前言¶
DeepSeek Harness（DSH）通过插件把工具暴露给模型，但默认进程既听不到系统播放的内容，也看不到屏幕，更无法在 Windows 桌面上替用户点按。若要在工作流里做「听到一句话再决策」「截屏给模型看」「配合 RPG Maker 类游戏读状态并按键」，通常要自行接 WASAPI、Whisper、截屏与本地桥接服务，和 DSH 的 Cordis 配置也要对齐。
下面介绍社区插件 dsh-dsgirl（维护者 xiazhiyehuo），在 Windows 上为 Harness 增加本地语音转写、截屏与可选的游戏桥接操作，纯 CPU 运行，不依赖显卡。插件归类为「工作流」，可在 SkillHub 目录页 查看条目；社区目录为独立站点，与 DeepSeek / 幻方无官方从属关系。
这是什么¶
dsh-dsgirl 的定位是：给 DeepSeek Harness 装上耳朵、眼睛和手——听见系统在放什么声音、看见屏幕、并在配合游戏桥接时在电脑上替玩家按键。音频采集走 WASAPI，仅支持 Windows（package.json 中 os 为 win32）。许可证为 MIT，当前包版本 0.1.0，要求 Node.js >= 20。
核心功能¶
插件通过 Cordis 向模型注入一组工具（inject: [tools]）。README 中列出的能力如下。
| 工具 | 作用 |
|---|---|
hear |
截取最近 N 秒声音转成文字，并判断「人说话 / 音乐 / 环境音 / 静音」，附带响度、BPM |
mic_status |
麦克风自检：默认设备、是否静音、音量、是否被别的软件占用 |
see |
截屏作为图片送进模型视野，可选坐标网格叠加 |
game_state |
读游戏状态：场景、地图、坐标、血量、金币、当前对话 |
game_press |
替玩家按键：确认 / 取消 / 菜单 / 方向键 |
game_move |
让角色走几步，返回实际移动格数 |
game_* 需要游戏侧配合：把仓库中的 gamebridge/GameBridge.js 放进游戏的 js/plugins/，在 js/plugins.js 注册一行。游戏启动后会在 127.0.0.1:7311 开一个本地接口。
hear 成功时返回结构示例（节选）：
{
"ok": true, "source": "ring(5s)", "duration": 5.0,
"text": "听得清楚吗", "lang": "zh",
"sonic": { "loudness_db": -30.6, "bpm": 80.0, "sounds_like": "人声/对白" }
}
README 说明：回环采集只对系统正在播放的声音生效；单个音频文件需用 source: file。识别依赖 faster-whisper，不是「真听觉」——声音被翻译成文字，旋律和情绪主要靠特征数值描述。
安装与启用¶
1. 安装 DSH 插件¶
官方命令（web profile）：
dsh plugin --profile web add github:xiazhiyehuo/dsh-dsgirl
也可手工：在 profile 的 package.json 里 dependencies 增加 "dsh-dsgirl": "link:<仓库路径>"，dsh.profile.bundles 增加 "dsh-dsgirl"，然后执行 pnpm install。
2. Python 依赖与 Whisper 模型¶
双击仓库内 scripts/setup.bat，或手动执行：
python -m pip install numpy sounddevice soundcard faster-whisper scipy
python python/download_model.py --size base
模型约 145MB（faster-whisper-base），不进仓库，首次由脚本下载。国内网络可在下载脚本中加 --mirror https://hf-mirror.com。
依赖要求：Windows + Python 3.10+。README 称在 20 核 CPU 上 5 秒音频约 1.5 秒转完。
3. 配置 Cordis¶
在 cordis.yml 的插件行中启用并可选指定 Python 路径：
- id: dsh-dsgirl
name: 'dsh-dsgirl'
inject: [tools]
config:
python: 'C:/Path/To/python.exe' # 留空用 PATH 里的 python
toolsDir: '' # 留空用仓库内 python/
环境变量：DSGIRL_MODEL_DIR 指定模型目录，DSGIRL_OUT_DIR 指定录音存档目录。
4. 重启 DSH¶
完成上述步骤后重启 DSH，工具应出现在 Harness 可用工具列表中。
两种听法¶
- ring（推荐）：常驻
python/ring.py，一直录最近 30 秒，hear往回取，不易漏掉句子开头。 - fresh：现场录 N 秒，实现简单，但启动慢半拍，头一两个字容易丢。
典型用法与注意¶
适用对象主要是 Windows 上的 DSH 智能体开发者：需要系统播放声转写、麦克风自检、截屏进模型，或与 RPG Maker 类游戏通过本地 7311 端口桥接时。
使用前请注意：
- 插件以当前 dsh 进程权限 运行，安装前应自行查看 GitHub 源码 与 MIT 许可证，确认可接受的行为范围（截屏、录音、按键等）。
- BGM 与人声混在一起时识别率会明显下降；口音重、语速快、专业词可能出错。默认
base模型中文日常对话够用；要更准可换python/download_model.py --size small（约 483MB，README 称慢约三倍）。 - 仅 Windows；Linux / macOS 不在
package.json支持范围内。
结尾¶
dsh-dsgirl 把本地 Whisper 转写、WASAPI 环回、截屏与可选游戏桥接收成一组 DSH 工具，适合在 Windows 工作流里扩展「能听、能看、能动」。条目与说明以仓库 README 为准。
- 目录页：https://www.skillhub.cn/plugins/xiazhiyehuo/dsh-dsgirl
- GitHub：https://github.com/xiazhiyehuo/dsh-dsgirl
