前言¶

在 DSH 里跑 agent，常见做法是接 API、查文档、改本地仓库。若希望 agent 能「在场」——进真实直播间、感知主播在说什么、画面在发生什么，再决定是否接一句短弹幕——需要自己拼 B 站直播搜索、拉流、弹幕 WebSocket、语音识别和视觉理解，还要处理发言频率、账号风险与权限沙箱。聊天鲸（dsh-bili-chat-whale）把这条链路做成 DSH 插件：由宿主负责发现房间、蹲房、听看与闸门，agent 只在被叫醒时通过 CLI 决定说、换房或沉默。

下面介绍插件定位、能力边界、安装步骤与典型协作方式。事实以仓库 README 与 package.json（当前发布 v0.2.0，MIT）为准。

这是什么¶

聊天鲸是维护者 1a125 发布的 DSH 联网工具类插件（社区目录：SkillHub 条目）。一句话定位：让 DSH 里的 agent 自己去找冷清的 B 站直播间，蹲进去，听懂主播在说什么、看懂画面在发生什么，再用一句短弹幕陪聊。初衷是刚开播、观众少的房间缺一个会接话的人。

源码与说明：https://github.com/1a125/dsh-bili-chat-whale。

核心功能¶

自主找房与蹲房¶

• 自主发现：按兴趣关键词搜直播间；多条关键词同时命中优先；按「人少 + 兴趣命中 + 新主播」挑房间。
• 分区导航：可只进某些直播分区，也可排除多个不想去的分区（父分区/子分区名都匹配）。
• 蹲房：弹幕 WebSocket 常驻；主播下播、待够时间、连续没声音没画面或抓流失败时自动换下一间。
• 刷新候选：设置页「刷新候选」重跑发现；「下一间」进入当前评分最高的候选，而不是只换列表。
• 主动巡查：待命超过设定秒数自动清冷却重新找房；被主播或弹幕点名会优先搭话。
• 关注与日记：可自动关注聊得来的主播（每日上限），并巡查关注列表中正在直播的主播；按人设生成观察日记，结束前自动保存。
• 巡游时间段：可设跨天时段；不在时段、停着或关闭主动巡查时停止抓流、语音、弹幕和巡查，避免空耗 token。

听懂、看懂、感受弹幕¶

插件不依赖主播配合，也不走 B 站字幕接口，分三层拼成「一次观察」：

1. 声音 → 文字（本地 SenseVoice）
   每轮用 Node 抓 20 秒直播流（FLV），ffmpeg 转成 16kHz 单声道 WAV；常驻 worker 用 sherpa-onnx-node + SenseVoiceSmall（int8，约 240MB）做 VAD 分段识别。音频不出本机，模型默认落在 <DSH_HOME>/chat-whale/asr/sensevoice。识别器不可用时，提示词会写明「这段没听到」，不让 agent 编造听到的内容。

2. 画面 → 描述（三级梯队）
   优先级依次为：DSH 视觉模型（ctx.llm + 图片附件）→ OpenAI 兼容的 HTTP 视觉接口 → Windows 本机 OCR（Windows.Media.Ocr）。同一轮 2 帧拼成一张图，只调用一次；auto 模式按 1 → 2 → 3 退避，失败会记原因。

3. 弹幕 → 现场气氛
   WebSocket 监听 DANMU_MSG、SUPER_CHAT_MESSAGE、SEND_GIFT、WATCHED_CHANGE、PREPARE 等，把最近 10 条弹幕、在线人数与下播信号交给 agent；主播提到「弹幕」「大家」等词时会提前叫醒 agent。

Agent 协作与可刹车¶

宿主不替 agent 发言。到点把最近观察、弹幕、互动状态与规矩拼成提示，投递到专属会话 bili-chat-whale（工作目录 <DSH_HOME>/chat-whale-work）。agent 通过 CLI 三选一：say（过闸门后才发）、next（换一间）或沉默。

默认 演练模式：say --go 也只记录「本来要说什么」，不发网络请求。条数、间隔、每日总量、禁用词、重复检测均可配。仓库 README 明确提示：用自动化账号在直播间发言可能违反 B 站规则；真要关闭演练前需自行评估账号风险。

其它能力包括：检查 GitHub Release 更新（git 官方仓库安装可一键更新，更新后需重启 DSH）等。

安装与启用¶

依赖¶

• Node 24（DSH 自带或本机 Node 均可）。
• ffmpeg：仓库不带二进制；可在设置页「运行环境部署 → ffmpeg → 下载 ffmpeg」装到 <DSH_HOME>/chat-whale/bin/，或自行安装并放入 PATH / 插件 bin/。
• sherpa-onnx-node：不随插件安装；DSH 实验性语音输入包会一并装上。缺失时设置页会报「sherpa-onnx」，语音不可用但其它功能仍可运行。
• SenseVoice 模型：首次在设置页点「下载模型」（约 240MB，HF-Mirror 优先并校验 SHA-256），或指定自有模型目录，或改用 DSH 内已就绪的语音服务。

装进 profile¶

若当前 DSH 支持 npm 规格，在 PowerShell 中执行：

dsh plugin --profile web add "github:1a125/dsh-bili-chat-whale"

也可通过 DSH 插件管理页安装本地目录（需先在目录内 npm install）。装完重启或热加载后，设置 → 聊天鲸 会出现新的一节。

第一次用（三步）¶

1. 打开「运行环境部署」，按提示补齐 ffmpeg、语音模型、sherpa-onnx、指令通道。
2. B 站登录：设置页扫码；登录态写入 ~/.bili-ai/credentials.json，界面永不回显。
3. 先演练：保持演练模式，模式选「只看不说」或「会开口」跑一轮，核对「主播刚才在说」、画面描述/OCR、活动记录里的拟发内容；确认后再关闭演练模式。

典型用法¶

设置页要点¶

可选环境变量（一般不必设）：FFMPEG、CHAT_WHALE_NPM_REGISTRY、CHAT_WHALE_SHERPA / DSH_SHERPA_ROOT、CHAT_WHALE_NODE、CHAT_WHALE_VISION_API_KEY、CHAT_WHALE_CONFIG。密钥只进 DSH 凭据服务或环境变量，仓库不含 API Key 或 Cookie。

Agent 侧 CLI¶

agent 在沙箱中不直接写宿主状态目录；CLI 把请求写入会话工作区 .chat-whale/inbox/，由宿主每秒扫描执行：

# 说一句（默认仍演练；配置关闭 dry-run 且闸门通过才真发）
node "<插件目录>\tools\chat-whale.mjs" say --text "这句接得挺自然" --go

# 换一间
node "<插件目录>\tools\chat-whale.mjs" next --reason "主播在引导刷礼物"

# 调试与运维
node "<插件目录>\tools\chat-whale.mjs" status
node "<插件目录>\tools\chat-whale.mjs" discover
node "<插件目录>\tools\chat-whale.mjs" observe --json
node "<插件目录>\tools\chat-whale.mjs" deps --json

配置与状态主要落在 <DSH_HOME>/bili-chat-whale.config.json 与 <DSH_HOME>/chat-whale/（含 state.json、activity.jsonl、各房间 events.jsonl / session.jsonl 等）。

适用场景与注意¶

适合谁：已在用 DSH、希望 agent 在 B 站冷门直播间做「听 + 看 + 可选短弹幕」实验的开发者；需要 Windows 环境才能用到本机 OCR 第三级，语音与拉流依赖 ffmpeg 与 SenseVoice 部署。

使用前请知悉：

• 插件以当前 DSH 进程权限运行；安装前应自行阅读源码与 MIT 许可证，评估 B 站账号与社区规则风险。
• 默认演练不真发弹幕；关闭演练前务必理解 README 中的平台风险提示。
• DSH 生态是「一切皆插件」；SkillHub 为社区目录站点，与 DeepSeek / 幻方无官方从属关系。

结尾¶

聊天鲸把「搜冷门房 → 拉流听看 → 弹幕上下文 → agent 决策 → 多层发言闸门」收成一条可配置的 DSH 插件链路，适合在可控演练下验证 agent 是否真的接得住直播现场。

• 社区目录：https://www.skillhub.cn/plugins/1a125/dsh-bili-chat-whale
• GitHub：https://github.com/1a125/dsh-bili-chat-whale