前言¶

在 DeepSeek Harness（DSH）里用语音输入，常规流程是：点一下输入框、点麦克风、说完、点插入、点发送。步骤多，桌面端打字和说话来回切换时尤其别扭。dsh-space-ptt 把这套流程压成一次长按：按住空格说话，松手后自动识别并发送。下面介绍这个插件的定位、安装、配置和实现方式。

插件由 wuyou0423 维护，归类为客户端插件，托管在 GitHub，源码仓库自带一个插件市场索引，也可以直接挂到索引源里安装。

这是什么¶

一句话定位：给 DSH 的语音输入加一个 push-to-talk（PTT）键，全局接管空格，实现「按住说话 → 松手自动发送」。

它不替代官方语音输入功能，而是叠在官方 Bundle 之上。前置条件是先用官方 Bundle @deepseek-ai/dsh-experimental-voice-input-bundle，并在设置里把语音模型下载准备好（麦克风按钮能点开）。插件还依赖官方 UI 的无障碍标签来定位按钮，属于外部契约，宿主大版本升级后需要回归一次。

核心功能¶

1. 全局模式：焦点不在输入框时按空格，自动聚焦输入框开始录音，不用先点输入框。
2. 松手即发：松手后停止识别、插入文字、发送，一气呵成。
3. 安全旁路：输入框有草稿、有弹窗打开、按住不足 250ms、中文输入法选词中，插件都不接管，空格照常工作。
4. 录音态易退：录音中按 Esc 取消，切走窗口（Alt+Tab）自动取消，不会卡在录音态。
5. 空结果与超时不发送：识别结果为空不发；超过 30s 未返回结果，转写留在草稿里不发。
6. 可关闭自动发送：改一个常量就能只把转写放进草稿，交由用户手动发送。

安装与启用¶

从 GitHub 安装¶

不需要 npm，直接用官方插件命令加 GitHub 源：

dsh plugin --profile desktop add "github:wuyou0423/dsh-space-ptt"

# 或者指定分支
dsh plugin --profile desktop add "github:wuyou0423/dsh-space-ptt#main"

装完要重启 DSH，Host 端是空壳，重启主要是让客户端 bundle 生效。

从 npm 安装¶

插件市场靠 npm 收录，发布到 npm 后可用：

dsh plugin --profile <你的 profile> add dsh-space-ptt

从本地目录开发¶

改代码时用 link 指向本地仓库：

dsh plugin --profile desktop add "link:/path/to/dsh-space-ptt"

启用前置条件¶

1. 启用官方 Bundle 语音输入：@deepseek-ai/dsh-experimental-voice-input-bundle。
2. 在设置里把语音模型「下载并准备」好，确认麦克风按钮能点开。

不满足时插件完全不接管空格，空格照常是空格，属于保守的降级行为。

典型用法¶

打开 DSH 窗口，焦点在哪都行，流程如下：

打开 DSH（焦点在哪都行）
  ↓ 按住空格
开始录音（输入框自动获得焦点）
  ↓ 松手
停止识别 → 自动插入文字 → 自动发送

不接管的边界¶

配置¶

改 lib/client.js 顶部的常量，然后刷新页面即可生效，不需要重新打包：

const AUTO_SEND = true;        // false = 只把转写放进草稿，不自动发送
const MIN_HOLD_MS = 250;       // 最短按住时长，短于此当误触
const STOP_TIMEOUT_MS = 30000; // 等待识别结果的上限
const GLOBAL_SPACE = true;     // false = 恢复成「必须先点进输入框」
const POLL_MS = 120;           // 轮询识别状态的间隔

不喜欢全局空格的，把 GLOBAL_SPACE 设成 false 即可，牺牲一点方便度换取更安全的输入行为。

它怎么实现的¶

插件不 import 宿主内部模块，而是通过官方 UI 上的无障碍标签找到按钮并点击。这样升级宿主时大概率不会碎，官方改文案时只改 SEL_* 常量即可。

两个已踩过的坑¶

1. 按住时的键盘重复事件。只拦第一个 keydown 不够，浏览器会持续发 repeat 事件，空格会灌进输入框。一旦草稿被改动，语音插件就不肯自动插入，只能手动点「插入文字」。所以录音期间必须持续 preventDefault。
2. 识别完不一定自动插入。语音插件检测到草稿被改过时，会改成保留结果并让用户点「插入文字」。插件会替用户点这个按钮兜底。

这两个坑解释了为什么需要 POLL_MS 轮询识别状态，以及为什么要知道「插入文字」按钮的 aria-label。

适用场景与注意¶

适合「桌面端为主、语音输入高频使用」的 DSH 开发者或重度用户：想用按住说话的交互、又不想改宿主代码的人。

注意几点：

• 插件只在 Web / 桌面端 Web UI 生效，配置里声明 dsh.client.platform: web。
• 全局空格意味着焦点在空白处按空格会启动录音，需要时就把 GLOBAL_SPACE 关掉。
• 依赖官方 UI 的 aria-label，属外部契约，宿主大版本升级后要回归一次「按住说话 → 插入 → 发送」的完整链路。
• 插件以当前 dsh 进程权限运行，安装前建议先检查源码与许可证（仓库为 MIT）。
• 从第三方源安装插件时，请确认源码内容与打包产物一致，不要直接在生产环境运行未经审阅的代码。

版本与运行环境：0.2.0，要求 dsh >=0.2.1-rc.2 <0.3.0、node >=20，License 为 MIT。

插件市场索引¶

仓库自带一个 DSH 插件市场索引（format 1，git 源），不经过 npm 也能在「插件 → 发现」里浏览安装：

https://raw.githubusercontent.com/wuyou0423/dsh-space-ptt/main/market/index.json

在 DSH 里：插件 → 发现 → 添加索引源，粘贴上面的 URL，刷新后即可看到「按住空格说话（对讲机）」。索引文件在 market/index.json，格式由 @deepseek-ai/dsh-plugin-market-index 校验。

小结¶

dsh-space-ptt 的价值在于把 DSH 语音输入的入口从一连串点击变成一次空格长按，同时保留了草稿、弹窗、输入法等场景下的克制行为。代价是引入了一层对官方 UI aria-label 的依赖，升级宿主时要记得回归。如果你的日常就是边打字边说话，值得装一个试试。

• 目录页：https://www.skillhub.cn/plugins/wuyou0423/dsh-space-ptt
• GitHub：https://github.com/wuyou0423/dsh-space-ptt