🎤 dsh-better-input

给 DeepSeek Harness 的智能体换一副更顺手的「输入」。

开源输入体验增强插件 · BetterInput for your DeepSeek Harness agent

English · 简体中文

💡 它解决什么？ 与智能体对话，输入不该只有键盘打字。语音说出来、PDF 甩进来、提示词一键优化——把更多种「输入」变成与智能体顺畅交谈的方式。图片输入 DSH 原生已支持，BetterInput 专注把其余还没被官方覆盖的输入做得更好。这才是 BetterInput 的意义：不只是语音，是更好的输入。

---

✨ 目前已实现

模块	说明
🎙️ 语音输入	点击麦克风，边说边转写，文字实时流式进入输入框。浏览器原生识别，无需 API Key。
🤖 AI 润色	识别后自动清理：去口头禅、修同音错字（根木鹿→根目录、脱肯→Token）、补标点、把口语列举转成编号列表。复用 dsh 已配置的模型，无需额外 Key。
🐘 防覆盖保护	润色进行中你手动改了草稿，结果不会覆盖你的编辑；失败保留原文。
⏱️ 录音自动停止	可自定义单次录音上限（1–600 秒），不占麦克风。
⚙️ 可视化设置页	识别语言、录音时长、润色开关、润色模型、自定义提示词，全部在设置里配置；内置提示词可一键展开查看。

🗺️ 下一步（输入增强的方向）

BetterInput 的目标是成为一套完整的输入体验增强套件。语音只是开始，接下来围绕"让喂给智能体的每一个输入都更顺"逐步展开：

文字 & 提示词

• ✨ 提示词优化 — 输入框旁点一个图标，AI 帮你润色/优化写好的提示词，让提问更能命中
• 📝 提示词模板库 — 一键插入常用模板（写代码 / 总结 / 翻译 / 角色扮演…）
• 🧹 文本清洗 — 粘贴乱码 / 带行号 / 时间戳的文本，自动整理成干净正文
• 🔤 即时翻译 — 写中文一键转英文给 AI（或反之）
• 📋 智能粘贴 — 粘贴自动识别是代码 / 表格 / URL / 引用，智能包裹成合适格式

媒体 & 文件

📷 图片输入：DSH rc.8 起已原生支持（粘贴 / 拖拽 / 选择文件），无需插件。BetterInput 专注官方尚未覆盖的方向。

• 🧾 PDF 转结构化 — PDF → AI 友好的易读格式（Markdown / 纯文本）
• 🎬 音视频转写 — 粘贴本地音视频文件 → 转成文字（语音输入的进阶）

效率 & 协作

• ⏱️ 草稿恢复 — 上次没发完的草稿自动保存，随时恢复
• 🧮 变量填充 — 输入框里用 {{日期}}、{{当前目录}} 等变量自动替换
• 📎 快捷输入流 — 日报 / 周报等固定模板一键发送

以上按主题规划，会持续迭代。有想法欢迎提 Issue / PR，一起把它做成更好的输入套件。

🚀 安装

前置：DeepSeek Harness（>= 0.1.0-rc.6）+ Node.js ^22.19.0 || >=24.0.0 + Chrome/Edge 浏览器。

💡 两种方式，任选其一。 装过 dsh CLI 的用短命令；没装或不想全局安装的，用下方 npx 全称——不需要任何全局环境配置。

方式 A：有全局 dsh CLI

# 从 GitHub 仓库安装
dsh plugin --profile web add github:DIAG5/dsh-better-input

# 卸载
dsh plugin --profile web remove dsh-better-input

方式 B：没有 dsh，或不想全局安装（npx 全称）

下面的命令用 npx 直接运行 dsh CLI，不写入全局环境，临时拉取即可用：

# 从 GitHub 仓库安装
npx -y @deepseek-ai/dsh plugin --profile web add github:DIAG5/dsh-better-input

# 卸载
npx -y @deepseek-ai/dsh plugin --profile web remove dsh-better-input

-y 表示自动确认下载；首次运行会拉取 dsh CLI，之后有 npx 缓存。

从源码安装（开发）

git clone https://github.com/DIAG5/dsh-better-input.git
cd dsh-better-input
npm install
npm run build
# 有全局 CLI：
dsh plugin --profile web add "$PWD"
# 没有全局 CLI：
npx -y @deepseek-ai/dsh plugin --profile web add "$PWD"

备选：不装依赖，写进 preset 的 cordis.yml

如果你已经在用某个 agent preset，只需要加一行（无需跑安装命令）：

- insert:
    - id: dsh-better-input
      name: 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
3. 再点按钮（或识别条上的停止）结束
4. 检查、修改、发送

识别完全在浏览器本地完成（Web Speech API），无需 API Key、无服务器往返。Firefox/Safari 不支持时按钮自动禁用。

2. AI 润色

设置 → BetterInput → 打开 AI 润色 → 选择一个 dsh 里已配置的模型。

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. 设置

设置项	说明
识别语言	留空自动跟随浏览器语言（如 zh-CN、en-US）
单次录音上限	1–600 秒，默认 120，到点自动停止
AI 润色	开/关
润色模型	选择 dsh 已配置的模型路由
自定义润色提示词	可选，替换内置提示词

🧩 兼容性

• DeepSeek Harness >= 0.1.0-rc.6
• Node.js ^22.19.0 || >=24.0.0
• Chromium 内核浏览器（Chrome / Edge）

🛠️ 开发

npm install
npm run check    # 类型检查
npm run build    # 构建 lib/（Host ESM + 浏览器 bundle）

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

🏗️ 架构

• src/index.ts — Host 插件入口，挂载润色服务
• src/polish/service.ts — BetterInputPolishService（Typert remote）：设置、dsh 模型路由发现、LLM 润色（复用 ctx.llm）
• src/client/ — 浏览器端：麦克风按钮（conversation.input.right）、识别条（conversation.input.dock）、设置页（settings.section）
• src/typert.ts / src/remote.ts — Client↔Host 类型化通信契约

📄 License

MIT

---

⭐ 支持

这个插件正在从「语音」走向「完整的输入增强套件」——觉得它值得期待？

• 点个 Star ⭐（你的收藏就是持续迭代的动力）
• 提交 Issue / PR
• 分享给同样用 DSH 的朋友

感谢你的支持 ❤️