前言¶
DSH 的理念是「一切皆插件」，智能體可以通過插件獲得外部能力。對於需要聯網搜索、圖片理解、音視頻處理和語音合成/識別的場景，常見做法是在 shell 中手工拼裝 API 請求、處理 base64 載荷和返回內容；大載荷還會受到 shell 捕獲上限影響。dsh-mimo-agent-tools 將 Xiaomi MiMo 的搜索與多模態能力封裝爲 DSH agent 工具，減少這類手工流程。
這是什麼¶
dsh-mimo-agent-tools 是一個 DSH 插件，爲 DSH agents 提供 Xiaomi MiMo search + multimodal tools，核心工具包括 mimo_search、mimo_vision、mimo_audio、mimo_video、mimo_asr、mimo_tts。
package.json 中的插件名爲 dsh-mimo-agent-tools，版本爲 0.1.0，許可證爲 MIT；README 標題使用 mimo-agent-tools。插件線索中的維護者爲 ch1bug。
核心功能¶
搜索與推理¶
mimo_search：通過 Xiaomi MiMo API 做 web search，返回 answer + cited sources（包含site_name/logo_url）；可選force_search、user_location。mimo_think：深度思考，返回完整 reasoning chainreasoning_content+ final answer。mimo_json：通過response_format: json_object輸出結構化 JSON。
多模態理解¶
mimo_vision：圖片理解，支持本地文件或 public URL，支持 multi-image。mimo_audio：音頻理解/轉寫，支持wav/mp3/flac/ogg/m4a。mimo_video：視頻理解，支持mp4/webm/mov，可選fps/media_resolution。
語音合成與識別¶
mimo_asr：speech-to-text，可選 language hint。mimo_tts：text-to-speech，輸出.wav/.mp3，支持 preset voices 或 voice design，可選style/format。mimo_voiceclone：voice cloning，使用 reference clip + text，可選format。
使用引導¶
audio-toolsskill：指導何時使用mimo_asr、mimo_tts、mimo_voiceclone、mimo_audio。這些工具本身始終註冊；skill 只教用法，不 gate 工具。
安裝與啓用¶
先確認運行環境：
- DSH host 提供
shell和sandboxPolicy服務。 - 主機上有
python3。 - 存在
driver/mimo_driver.py。 - 已準備 MiMo API key；
web_search還要求 MiMo console 中啓用 connected-search plugin。
API key 在 tool-call time 解析：
- 優先讀取 DSH credentials service 中的
XIAOMI_API_KEY。 - 回退到環境變量
XIAOMI_API_KEY或MIMO_API_KEY。
插件不 hardcode key。
從本地目錄安裝 DSH bundle：
dsh plugin --profile web add /path/to/dsh-mimo-agent-tools
把 Python driver 安裝到默認路徑：
mkdir -p ~/.local/lib/mimo-agent-tools/driver
cp driver/mimo_driver.py ~/.local/lib/mimo-agent-tools/driver/
如果 driver 不在默認路徑，可以配置：
MIMO_DRIVER=~/.local/lib/mimo-agent-tools/driver/mimo_driver.py
MIMO_TMP=/tmp
這裏 MIMO_DRIVER 的默認值是 ~/.local/lib/mimo-agent-tools/driver/mimo_driver.py，MIMO_TMP 的默認值是 /tmp。
插件依賴 @deepseek-ai/dsh-tools，在 package.json 中聲明爲 peerDependencies。
典型用法¶
搜索¶
mimo_search 可用於 web search。user_location 可偏置結果，例如按 country/region/city 維度偏置。force_search 爲可選參數。
圖片、音頻、視頻¶
mimo_vision：傳入本地文件（自動 base64）或 public URL；可多圖片。mimo_audio：用於wav/mp3/flac/ogg/m4a文件。mimo_video：用於mp4/webm/mov文件；可選fps和media_resolution。
ASR / TTS / 聲音克隆¶
mimo_asr：可選 language hint；不要傳thinkingfield。mimo_tts：目標文本放在 assistant message；可選style/format。mimo_voiceclone：提供 reference clip 和 text；可選format，取值可爲wav/mp3。
推理與結構化輸出¶
mimo_think：在多輪 tool conversations 中，必須 echo 之前的reasoning_content，否則 API 可能返回 400。mimo_json：prompt 中需要明確 JSON shape description；max_completion_tokens要足夠，避免 JSON 中途截斷。
適用場景與注意¶
適合在 DSH 中讓 agent 調用 Xiaomi MiMo 的搜索、圖片、音頻、視頻、ASR、TTS 和 voice cloning 能力。
使用前注意：
web_search依賴 MiMo console 中啓用的 connected-search plugin。- 插件需要 DSH host 的
shell和sandboxPolicy服務，以及主機python3和driver/mimo_driver.py。 - Python driver 用於避免 shell stdout truncation；DSH 的 bash seam caps at 64KB。
mimo_think和mimo_json有明確的 prompt / 多輪字段要求，按上面的限制使用。- 插件以當前 DSH 進程權限運行；安裝前應檢查源碼、依賴和
MIT許可證。
結尾¶
dsh-mimo-agent-tools 的價值是把 Xiaomi MiMo 的搜索與多模態能力落到 DSH agent 工具鏈裏：搜索、思考、JSON、圖片、音頻、視頻、ASR、TTS、voice cloning 都以工具形式暴露，並用 Python driver 降低 shell 處理大 payload 的風險。
插件目錄頁線索：
https://www.skillhub.cn/plugins/ch1bug/dsh-mimo-agent-tools
GitHub 倉庫線索：
https://github.com/ch1bug/dsh-mimo-agent-tools
上述鏈接來自插件線索；社區目錄是獨立站點，與 DeepSeek / 幻方無官方從屬關係，也不是官方應用商店。
