安卓智能助手 skynit/DSHX

DSHX

在 Android 上使用 DeepSeek 官方智能体引擎的 AI 助手。

文字与语音交互 · 手机工具 · 长期记忆 · 本机知识库

快速开始 · 工作原理 · 功能一览 · 使用场景 · 常见问题 · 说明文档

想让手机上的助手读取文件、操作应用，并在后续对话中使用你保存的偏好和资料？DSHX 将这些能力放进同一个 Android 应用，提供文字聊天、语音入口和原生管理页面。

DSHX 将 DeepSeek 官方 deepseek-harness（简称 dsh） 移植到 Android。dsh 是随应用提供、由应用启动的智能体引擎，负责模型请求、对话记录和工具调度；DSHX 的 Android 应用负责页面、引擎启停、系统权限及手机、本地语音等能力。普通对话使用你配置的模型服务，本机保存数据与本地模型各有独立用途。

[!NOTE]
当前版本为 0.1.3，开发调试版本，尚未完成正式发布验收。功能接入情况与真实模型、设备验证范围分别说明，见当前验证边界。

快速开始

设备要求

项目声明最低 Android 8.0（API 26，即 Android 系统接口版本），部分能力另有更高系统要求。聊天页需要 Android System WebView 126 或更新版本：它是 Android 提供、由应用创建的网页容器，负责显示 dsh 的聊天页面，与处理请求的引擎分别运行。设备兼容性仍需按具体机型验证。

语音输入还需要手机安装并启用系统语音识别服务：它由系统或用户安装的语音应用提供，DSHX 通过 Android 标准接口调用，负责收音、判断讲话结束并返回文字；是否联网取决于该服务。它与 DSHX 自带、只负责检测唤醒短语的本机关键词模型分别工作。应用不再下载整句语音识别模型；播报使用在线服务，需要网络。

已有与设备架构匹配的 APK（Android 安装包）时，安装后直接进入启动并配置。从源码生成开发包时，按下面的步骤操作。

从源码构建

以下命令面向 Linux 开发机与 ARM64 手机，在仓库根目录执行。开发环境需要：

- JDK 17：编译 Java/Kotlin 的工具集。
- Android SDK 36：Android 系统接口及构建工具；另安装 NDK 28.2.13676358 和 CMake 3.22.1，用于编译和组织 C/C++ 原生库。
- Python 3.11+、Node.js、npm、curl、dpkg-deb、readelf，以及 /usr/include/node/node_api.h 头文件。

在本地 local.properties 中填写实际 SDK 路径，例如 sdk.dir=/你的/Android/Sdk，该文件由 Git 忽略。必要时通过 ANDROID_NDK_HOME 指定 NDK 路径。准备好环境后执行：

准备语音运行库、唤醒资源和本机推理源码。
python3 tools/voice.py prepare

为 ARM64 手机生成 dsh 及 Android 适配运行包。
python3 tools/core.py build --abi arm64-v8a

按本机 JDK 位置调整 JAVA_HOME。
JAVA_HOME=/usr/lib/jvm/java-17-openjdk ./gradlew :app:assembleDebug

首次准备会联网下载锁定依赖，无需聊天模型密钥。生成的安装包位于 app/build/outputs/apk/debug/app-debug.apk。x86_64 模拟器需将运行包参数改为 --abi x86_64，再重新构建 APK；每个 APK 只包含所选架构的运行资源。

使用 adb（Android SDK 提供的设备连接与安装工具）时，连接设备并授权调试，只有一个目标设备时执行：

adb devices
adb install -r app/build/outputs/apk/debug/app-debug.apk

多设备选择、依赖准备和定向测试见构建、安装与验证。

启动并配置

1. 打开 DSHX，在“工作台”点击“启动 dsh”。应用校验并安装随包提供的运行文件，然后启动引擎。
2. 在工作台点击“页面导航”，选择“对话”，配置自己的模型服务地址、模型名称和所需凭据。云端模型需要联网，费用由所选服务决定。
3. 发送下面的消息，确认当前会话中出现实际模型回答：

你好，请用一句话介绍你能做什么。

4. 按需进入“设置”：在“语音交互”检查系统识别与播报，在“任务分工”配置可选的小模型，在“手机操作与权限”开启手机能力，在“助手与资料 → 知识库”管理资料、记忆、文件和技能。可选本机文字模型仍需下载并校验；播报默认使用 Edge TTS，也可配置火山语音合成或音频生成，无需下载播报模型。

引擎启动、聊天网页加载和模型回答是三个独立检查点。首次使用以实际收到回答为准。

工作原理

会话由 dsh 创建，保存一段对话与工具事件；工具是引擎注册给模型的命名操作，模型提出名称和参数后，由程序执行并把结果返回。Android 应用管理引擎运行，并通过本机通信连接交接手机操作等请求。

flowchart TD
U[用户：文字或语音输入] --> A[Android 应用]
A --> D[dsh：会话与工具调度]
D <--> M[用户配置的模型服务]
D <--> F[文件与命令工具]
D <--> P[Android 手机能力]
D <--> K[本机记忆与知识资料]
A <--> V[语音与模型分工]

文字从聊天页面进入 dsh；语音由手机系统服务收音、识别后交给正式会话，有限的简单文字任务也可按规则交给本机小模型。dsh 请求配置的模型，收到工具调用后执行对应操作，再将结果交给模型继续处理，最终返回回答。语音页逐步显示回答，并把可朗读文字按短句交给所选播报服务；思考内容和工具参数不会进入播报。手机工具通过本机通信转交 Android 应用执行，执行前仍需检查能力开关与系统授权。

长期记忆保存用户管理或自动整理得到的偏好、事实和经验；知识库保存用户主动导入的参考资料。它们与完整对话记录分别存储，按需要提供有限背景或检索结果。谁创建各组件、请求如何流转以及数据如何保存，见术语与整体架构和典型执行流程。

功能一览

| 能力 | 当前用途 | 使用条件与说明 |
| 文字聊天与助手设置 | 多轮对话，自定义助手名字、身份和回答要求 | 配置模型服务；界面 · 助手设置 |
| 文件、命令与附件 | 读写文件、搜索内容、执行前台命令、交付附件，并保留用户手动终端 | 使用应用已有访问权限；文件与工具 |
| 手机操作 | 28 个手机工具，覆盖应用查找、界面观察与操作、分享和设备能力 | 对应能力开关与系统授权；手机能力 |
| 语音对话 | 系统语音识别、本机关键词唤醒、回答逐段播报，以及语音或按钮打断 | 需系统识别服务与麦克风权限；默认使用 Edge TTS，火山需自行配置凭据与开通服务，播报均需联网；语音说明 |
| 任务分工 | 文字或语音中的简单任务使用默认本地、导入本地或在线模型；截图可单独指定图片模型 | 本机文字模型需下载或导入，截图理解需支持图片的服务；模型分工 |
| 长期记忆 | 保存、管理和召回偏好、事实与经验，按需自动整理 | 长期记忆和自动整理默认关闭；记忆说明 |
| 本机知识库 | 导入 UTF-8 编码的 Markdown、TXT，进行关键词与语义检索 | 关键词检索在本机，语义检索和摘要需另配服务；知识库 |
| 备份与归档 | 分别导出会话数据和知识资料，用于恢复或迁移 | 两种格式覆盖不同数据；存储范围 · 归档说明 |
| 微应用 | 在手机内让 dsh 创建带页面、逻辑和独立数据的应用，支持可选后台入口 | 在 DSHX 内打开；手机能力按需授权；微应用说明 |
| 插件 | 复用官方插件安装、启用和工具扩展机制 | 需满足 Android 兼容与工具调用条件；插件说明 |

Full（完全权限）是应用为有效会话提供的工具准入模式，只使用应用已有的访问权限；它不授予 root（系统最高权限），也不替代 Android 系统授权。

使用场景

以下是可以尝试的任务示例，执行效果取决于所选模型、实际资料和设备权限。

连续语音对话与打断

在“设置 → 语音交互”确认系统识别服务可用，并保存、试听播报设置。启动 dsh、配置聊天模型后，通过“页面导航 → 语音”开始对话，按提示授予麦克风权限，等页面显示“正在听”再说问题。

识别完成后立即显示你的文字，助手回答随后逐步补入，并按短句播报。“语音打断”默认开启：确认新的讲话内容后停止上一轮回答，并继续收取本次问题；也可点击麦克风“打断回答”。系统识别服务是否支持中间文字、扬声器回声及设备环境都会影响自动打断效果。结束语音或切换到文字对话会停止录音、合成与播放。火山音频生成服务需等待每段完整音频，延迟与 Edge 的分块播放不同。详见语音与播报。

整理文件并交付结果

读取我提供的这份笔记，整理为待办清单，保存成 Markdown 文件并交给我。

助手通过文件工具读取和写入，生成的文件可作为附件交付。文件访问、前台命令与用户直接操作的终端有不同入口，见文件与工具。

从自己的资料中查找答案

在知识库中导入一份包含备份步骤的 Markdown 笔记后，询问：

这份笔记中关于备份的步骤是什么？请给出资料引用。

关键词查找在本机执行；语义检索需用户指定的嵌入模型，把文字转成便于比较语义的一组数字，它与生成回答的模型用途不同。摘要也需单独配置。见知识资料与检索。

让助手协助操作手机

启用所需手机能力并完成系统授权后，可以尝试：

查找手机上可用的计算器应用，打开它，再告诉我当前页面有哪些可操作的控件。

应用查找只覆盖 Android 对 DSHX 可见的应用；读取控件需要有效的无障碍服务连接。无障碍服务由用户在系统设置中启用，向应用提供可见控件和允许的界面动作。见手机能力与操作流程。

常见问题

DSHX 能完全离线使用吗？

普通对话请求用户配置的模型服务。语音识别通过 Android 通用接口调用手机的系统服务，是否联网取决于该服务。有限简单文字任务可在对应文字模型准备好后本地执行。回答文字发送至用户选定的 Edge TTS 或火山引擎进行在线播报；本机小模型的任务范围见语音说明。

数据保存在手机上，还会发送给模型服务吗？
会话、附件、记忆、资料和下载的模型保存在应用私有目录。普通对话内容仍发送给所选模型服务；开启自动记忆整理后，相关对话片段可能发送给来源模型，知识嵌入和摘要也可能发送所选资料。长期记忆和自动整理默认关闭，相关服务按功能独立配置。见记忆、知识库和数据存储。

聊天页打不开，或页面能打开但没有回答，应该检查哪里？

先确认工作台中的 dsh 已启动，再检查 WebView 是否达到 126 或更新版本。页面可用但请求失败时，检查模型服务地址、模型名称、凭据与网络。见安装与首次对话验证。

为什么手机操作或语音功能不可用？

手机操作需要对应能力开关、系统授权；界面观察还需要无障碍服务连接。语音输入需要可用的系统识别服务和麦克风权限，可在“设置 → 语音交互”检查并进入系统设置；在线播报另需网络和可用的服务配置。本机关键词唤醒与可选文字模型分别准备，不再提供整句识别模型下载。见手机能力和语音说明。

备份包含全部应用数据吗？

会话备份和知识归档覆盖各自数据，两者均不包含模型密钥和独立长期记忆。卸载或清除数据前，先核对备份范围与迁移、恢复说明。

app、prototype 和 plan 分别是什么？

app/ 是正式 Android 应用；core/ 保存引擎适配模块；tools/ 是开发机上的构建与准备脚本。prototype/ 是早期独立交互演示，p0/ 是仅本地保存的早期可行性材料，正式应用不依赖它们。docs/ 保存正式说明；plan/ 保存本地计划、调研和实施记录。p0/ 与 plan/ 均由 Git 忽略。见目录与架构和原型说明。

说明文档

从文档索引开始，按需要阅读：

- 构建与使用： 开发环境、安装与定向验证、聊天界面、助手设置。
- 架构与运行： 术语和目录、典型执行流程、引擎生命周期、运行包安装、本机通信。
- 工具与扩展： 文件、命令和附件、手机能力、语音与本机小模型、插件兼容。
- 记忆与资料： 长期记忆、知识库、共享读取额度。
- 数据与来源： 存储和备份范围、迁移与归档、早期原型、技术来源与许可证。

贡献

修改前先阅读项目协作规范、架构说明和开发说明。功能和模块原理写入 docs/，计划、调研与过程记录保存在本地 plan/。

文档使用中文。提交信息采用 type(scope): 中文说明 格式：类型使用 feat、fix、docs、style、refactor、chore 等英文前缀，scope 使用英文标明涉及的模块，冒号后的说明与提交正文使用中文，例如 feat(knowledge): 增加文档导入、fix(phone): 处理无障碍服务断开、docs(readme): 整理项目说明。

验证只运行当前包或改动模块的定向测试，新增测试放入已有测试文件。构建、界面检查与真实模型验证分别报告。

致谢

感谢 DeepSeek 官方 deepseek-harness 提供智能体引擎、聊天网页和插件机制，以及 Soodok / DSH Mobile 的 Android 实践参考。依赖版本、语音模型和其他来源见技术来源与许可证。

许可证

项目自有源码采用 MIT License。参考项目的 MIT 许可原文 单独保留，第三方依赖和模型继续适用各自许可证。