前言¶
在 DeepSeek Harness 里做开发，桌面伴侣 dsh-dafeiyu 已经能把 Agent 的思考、改文件、等确认等状态叠在透明置顶窗口上，还能看余额。但若希望「叫一声就聊、查天气要快、写代码再走 Agent」，原版没有完整的听与说链路。社区维护者 cooleye 在 QCYTSN/dsh-dafeiyu 基础上做了二次开发仓库 cooleye/dsh-dafeiyu-pro：保留上游状态机与桌宠动画，增加本地唤醒、云端流式 ASR/TTS，以及闲聊 / 查数据 / 长任务的分级路由。下面按定位、能力、安装与注意点说明。
这是什么¶
dsh-dafeiyu-pro 是 DeepSeek Harness 的客户端类桌面伴侣插件（package 名 dsh-dafeiyu-pro，当前版本 0.1.23）。README 写明这是 fork，不是原创：上游 dsh-dafeiyu 由 QCYTSN 开发（MIT）；本仓库在同一协议下叠加语音能力。动画与状态显示仍沿用上游；companion-reducer.js 状态机核心与上游一致，动画素材仍来自 PC2005-cloud/dsh-pet（MIT）。
核心功能（以 README 当前进度为准）¶
保留的上游能力¶
- 透明置顶原生窗口展示 Agent 实时状态
- 桌宠动画、图标、光标、音效与余额相关逻辑
语音链路（README 标注 Phase 0–4 已完成）¶
整体交互在文档中概括为：唤醒 → 回应 → 听写 → 转写 → 意图分流 → 合成播放，并支持流式播放时打断。
-
唤醒（本地）
默认唤醒词「大肥鱼」，可配置；使用 sherpa-onnx KWS，待命态不触发云端。README 记载唤醒 PoC 实测 3/3 命中。 -
语音识别（云端流式）
阿里云paraformer-realtime-v2；VAD 断句，支持连续多段（文档记载 6 段识别正确、会话不串）。 -
语音合成（云端流式）
阿里云 Qwen-TTS / MiniMax；按句切分、逐句播放。云端失败时可回落本地 TTS（规划说明中有写）。 -
意图分流（三级）
| 路径 | 典型触发 | 处理方式 |
|------|----------|----------|
| chat | 寒暄、情绪 | 直连 LLM，文档记载约 0.5~1s 量级 |
| data | 天气、新闻等 | LLM + 搜索等工具，约 1~2s |
| task | 写文档、改代码等 | 交给 DSH agent，先垫场再异步执行 |
设计动机在 README 中写得很直接：统一走 Agent 时简单问候也要等数十秒，体验差；分流后快路径保持低延迟，慢路径用垫场话。
- 长期记忆
README 中 Phase 5 为「未开始」，正文能力以当前已跑通链路为准，不当作现成特性承诺。
技术选型摘要¶
| 层面 | 选型 |
|---|---|
| 桌面壳 | PySide6 (Qt6)，沿用上游 |
| 插件层 | Cordis (DSH) |
| 唤醒 | sherpa-onnx KWS |
| ASR | 阿里云 paraformer-realtime-v2 |
| TTS | 阿里云 Qwen-TTS |
| 音频采集 | sounddevice (PortAudio) |
| 意图 | 规则 + 小模型兜底 |
详细设计见仓库内 docs/VOICE-DESIGN.md，测试说明见 docs/TESTING.md。
安装与启用¶
插件在 DSH 桌面 profile 下以 link 模式 安装，便于改代码实时生效。官方 README 给出的命令如下（将占位符换成你本机克隆或解压后的仓库绝对路径）：
dsh plugin --profile desktop add link:<本仓库绝对路径>
前置环境（开发或本地构建时）：Node.js ≥ 22.19、Python ≥ 3.10、pnpm。若需在本机构建各平台 helper，可使用 npm run build:helper:windows / build:helper:linux / build:helper:darwin；日常开发亦可 npm run helper:visual 直接起带窗口的 helper（见 README「开发环境」）。
典型用法与配置预期¶
README 未给出单独的 dsh plugin config 字段清单于本摘抄片段；语音能力依赖云端 ASR/TTS 与 LLM，使用前需在仓库说明与 docs/ 中核对所需密钥与模型名。文档提示：部分模型在特定 key 上可能 429，默认倾向使用 qwen-flash 等可用型号。
交互流程可复现为文档中的完整链路：
- 说「大肥鱼」→ 本地 KWS 命中 → 回应「我在」
- 进入听写，云端流式转写用户语句
- 经意图分流走 chat / data / task 之一
- TTS 流式合成并播放，可中途打断
在 Windows 上，README 特别说明：MME / DirectSound / WASAPI 可能被其他程序（含 DSH 自带语音输入）独占，项目已对 WDM-KS 做自动降级，排音频问题时可对照该说明。
验证质量可不依赖麦克风：npm test 与 npm run test:python（README 记载 17 个自动化用例可在不联网、不用麦克风下通过）。
适用场景与注意¶
适合谁：已在用或打算用 dsh-dafeiyu 桌宠、希望同窗口内保留 Agent 状态展示，同时用唤醒词驱动闲聊、查实时信息、把重活交给 DSH agent 的桌面用户。
权限与安全：与其它 DSH 插件一样，插件逻辑随当前 DSH 进程权限运行；安装前请阅读源码、LICENSE 与 ASSET_LICENSE.md（区分 MIT 源码与已移除的受限 legacy 素材说明）。
生态说明：DeepSeek Harness 奉行「一切皆插件」；SkillHub 目录页 是社区站点，与 DeepSeek / 幻方无官方从属关系。本仓库为社区独立分支，问题可先查上游 issue，再查本 fork。
进度边界：fork 声明中部分表格将「意图分流」「长期记忆」标为规划中，与「当前进度」表并存时，以实现状态表（Phase 4 完成等）为准；上游未合并前，语音相关 bug 需以本仓库 issue 为主。
结尾¶
dsh-dafeiyu-pro 在不大动上游桌宠与状态机的前提下，把「叫大肥鱼 → 听 → 分流 → 说」串成可测链路，适合想给 DSH 桌面加语音入口的开发者与用户。进一步细节与实测数据见 GitHub 仓库 与 SkillHub 插件页。
