💡 它解决什么？ 与智能体对话，输入不只靠键盘打字。本插件把语音识别、AI 润色、提示词优化、提示词模板四件事做顺：说出来的话自动变成干净、可直接发送的文字；写好的提示词一键优化；常用提示词随用随插。

⚠️ 关于这个版本（二次开发说明）

本仓库是 dsh-better-input（MIT）的二次开发版本，由 sanqianshuang 维护。当前版本 0.2.1-rc.5-sqs.1 —— 前面的 0.2.1-rc.2 表示它适配的 DSH 主线版本，后缀 -sqs.N 表示本仓库自行发布的第 N 次修订。DSH 主线版本不变时前半段不动，所以版本号仍能一眼看出该装哪一版（0.1.0 适配的是 DSH 0.1.7-rc.2），同时每次重新发布又能拿到唯一的 npm 版本号。与原版的主要差别：

| 变更 | 说明 | | --- | --- | | 🔧 修复「插件被 DSH 静默丢弃」（关键） | 0.1.0 声明的 peer 范围是 >=0.1.7-rc.2 <0.2.0-0，而 0.2.0-rc.2 不满足 <0.2.0-0（0.2.0-0 是 0.2.0 的最小 prerelease）。DSH 的兼容性预检因此把整个 bundle 降级丢弃——插件完全没加载，Host 服务、麦克风按钮、设置页全部消失，而 npm run build / tsc / 各构建守卫全部照常通过。现收紧为 >=0.2.1-rc.2 <0.3.0-0，并新增 npm run check:peers 守卫（以 DSH 自身的兼容性判定为准）防复发。 | | 🔌 适配 DSH 0.2.1-rc.2 | 语音、输入触发器（/ 模板菜单）、✨ 优化按钮与两个设置分区在 dsh 0.2.1-rc.2 上重新逐项验证通过。修复一处会抛到页面的错误：无会话界面（如设置页）回退读取 dsh 的模型目录默认值时，把生成的 Remote 命名空间当成属性访问（ctx.remote.session）；Cordis 4 的上下文代理对未 inject 的命名空间直接抛 cannot get property "remote.session" without inject，该异常从渲染路径逃逸成未捕获错误。现改为按可选服务 ctx.get('remote.session') 解析，并加 check:routes 断言防复发。 | | 🎙️ 语音识别改用 DSH 自带的本地识别器 | 不再使用浏览器 Web Speech API（Chrome/Edge 上那其实是云端识别，音频会上行给浏览器厂商）。改为把 16 kHz 单声道 PCM16 WAV 交给 dsh 的语音服务，由本地 SenseVoice 在本机 CPU 上转写：离线可用、音频不出机器、无需厂商凭据。语种随之收窄为 自动 / 中文 / 英语 / 粤语 / 日语 / 韩语。详见 CHANGELOG [0.2.0-rc.2]。 | | 💰 思考强度与输入框模型解耦 | 润色与提示词优化只跟随输入框当前选择的模型，思考档位不再跟着走：档位始终由本功能自己的设置决定（默认关闭思考）。此前"跟随"把"模型 · 档位"当整体一起抄过来，于是对话里选的高档位会被按次计费到每次录音润色和每次 ✨ 上，而跟随时强度下拉框还被隐藏、插件侧无法调回去。详见 CHANGELOG [0.2.0-rc.2-sqs.1]。 | | 🎤 不再出现两个麦克风 | 本插件激活时接管 conversation.input.activity，DSH 自带的麦克风不再渲染（两者功能完全重叠：同一个本地识别器、同一个槽位语义，界面上无从区分）；插件停用后原生按钮自动回来。 | | 🔀 保留「边说边出字」 | dsh 的语音服务只有整段转写（没有流式接口），所以流式由本插件自己做：录制时按静音优先、默认每 3 秒切段转写并流入输入框；停止后用整段录音重转一次作为最终稿再润色 —— 分段只影响预览观感，不会污染最终文本。 | | ⏱️ 识别条重做：贴齐输入框 + 计时 + 静音自动停止 | 原识别条是 conversation.input.dock 槽位里唯一没有自己做宽度约束的条目，会被 flex 父级拉满整列，比输入框宽出一大截；现在按 dsh 自己的 dock 约定（--dsh-composer-card-max-width / --dsh-composer-side-clearance）居中贴齐输入框。同时条上新增已监听时长（mm:ss）、实时音量表与静音倒计时：说话后静音满 10 秒（可调、可关）自动停止并转写。 | | 🗑️ 移除「文件输入 / 文件转 Markdown / OCR」整块 | DSH 0.1.7 已原生支持文件拖拽上传、上传进度、文件卡片与重试（conversation.input.attachments / DropOverlay / FileCard），插件再挂一套 📎 文件面板与 @ 引用芯片属于重复实现，故整体删除。 | | 🔧 修复 Typert 兼容性 | 0.1.7 收紧了 Typert 边界：mode: 'strict' 的 codec 必须带 create() 工厂；旧版把 schema 直接放在 schema 属性上，会被 requireStrictCodec 拒绝（报 strict codec has no create() factory），导致整个 entry 无法激活、插件根本不加载。现已全部改为工厂形式。 | | 🔧 修复设置存储被移除的 API | 0.1.7 删除了 settings.register(namespace, schema)（0.2.0 仍无此 API），改为按 profile entry 的 SettingsForms（带 revision CAS）。本插件的设置改为自持 JSON 文件，不再依赖该 API，因而不会被后续版本反复打破。 | | 🔧 对齐依赖版本 | @deepseek-ai/cordis → ~4.0.5、@deepseek-ai/schemastery → ~3.18.5；全部 @deepseek-ai/dsh-* 类型包钉到 0.2.1-rc.2，peer 范围 >=0.2.1-rc.2 <0.3.0-0。 | | 🏷️ 身份与命名 | 包名 sqs-dsh-better-input（npm 同名）、作者 sanqianshuang；设置与模板数据目录为 ~/.dsh/sqs-dsh-better-input/（与原版互不干扰，可并存安装）。 |

从 0.1.0 升级：设置项、数据目录与用户可见行为向下兼容，不需要迁移任何数据；本版新增的设置键（streamingPreview / segmentSeconds / autoStopSeconds）在读取旧 settings.json 时自动补齐，越界值读取即修复。

与 DSH 自带的语音输入的关系（重要）：0.2.0 增加了一个可选且默认关闭的 bundle @deepseek-ai/dsh-experimental-voice-input-bundle，它带来 DSH 自己的麦克风 （conversation.input.activity 槽位，位于模型选择器与发送按钮之间）与本地 SenseVoice 识别器。

本插件的麦克风在 conversation.input.right（模型选择器左侧）。本插件激活时会接管 conversation.input.activity 这个槽位，让 DSH 自带的那个麦克风不再渲染 —— 否则输入框右侧会出现 两个麦克风（都在跑同一个本地识别器，无法分辨该点哪个）。所以装了本插件，你只会看到一个麦克风。 移除本插件后 DSH 自带的那个会自动回来。

区别在于本插件额外提供 分段流式上屏、识别后的 AI 润色、提示词优化与模板库 —— DSH 自带的那个转写完就直接进草稿，没有任何后处理。

因此：本插件必须依赖该 bundle 提供的识别服务（在插件管理页启用「语音输入」并完成约 239 MB 的模型准备）。 未启用时本插件其余功能完全正常，只是麦克风会提示"本地识别不可用"。

原版的 LICENSE 与版权声明已在 LICENSE 中保留，符合 MIT 要求。

✨ 功能

🚀 安装

前置：DeepSeek Harness（0.2.1-rc.2）+ Node.js ^22.19.0 || >=24.0.0，并在 profile 中启用 DSH 的语音 bundle（插件管理页的「语音输入」，首次使用需准备约 239 MB 模型）。浏览器只需支持 getUserMedia 与 Web Audio，不再需要 Chromium 专有的 Web Speech API。

方式 A：从 npm 安装（推荐）

# 有全局 dsh CLI
dsh plugin --profile web add sqs-dsh-better-input

# 没有全局 dsh（用 npx 拉取）
npx -y @deepseek-ai/dsh plugin --profile web add sqs-dsh-better-input

升级到最新版：

dsh plugin --profile web update sqs-dsh-better-input

卸载：

dsh plugin --profile web remove sqs-dsh-better-input

方式 B：从本地目录安装（开发 / 二次开发）

dsh plugin --profile web add /path/to/sqs-dsh-better-input
npx -y @deepseek-ai/dsh plugin --profile web add /path/to/sqs-dsh-better-input

方式 C：从源码构建

git clone https://github.com/sanqianshuang/sqs-dsh-better-input.git
cd sqs-dsh-better-input
npm install --legacy-peer-deps   # 见下方说明
npm run build
dsh plugin --profile web add "$PWD"

--legacy-peer-deps：0.2.1-rc.2 的这批类型包（dev 依赖）之间存在 npm 难以自解的 peer 链（如 dsh-api-remotes → dsh-scope）。它们只用于编译期类型、不会被打进产物（客户端 bundle 已把 @deepseek-ai/* 全部外置），因此放宽 peer 校验是安全的。

备选：不装依赖，写进 preset 的 cordis.yml

- insert:
    - id: sqs-dsh-better-input
      name: sqs-dsh-better-input

安装后刷新 Web UI，输入框右侧会出现麦克风图标 🎤。

📖 使用

1. 语音输入

1. 打开任意对话，点击输入框右侧的麦克风按钮
2. 开始说话，识别文字实时流入输入框

输入框上方会出现识别条：正在聆听… 00:12 是已监听时长，后面的波形是你的实时音量（能一眼看出麦克风是否收到声音）。 说完停下后，条上出现倒计时 10 秒后自动停止（设置里可改，也可设为 0 关闭）；倒计时归零就自动停止并开始转写，不用再点一次按钮。你随时可以手动点停止语音输入提前结束。

3. 再点按钮（或识别条上的停止）结束
4. 检查、修改、发送

识别在你的机器上完成：浏览器只负责录音，转写由 dsh 的语音服务（本地 SenseVoice）完成，音频不上行到任何云端。 首次录音会唤醒识别进程（约 1 秒），之后更快。 若提示"本地识别不可用"，去 设置 → BetterInput → 「本地识别器」查看状态并点「下载并准备模型」。

2. AI 润色

设置 → BetterInput → 打开 AI 润色。润色默认跟随输入框当前选中的模型，换模型即时生效， 不必在这里再选一次；想固定用某个模型，把「跟随输入框所选模型」关掉，下面的「润色模型」随即生效 （读不到输入框模型时它也是回退）。

思考强度是独立的：「润色思考强度 / 优化思考强度」任何时候都可以单独设置， 不会因为跟随而继承输入框的档位——把输入框调到高档位不会让每次录音和每次 ✨ 变贵。 保持「默认（关闭思考）」最省。

内置提示词会：去口头禅、修 ASR 同音错字、补标点、把口语列举转成编号列表（如「第一…第二…」→ 1. 2.）。留空用内置提示词，点「查看内置提示词」可展开原文；或粘贴自定义提示词（总会追加输出契约保护，保证只返回正文、不答非所问）。

3. 提示词优化

1. 在输入框里写好你的提示词
2. 点击输入框右侧的 ✨ 优化 图标
3. 稍等，弹出原文 / 优化结果对比画面
4. 点 采用 用优化结果替换草稿，或点 取消 保留原文

默认关闭思考，追求快速、低成本的直出结果。从设置页可手动提高思考强度。

4. 提示词模板

1. 到 设置 → BetterInput → 「提示词模板」分节，点「新建模板」
2. 填写名称、描述（可选）、正文与标签（可选，逗号分隔，用于搜索），保存
3. 回到输入框键入 /，模板候选即弹出；继续输入按名称 / 描述 / 标签实时过滤
4. 选中候选，模板正文直接插入输入框，可继续修改后发送

模板保存在宿主本地 ~/.dsh/sqs-dsh-better-input/templates.json，不经服务器、不上传；最多 200 个模板，正文上限 8000 字，列表按最近更新排序。写入走「临时文件 + 原子重命名」，文件意外损坏时自动隔离为 *.corrupt-<时间戳> 并重建。

5. 设置

| 设置项 | 说明 | | --- | --- | | 界面语言 | 插件界面文案支持中文 / 英文，跟随 DSH 界面语言切换，即时生效 | | 本地识别器 | 显示 dsh 语音服务的识别器与就绪状态；未准备时提供「下载并准备模型」 | | 识别语言 | 自动检测 / 中文 / English / 粤语 / 日本語 / 한국어（旧版填写的 zh-CN 这类值会自动映射） | | 单次录音上限 | 1–120 秒，默认 120，到点自动停止 | | 静音自动停止 | 0 = 关闭；3–120 秒，默认 10。说话后静音满这么久即自动停止并转写（倒计时显示在识别条上） | | 边录边出字（分段预览） | 开（默认）/ 关。关闭后只在停止时转写一次 | | 分段长度 | 1–10 秒，默认 3。优先在静音处切分；越短上屏越快、越容易切断词 | | AI 润色 | 开 / 关；开启后每次语音识别结束自动润色进草稿 | | 跟随输入框所选模型 | 开（默认）/ 关。开启时润色与优化都使用输入框当前选中的模型，切换即时生效；思考强度不跟随 | | 润色模型 | 「跟随」关闭时（或读不到输入框模型时）使用的回退路由 | | 润色思考强度 | 始终独立，与输入框的档位无关；「默认」= 关闭思考（默认，最省） | | 优化模型 | 同上，优化独立配置 | | 优化思考强度 | 始终独立，与输入框的档位无关；「默认」= 关闭思考（默认，最省） | | 自定义提示词 | 润色 / 优化各一份，留空用内置 | | 上下文引用轮数 | 优化时引用最近 N 轮对话（0 为关闭，默认 3） | | 提示词模板 | 设置页内新建 / 编辑 / 删除，数据保存在宿主本地 JSON | | 关于与更新 | 显示当前版本 / 许可证 / 仓库，一键「检查更新」 |

以上设置保存在 ~/.dsh/sqs-dsh-better-input/settings.json。

🧩 兼容性

• DeepSeek Harness 0.2.1-rc.2（peer 范围 >=0.2.1-rc.2 <0.3.0-0）
• Node.js ^22.19.0 || >=24.0.0
• 任意支持 getUserMedia + Web Audio 的现代浏览器（Chrome / Edge / Firefox；不再需要 Chromium 专有的 Web Speech API）
• profile 中启用 DSH 语音 bundle，并完成本地识别模型准备（约 239 MB）

peer 范围必须容纳正在运行的 dsh 版本，否则 DSH 会静默丢弃整个插件（详见 AGENTS.md 硬规则 1）。npm run check:peers 以 DSH 自身的判定逻辑校验这一点。

🛠️ 开发

npm install --legacy-peer-deps
npm run check    # 类型检查
npm run build    # 构建 lib/（Host ESM + 浏览器 bundle）
npm run verify   # 构建 + 三条构建后守卫（bundle / typert / peers）—— 提交前请跑

改 Client 端：npm run dev:watch 后刷新 UI；改 Host 端：重启 dsh web。

发布

python scripts/publish.py --bump sqs -m "release: 0.2.1-rc.2-sqs.2 —— 修了什么"

一条命令跑完：npm run verify（构建 + 守卫）→ 升版本（package.json 与 README 里的版本号 一起改）→ release 提交 → npm publish（预发布打 next，并把 latest 一并指过来）→ git push。 npm 令牌取自已登录的凭据，或 --token / $NPM_TOKEN / 仓库上一级的 npm.txt，只写进临时 .npmrc，退出即删。常用开关：--dry-run（零改动演练）、--no-publish --no-verify（只提交并 推送）、--dsh-base 0.2.0-rc.3（换 DSH 主线基线，版本重置为 -sqs.1）。

python scripts/selftest-publish.py   # 在本地假 registry 上跑完整链路，不碰真 npm / 真 origin

🏗️ 架构

• src/index.ts — Host 插件入口，挂载润色服务
• src/identity.ts — 包名 / 作者 / 仓库等身份信息的唯一来源
• src/polish/service.ts — BetterInputPolishService（Typert remote）：设置读写、dsh 模型路由发现、LLM 润色与提示词优化、提示词模板存取
• src/polish/prompts.ts — 内置润色 / 优化提示词与输出契约守卫
• src/settings/store.ts — 插件自持设置的 JSON 存储（原子写入、损坏自愈、越界值读取即修复）
• src/speech/ — Host 端语音入口：service.ts（BetterInputSpeech：状态 / 准备模型 / 转写）与 wave.ts（逐字段镜像 dsh 的 WAV 校验）
• src/templates/ — 提示词模板的数据模型与宿主端 JSON 存储
• src/about.ts — 插件身份读取与 npm 版本检查
• src/client/ — 浏览器端：麦克风 / 优化按钮（conversation.input.right）、识别条（conversation.input.dock）、设置页与模板管理（settings.section）、/ 模板候选源；composer-model.ts（读取 dsh 的 ctx.modelDirectories，让润色 / 优化跟随输入框所选模型）、native-voice-seat.ts（接管 conversation.input.activity，装了本插件就不再显示 dsh 自带的那个麦克风）、audio-capture.ts（采集 → 16 kHz WAV）、native-speech.ts（分段预览 + 终稿 + SilenceWatch 静音倒计时）、styles.ts（识别条样式，按 dsh 的 dock 宽度约定贴齐输入框）
• src/typert.ts / src/remote.ts — Client↔Host 类型化通信契约

📄 License

MIT — 保留原 dsh-better-input 项目的版权声明。

⭐ 支持

• 提交 Issue / PR
• 分享给同样用 DSH 的朋友

感谢原版作者与社区 ❤️