前言¶
在 DeepSeek Harness 裏做開發，桌面伴侶 dsh-dafeiyu 已經能把 Agent 的思考、改文件、等確認等狀態疊在透明置頂窗口上，還能看餘額。但若希望「叫一聲就聊、查天氣要快、寫代碼再走 Agent」，原版沒有完整的聽與說鏈路。社區維護者 cooleye 在 QCYTSN/dsh-dafeiyu 基礎上做了二次開發倉庫 cooleye/dsh-dafeiyu-pro：保留上游狀態機與桌寵動畫，增加本地喚醒、雲端流式 ASR/TTS，以及閒聊 / 查數據 / 長任務的分級路由。下面按定位、能力、安裝與注意點說明。
這是什麼¶
dsh-dafeiyu-pro 是 DeepSeek Harness 的客戶端類桌面伴侶插件（package 名 dsh-dafeiyu-pro，當前版本 0.1.23）。README 寫明這是 fork，不是原創：上游 dsh-dafeiyu 由 QCYTSN 開發（MIT）；本倉庫在同一協議下疊加語音能力。動畫與狀態顯示仍沿用上游；companion-reducer.js 狀態機核心與上游一致，動畫素材仍來自 PC2005-cloud/dsh-pet（MIT）。
核心功能（以 README 當前進度爲準）¶
保留的上游能力¶
- 透明置頂原生窗口展示 Agent 實時狀態
- 桌寵動畫、圖標、光標、音效與餘額相關邏輯
語音鏈路（README 標註 Phase 0–4 已完成）¶
整體交互在文檔中概括爲：喚醒 → 回應 → 聽寫 → 轉寫 → 意圖分流 → 合成播放，並支持流式播放時打斷。
-
喚醒（本地）
默認喚醒詞「大肥魚」，可配置；使用 sherpa-onnx KWS，待命態不觸發雲端。README 記載喚醒 PoC 實測 3/3 命中。 -
語音識別（雲端流式）
阿里雲paraformer-realtime-v2；VAD 斷句，支持連續多段（文檔記載 6 段識別正確、會話不串）。 -
語音合成（雲端流式）
阿里雲 Qwen-TTS / MiniMax；按句切分、逐句播放。雲端失敗時可回落本地 TTS（規劃說明中有寫）。 -
意圖分流（三級）
| 路徑 | 典型觸發 | 處理方式 |
|------|----------|----------|
| chat | 寒暄、情緒 | 直連 LLM，文檔記載約 0.5~1s 量級 |
| data | 天氣、新聞等 | LLM + 搜索等工具，約 1~2s |
| task | 寫文檔、改代碼等 | 交給 DSH agent，先墊場再異步執行 |
設計動機在 README 中寫得很直接：統一走 Agent 時簡單問候也要等數十秒，體驗差；分流後快路徑保持低延遲，慢路徑用墊場話。
- 長期記憶
README 中 Phase 5 爲「未開始」，正文能力以當前已跑通鏈路爲準，不當作現成特性承諾。
技術選型摘要¶
| 層面 | 選型 |
|---|---|
| 桌面殼 | PySide6 (Qt6)，沿用上游 |
| 插件層 | Cordis (DSH) |
| 喚醒 | sherpa-onnx KWS |
| ASR | 阿里雲 paraformer-realtime-v2 |
| TTS | 阿里雲 Qwen-TTS |
| 音頻採集 | sounddevice (PortAudio) |
| 意圖 | 規則 + 小模型兜底 |
詳細設計見倉庫內 docs/VOICE-DESIGN.md，測試說明見 docs/TESTING.md。
安裝與啓用¶
插件在 DSH 桌面 profile 下以 link 模式 安裝，便於改代碼實時生效。官方 README 給出的命令如下（將佔位符換成你本機克隆或解壓後的倉庫絕對路徑）：
dsh plugin --profile desktop add link:<本倉庫絕對路徑>
前置環境（開發或本地構建時）：Node.js ≥ 22.19、Python ≥ 3.10、pnpm。若需在本機構建各平臺 helper，可使用 npm run build:helper:windows / build:helper:linux / build:helper:darwin；日常開發亦可 npm run helper:visual 直接起帶窗口的 helper（見 README「開發環境」）。
典型用法與配置預期¶
README 未給出單獨的 dsh plugin config 字段清單于本摘抄片段；語音能力依賴雲端 ASR/TTS 與 LLM，使用前需在倉庫說明與 docs/ 中核對所需密鑰與模型名。文檔提示：部分模型在特定 key 上可能 429，默認傾向使用 qwen-flash 等可用型號。
交互流程可復現爲文檔中的完整鏈路：
- 說「大肥魚」→ 本地 KWS 命中 → 回應「我在」
- 進入聽寫，雲端流式轉寫用戶語句
- 經意圖分流走 chat / data / task 之一
- TTS 流式合成並播放，可中途打斷
在 Windows 上，README 特別說明：MME / DirectSound / WASAPI 可能被其他程序（含 DSH 自帶語音輸入）獨佔，項目已對 WDM-KS 做自動降級，排音頻問題時可對照該說明。
驗證質量可不依賴麥克風：npm test 與 npm run test:python（README 記載 17 個自動化用例可在不聯網、不用麥克風下通過）。
適用場景與注意¶
適合誰：已在用或打算用 dsh-dafeiyu 桌寵、希望同窗口內保留 Agent 狀態展示，同時用喚醒詞驅動閒聊、查實時信息、把重活交給 DSH agent 的桌面用戶。
權限與安全：與其它 DSH 插件一樣，插件邏輯隨當前 DSH 進程權限運行；安裝前請閱讀源碼、LICENSE 與 ASSET_LICENSE.md（區分 MIT 源碼與已移除的受限 legacy 素材說明）。
生態說明：DeepSeek Harness 奉行「一切皆插件」；SkillHub 目錄頁 是社區站點，與 DeepSeek / 幻方無官方從屬關係。本倉庫爲社區獨立分支，問題可先查上游 issue，再查本 fork。
進度邊界：fork 聲明中部分表格將「意圖分流」「長期記憶」標爲規劃中，與「當前進度」表並存時，以實現狀態表（Phase 4 完成等）爲準；上游未合併前，語音相關 bug 需以本倉庫 issue 爲主。
結尾¶
dsh-dafeiyu-pro 在不大動上游桌寵與狀態機的前提下，把「叫大肥魚 → 聽 → 分流 → 說」串成可測鏈路，適合想給 DSH 桌面加語音入口的開發者與用戶。進一步細節與實測數據見 GitHub 倉庫 與 SkillHub 插件頁。
