zjzqs/dsh-client-ui-voice-input

dsh-client-ui-voice-input

预览

语音输入 + 提示词优化插件 for DeepSeek Harness 的 Web GUI（dsh web）。

输入框工具行右侧（发送按钮左边）有两个按钮：

1. 🎤 语音输入：点击开始连续监听（不会因停顿自动断掉），识别文字实时
写入草稿箱（最终+中间结果原地替换，不叠加不重复），意外中断自动恢复；
再点一下结束。识别用浏览器 Web Speech API（SpeechRecognition），纯前端。
2. ✨ 优化提示词：把当前草稿发给宿主端 POST /dsh-voice-input/optimize
端点，由 harness 自己的 LLM 服务（ctx.llm，provider/model 取
agentDefaultModel 的当前默认值，即 DeepSeek，已关闭推理）重写为更
清晰、具体的提示词，成功后替换草稿；若优化期间草稿被修改则不覆盖。优化
成功后 ✨ 按钮变为撤回图标（↶），点击恢复优化前的草稿，撤回入口
常驻直到被使用或草稿变化。优化中/成功/失败有状态提示条。

- 默认识别语言：zh-CN（普通话），修改 lib/client.js 顶部的
RECOGNITION_LANG 常量后重新部署
- 识别走 Chromium 内置的 Web Speech 云端识别，需要联网
- 支持浏览器：Chrome / Edge；Firefox 不支持（按钮置灰并提示）

工作原理

- 包声明 dsh.client: { platform: "web" }；浏览器端 bundle 在
lib/client.js（window.__ModuleLoader__.load({ id, factory }) 工厂格式，
与官方 dsh-client-ui- 包一致）
- apply(ctx) 把组件注册进 conversation.input.right 插槽；locale
命名空间 voice.input 提供中/英文案
- 宿主端 lib/index.js 注入 webServer/llm/agentDefaultModel 服务，
注册 /dsh-voice-input/optimize 精确路由：读请求体 → ctx.llm.stream
（system 提示词限定"只返回优化后的提示词"，reasoningEffort: "off"，
30s 超时，4096 token 上限）→ 返回 { text }；所有错误路径返回 JSON 错误
- 依赖：宿主端需要 @deepseek-ai/dsh-llm（npm 安装插件时会自动带上）

安装到另一台电脑（从 GitHub）

前提：该电脑已能运行 dsh web，浏览器为 Chrome / Edge。

① 下载插件源码（或 GitHub 页面 Code → Download ZIP）
git clone https://github.com/zjzqs/dsh-client-ui-voice-input.git D:\dsh-voice-input

② web profile 目录
$profile = "$env:USERPROFILE\.dsh\profiles\web"

③ 源码放入 profile 树内（必须放 profile 目录下：宿主端 import 依赖时
从自身真实路径向上找 node_modules，放 profile 树内才能解析到）
Copy-Item -Recurse -Force "D:\dsh-voice-input" "$profile\voice-input-src"

④ 在 $profile\package.json 的 "dependencies" 里加一行：
"dsh-client-ui-voice-input": "file:./voice-input-src"
然后安装（npm 会自动装插件的依赖 @deepseek-ai/dsh-llm 并建好链接）：
& npm.cmd install --no-audit --no-fund --prefix $profile

⑤ 启用插件 —— 编辑 $profile\cordis.patch.yml：

Voice input + prompt optimization (dsh-client-ui-voice-input).
- insert:
- id: voice-input
name: dsh-client-ui-voice-input

⑥ 重启 dsh web，刷新页面后输入框右侧出现 🎤 和 ✨ 即可使用。

注意：

- dsh-client-ui-voice-input 必须是 profile package.json 的依赖，否则
npm install 会把它当多余包裁掉
- 优化功能调用该电脑 dsh 自己配置的默认模型（agentDefaultModel），
配置好 DeepSeek API key 即可，插件不存任何凭据
- 语音识别走浏览器 Web Speech 云端识别，需要联网

修改后重新部署（本机开发时）

编辑源码后同步到 profile 内的安装副本，然后重启 dsh web：

Copy-Item -Recurse -Force "本仓库目录\" "$env:USERPROFILE\.dsh\profiles\web\voice-input-src\"
重启 dsh web（杀进程 → 重新启动）

浏览器端 bundle 由服务器按请求实时读取（no-cache），仅改 lib/client.js
时刷新页面即可；改宿主端 lib/index.js 必须重启。