尔吐泡；卡住了 → 气色往暖红偏；空闲 → 慢下来 |
| 跟你说话 | 双击长成 QQ 式面板：左她右你、时间分隔条、标题下面那行是她的心情、右上角一个「声」 |
| 自己找话说 | 每 8–13 分钟醒一次，自己决定：不说 / 冒个气泡 / 发一句 / 发条语音 / 发条说说 |
| 记得住 | 人格 AGENTS.md + 开场简报 brief.md + 台账 + 日记；每轮现读，不靠"传话" |
| 会动手 | 看窗口、按名字点控件、截图、TTS / ASR、发 QQ、发空间、换头像 |
| 能自己画图 | 装上生图模块之后她有一支笔：你说「画一张…」，她真的去调 ComfyUI（FLUX，十几秒一张），画完直接弹到你屏幕上 —— 不是嘴上说「画好了」 |
| 能收下你的文件 | 把文件（一次好几个也行）直接拖到面板上，或者点输入框旁边的 + 挑；它们排成一行小牌子，发的时候只把路径递过去 —— 她本来就摸得到磁盘，不复制、不搬走 |
| 办不了的事交出去 | 面板里遇到搞不定的（查资料、改代码、装插件、要跑很久），调 delegate 交给后台那个完整的智能体；它跑完，结果自己贴回面板 |
| 接得起电话 | 戴上耳机跟她说话：她听得见、答得出、中间能打断。声音是她自己的音色，说话时认得你是谁、记得你们前两天在干什么 —— 不是换了个客服来接 |
| 会唱歌 | 给她一段清唱当样板，她把另一首歌的调子搬到你/她的音色上唱出来（sing.py，装在拓展模块里） |
| 有一页自己的主页 | http://127.0.0.1:3077/ —— 现在的心情、碎念、说说，她自己写 |

三个设计上的选择

1. 桌面和 QQ 是两条线，不是同一个上下文。 DSH 里每处说话都是独立会话（QQ 每人一条、网页一条），而面板那条连会话都不是 —— 它是 bridge.mjs 自己的循环。
真共享得让面板接宿主的 /api，那扇门带浏览器信任校验和启动令牌。
所以选了便宜的那条：两边各自读对方的原文 —— 不共享上下文，但不用"传话"。

2. 她的动不是装饰。 鱼身上每一处变化都对应一件真事：在想、在动手、卡住了、睡着了、你回来了。
纯装饰的动画是贴纸；会跟着事变的才是"有人在那"。

3. 能出声，但默认关。 面板右上角的「声」点了才念。桌面上的声音比 QQ 更吵，得由你决定。

拖个文件给它

把文件拖到面板上就行，一次好几个也可以；不想拖就点输入框旁边那个 + 去挑。
它们会在输入条上方排成一行小牌子，发之前点牌子上那个 × 能拿掉、不想要了清空也行。

递过去的不只是名字：路径会一起给她。她本来就摸得到磁盘，所以这里没做"上传"、没有副本、也没有第二份会过期的文件。
面板里只显示名字和大小 —— 路径是给她用的，不是给你看的。

⚠️ 一句实话：桌面这条线是纯文本模型，她看不见图。
你丢一张截图过去，她知道文件在哪、能用命令去处理它，但不会真的"看见"里面画了什么。要她看图，得另接一个视觉模型。

看一条视频（可选：要装一个技能）

上面那句「她看不见图」有一个补丁：视频可以先拆成她能读的东西。

- 要两样外面的东西（都不在这个仓库里）： video-watch-plus 这个技能 —— 用 ffmpeg 逐帧量测（切点 / 冻结 / 运动 / 静音）→ 挑关键帧拼成一张图板；声学侦察判断有没有人声 → 转写 → 证伪幻觉； yt-dlp —— 把 BV 号 / 链接落成 mp4。
- 一条命令（dafeiyu/tools/video-watch.mjs）：

node dafeiyu\tools\video-watch.mjs BV1G2ak69EFT # 下载 → 量测 → 图板 → 声学侦察 → 清理
node dafeiyu\tools\video-watch.mjs D:\some\clip.mp4 # 本地文件不动它，只在临时目录里抽帧
node dafeiyu\tools\video-watch.mjs BV1G2ak69EFT --asr # 连语音转写一起跑（慢，几分钟）
node dafeiyu\tools\video-watch.mjs --status # 占了多少地方
node dafeiyu\tools\video-watch.mjs --sweep / --purge # 清残留 / 全清

- 它自己收拾，不靠记性：视频与中间产物在同一次运行的 finally 里删（分析失败也删）；每次启动先扫一遍 30 分钟前留下的残留；图板与报告各只留最近 20 份。
--status 里 clipsMB 正常应当是 0 —— 不是 0 就说明上一次是被硬杀掉的。
- 两条不能省的规矩：① 图板里读出来的字一律不采信（分辨率不够时视觉会编；要说某格写了什么，得按 shotlist.json 的坐标从原视频裁切放大再读）；② 声学侦察判「没有人声」时，转写照样会吐字 ——那是幻觉（判据：互不重叠的时间窗输出同一句话），不许当成转写引用。
- 它只吃你给的链接或本地文件。不是爬虫，不做批量抓取。

装那两样（一次性）：

git clone https://github.com/xinhailaopo/video-watch-plus "$env:USERPROFILE\.dsh\skills\video-watch-plus"
那个技能自带 scripts\setup-windows.ps1：ffmpeg 已有就用 -Ffmpeg 指过去，别重下 190MB
python -m pip install -U yt-dlp

--asr 第一次跑会下 faster-whisper 的 small 模型（约 460MB，走 HF_ENDPOINT 镜像）；之后是纯本地推理。机器的 pip 默认源若是卡住的，加 -i https://pypi.tuna.tsinghua.edu.cn/simple。

打个电话（可选：要装 Python 依赖）

桌宠和网页都能跟她通话：你说话它听、它回话，中间能打断它。

| 入口 | 怎么开 | 声音怎么走 |
| 桌宠通话窗 | dafeiyu\pet\call.cmd | 本机麦克风 → 本机扬声器 |
| 网页通话 | python dafeiyu\tools\call\webcall.py，手机/电脑浏览器打开它打印的地址 | 浏览器麦克风 ⇄ WebSocket ⇄ 本机 |

两条入口共用同一层引擎（dafeiyu/tools/call/engine.py），链路是一条：

麦克风 ──► VAD 切句 ──► 语音转写 ──► 模型 ──► 整段合成 ──► 压短停顿 ──► 播放 ▲ │ └────────── 打断（barge-in）◄──────────┘

- 怎么装（不用敲 pip）：部署界面 →「拓展模块…」→ 语音通话 卡片 →「设置…」，点 一键装好（建 .venv、装依赖、下 piper 音色模型）。第一次几分钟，断了重跑会接着装；国内网络把「下载走清华镜像」勾上（默认勾着）。
· 等价的命令行：python dafeiyu\tools\call\bootstrap.py --all --mirror tuna
· 想先看看缺什么：同一排的 检查一遍（它真的 import 一遍那些包）
- 转写：faster-whisper，有 CUDA 就自动用 GPU；模型第一次用时自己下，落在 dafeiyu\state\ 下面。
换档在设置窗口的「③ 你怎么被听清」里（tiny / base / small / medium / large-v3），改完点 重启耳朵。
- 音色在同一个窗口里挑（写进 dafeiyu\state\call\config.json；通话窗顶栏点一下也能切，命令行 python dafeiyu\tools\call\config.py --set tts.backend=sovits 也行）。
★ 挑之前能先听：选一个 → 点 试听这句 —— 不必真打一通电话，听完再定。
四个选项：
· piper —— 本地 ONNX，免费、离线、0 显存，音色偏播报腔（最轻）
· sovits —— 本地 GPT-SoVITS，克隆你自己的音色，最像人；要另装 GPT-SoVITS，占约 1.3G 显存
· cloud —— 硅基流动 CosyVoice2，明显更自然，按量计费，开口多约 1 秒
· openai —— gpt-4o-mini-tts，最自然、还能给语气指令；未实测（本机没有 key），要 key + 代理
- ★ 播放必须过抖动缓冲（2026-10-26 20:4x 定的，别再改回去）：最早是「合成一块就往声卡塞一块」，听着老卡一下。量了才发现问题不在平均速度 ——整句 RTF 只有 0.6（意思是不算慢），但 sovits 的出块是突发式的：一句中间会出现 570~860ms 的空档，播放端按 1.0 倍速放，缓冲一空就是一声卡。平均够快，节奏是错的。 ⇒ 两条一起才成立：① engine.py 的 JitterPlayer 把「生成」和「播放」拆成两条线，先垫够 cushion 再开口，垫子自己会随卡顿调大调小；② 合成分小句、每小句整句合成（stream=0），句内不再切块。代价是开口晚一点，换的是一次都不卡。
· 判据：state/call/petcall.jsonl 里的 starved 和 cushion_s —— starved: true 就是那一声卡。
- ★ 模型自己在标点处会停 0.35~0.88 秒，那也是最像「卡」的东西。
合成之后会把静音段压到 80ms（句号 160ms），只动没有声音的样点，一个字都不剪。
- ★ 电话那头得是「同一个人」（2026-10-29 加的；之前的版本听着像陌生人）：上一版只往模型里塞三样东西 —— 自动生成的开场简报、技术台账、当天日记。三样全是工作材料：它知道"这个项目在干什么"，却不知道"你们俩之间发生过什么"，于是开口就像第一次接电话的人。
⇒ 新文件 dafeiyu/tools/call/call_context.py 换了个拼法，拼的是人和说过的话（只读文件，不联网、不调模型，约 20ms）： ① 你的档案 people/<你的QQ>.md（你是谁、什么关系、什么边界）； ② 你最近说过的原话（活动日志里，带时间）； ③ 前几通电话的原文 state/call/call-transcript.md（连续性）； ④ 最近两篇日记（那是"她"的味道）； ⑤ 活跃台账末尾（此刻手上做到哪）。
合计约 7k 字 ≈ 3.5k token，deepseek-chat 吃得下。
· 调试：python dafeiyu\tools\call\call_context.py 直接看它拼出来的样子（落到 state/call/call-context.md）。
· 兜底：这个模块载入失败会自动退回老逻辑 —— 不许因为一层新模块把电话弄哑。
· 名字也要写进 prompt：原来那段 SYSTEM 从头到尾没写过自己叫什么，她读到的唯一一个名字是项目名，于是自称"大肥鱼"。
⇒ 现在明写「你叫汐…电话只是换了张嘴，不是另一个人」「不许说『我们刚认识』」。
· 不打电话也能验：把 SYSTEM + 拼好的上下文直接问一遍模型，看它答不答得出你昨天在折腾什么。
- ★ Whisper 会在没人说话时自己编话（2026-10-28 实测编出过「以下一张字」）：跨虚拟声卡过来的音频窄带、有断点，它会把"安静但不像安静"的片段编成一句中文，于是她开始答一些没人说的话。
三道防线：① 整段能量太低（RMS < 0.012）根本不送耳朵；② 转写命中"字幕 / 点赞 / 感谢观看 / 本期视频"这类样本词 → 一律当没听见；③ 噪声底允许往上爬，别把底噪当人声。判据是"这句我有没有送进去"，不是"她答得像不像"。
- key 放哪：~\.dsh\siliconflow-key.txt / ~\.dsh\deepseek-key.txt / ~\.dsh\openai-key.txt，也可以用同名环境变量。别把 key 写进仓库。
- 实测（这台机器，RTX 5080 + whisper small + sovits）：你停下说话到听见第一声 ≈2.5~4 秒 （VAD 0.9s + 转写 0.3s + 模型 1s + 整段合成 1~2s）；一次通话的预热 ≈4 秒。
- 想让第一声更快：换更小的 whisper 模型、把「一句最多几个字」调小（少合成一点就早开口）。

唱个歌（可选：要一段清唱样板 + 约 4G 显存）

dafeiyu\tools\call\sing.py：拿一段清唱当音色样板，把一首歌唱成那个人的声音（Seed-VC 做转换，不是 TTS 念歌词 —— 调子、气口、换声都在）。

python dafeiyu\tools\call\sing.py --src 你的清唱.wav --song 要唱的那首.wav --out 成品.wav
24 步、17.8 秒的歌，这台机器约 48 秒出成品

- 样板 15~30 秒、干声（没伴奏）最稳；有伴奏会跟着把伴奏一起转进去。
- 设置存 dafeiyu\state\call\sing.json；部署界面 →「拓展模块…」→ 唱歌 卡片里能挑样本、点自检、跑一次。
- 走过的两个坑（都写进注释了，别重踩）：hf_utils 要本地优先（不然每次都去拉权重）， torchaudio.save 在这套环境里写出来的 wav 是坏的 ⇒ 改走 soundfile。

自己唱（SVS：只给词，不用原唱）

上面那个是「拿别人唱过的换嗓子」，受制于原唱。dafeiyu\tools\call\sing_svs.py 是她自己唱 ——给一段词，她自己排旋律、自己换气、自己走滑音，渲染交给 OpenUtau 的 DiffSinger 声库（Qixuan 这类 for OpenUtau 打包的声库），想更像她再过一遍 Seed-VC。

python dafeiyu\tools\call\sing_svs.py --lyrics "睡吧，今天的风不用管。天亮了又亮，也没关系。"
python dafeiyu\tools\call\sing_svs.py --lyrics-file 词.txt --out 成品.mp3 --voice her
python dafeiyu\tools\call\sing_svs.py --check # 只检查 OpenUtau / 声库 / 参考音色

- 要什么：OpenUtau（便携版解压即可）+ 一个 DiffSinger 声库 + vocoder 模型；可选 Seed-VC（换她的音色）。
- 参数与界面：部署界面 →「拓展模块…」→ 唱歌 卡片 →「合成歌声…」（跟「设置…」那个换音色的窗口是分开的两个）；存进 config.json 的 svs 段。
- 完整原理与踩过的坑：docs/SVS.md（为什么不能自己跑 onnx、时间原点 92.9ms 怎么来的、颤音/滑音/换气各自怎么做、验收为什么看拼音而不是字面）。

可选：拓展模块

上面那些是本体。另外这几样要么吃显存、要么要账号、要么要额外的额度 —— 所以不进主流程，单独一页：部署界面底部那排的 「拓展模块…」（桌宠右键和托盘里也有「打开配置」，直接开那个界面）。

| 模块 | 要什么 | 装上之后 |
| 生图 | ComfyUI + 一个模型（8G 显存起） | 她有一支笔，对话里说画就画，十几秒一张 |
| 刷 B 站 | 独立 venv + 扫码登录 | 每天谷时自己刷一轮：搜、读字幕、写日报；「现在跑一轮」可以随时手动 |
| 语音 · 念一句 | 跟「语音通话」共用一份设置 | 把一句话念出来（跟电话里是同一个声音）；不装通话也能用 |
| 语音通话 | Python 3.10+（装一次；界面里点「一键装好」） | 戴上耳机就能跟她说话：她听得见、答得出，桌宠和网页两个入口 |
| 唱歌 | Seed-VC + 一段清唱样板（约 4G 显存）；想让她自己唱还要 OpenUtau + 一个 DiffSinger 声库 | 给她一段你/她自己的清唱，她把另一首歌的调子搬过去唱出来；或者只给词，她自己唱（docs/SVS.md） |
| QQ 通道 | NapCat + 一个小号 | 她在你手机里也在，私聊群聊语音文件都通 |

每张卡上都写着「需要什么」「本机现在是什么状态」。状态只看本地事实 —— 文件在不在、8188 端口通不通 ——不发网络请求，所以点开就是准的。缺哪一步，卡上那个按钮就干那一步（装环境 / 补模型 / 画一张试试）。

不装任何一个，她照样说话、照样能动手 —— 这几样都是加成，不是地基。

可选：接上 QQ

桌面那条线不需要 QQ。要她在 QQ 里也在，多三步：

dsh plugin --profile web add dsh-onebot-qq # ① QQ 通道插件

② 装 NapCat，用一个小号登录，反向 WebSocket 拨到 8643。
③ 把 profile/cordis.patch.yml 里那三处占位符（accessToken / adminUsers / botQQ）改成你自己的，再并进 %USERPROFILE%\.dsh\profiles\web\cordis.patch.yml。

她一个号、你一个号 —— 别拿主号干这个。细节与验收在 docs/SETUP.md。

接上之后，群里那一半是 dafeiyu\group\watch.mjs 在听（NapCat 把事件推给它）：

- 每一条群消息都落盘（group\raw.jsonl，不只落叫她的）—— 所以"没 @ 的时候她也知道你们在聊什么"。
读口两个：开场简报里那节「群里刚在聊什么」，和 node dafeiyu\tools\group-peek.mjs。
- 说话的门槛：不看 @，看"这几句跟她有没有关系"。该接却闷着，和乱插嘴一样是错。
- 按群放开：想在某几个群放得更开（不必等点名、@ 也由本机回），写 group\permissions.json，照 permissions.example.json 抄 —— 一个群一档，没写的群行为不变。说明在 dafeiyu/group/README.md。
- 心跳读的是真消息：每 8–13 分钟醒一次时，她先用 get_friend_msg_history 问最近 20 条（日志那条只当兜底）——日志按 ~5MB 轮转、只盖几个小时，靠它"知道你今天说了什么"是靠不住的。
顺带一句「你最后一条是 N 分钟前发的，人在，只是手不在键盘上（多半在看手机）」：不然你在手机上回话时 presence 判你"不在电脑前"，她会按"别吵他"处理。

各家的长处

这一套不是一件东西，是几件各有所长的东西接在一起。写清楚谁擅长什么，才知道哪天该换掉哪一块。

| 东西 | 谁做的 | 它擅长什么 | 在这儿干什么 |
| 大肥鱼（本仓库） | oldhan13 | 把「身体 / 记性 / 主动性」接起来，落到桌面上：会动、会自己开口、记得住事 | 就是那层胶水 —— 下面每一样单拎出来都比它硬，但它让这些一起活起来 |
| DSH（DeepSeek Harness） | DeepSeek | 会话、工具、插件机制（cordis）、网页界面 | 地基。上面每一块都挂在它身上 |
| dsh-ledger-memory | 陈黛华 | 项目级记忆：台账每回合自动注入、决策卡、经验教训，压缩前抓逐字胶囊、压完还能按指针回查原文，跨会话交接单 | 她的记性，和"不丢原话"的底 |
| dsh-onebot-qq | mario841859784 | 一条真的 QQ 通道：OneBot 11 / NapCat，私聊群聊、图与语音、长文转图卡、设置页里配 | QQ 那条线。本仓库一行协议代码都没写 —— 全是它的 |
| dsh-bili-scroll | c1overzz | 自己刷 B 站：按字幕原文挑、写日报、值得的 @ 你，谷时自动跑 | 可选。本仓库只"提一句"，没包含它 |
| dsh-voice-chat | maoyuching | 浏览器里说和听：麦克风 → 文字 → 回复自动朗读，TTS 后端可换 | 可选，网页那边的嘴 |
| @lijian-ui/dsh-im-gateway | lijian-ui | 一个网关接五种 IM（钉钉 / QQ / 个人微信 / 飞书 / 企微），扫码绑定、流式回复 | 可选。要多通道时，比逐个接划算 |
| dsh-context | bowenliang123 | 上下文透视：看清上下文由什么组成、怎么长起来的 | 可选，调上下文时看 |
| billion-context | ranxianglei | 把长会话压进小窗口 | 可选，和上面那件二选一 |

一句话：本仓库只做"把它们串成一个活着的东西"这一件事。 每一样的长处都在它自己那边，不在我这儿 ——哪天哪块不够用了，换掉它，剩下的照样转。

这个仓库里没有什么

记忆、日记、群记录、聊天原文、QQ 号、任何 token 或 key —— 一份都没有。
你 clone 下来的是一个空壳：它会跑、会动、会说话，但它不认识任何人。
那些东西长在你自己的机器上（dafeiyu/memory/、dafeiyu/people/、~/.dsh/），也本该只长在那儿。

一些踩过的坑

写在 docs/PITFALLS.md 里，都是真撞过的：PowerShell 变量名不分大小写导致的"永远读不到"、 zstd 多帧会话日志只解第一帧、Windows 11 拿 VBScript 弹弃用提示、/api 的浏览器信任校验。
照抄这份代码之前先看一眼，能少走两天弯路。

别人的东西

这个仓库的代码是自己写的，但跑起来靠的是别人做的零件。每一处"用到别人仓库"的地方都列在 CREDITS.md 里：宿主（DSH）、六个 DSH 插件（dsh-ledger-memory / dsh-onebot-qq / dsh-voice-chat / dsh-im-gateway / dsh-context / billion-context）、另一位开发者的可选插件 dsh-bili-scroll，以及 NapCat、SiliconFlow、QQ、B 站这些外部程序与服务。

一句话：没有 vendor 任何第三方源码，也没有 fork 后改。第三方都是「装上去用的」，不是「抄进来的」。
dsh-onebot-qq 是 BSD-3-Clause —— 两个测试文件会直接 import 它的模块，那条保留版权声明的义务对它成立。

许可

MIT。AGENTS.md 里的人格文本也是 MIT —— 你可以改成你自己的鱼，但别把它说成是你的原创。