zjzqs/dsh-client-ui-voice-input

README 摘要

dsh-client-ui-voice-input English 中文 语音输入 + 提示词优化插件 for DeepSeek Harness 的 Web GUI（ dsh web ）。 输入框工具行右侧（发送按钮左边）有两个按钮： 1. 🎤 语音输入 ：点击开始连续监听（不会因停顿自动断掉），识别文字 实时 写入草稿箱 （最终+中间结果原地替换，不叠加不重复），意外中断自动恢复； 再点一下结束。识别用浏览器 Web Speech API（ SpeechRecognition ），纯前端。 2. ✨ 优化提示词 ：把当前草稿发给宿主端 POST /dsh-voice-input/optimize 端点，由 harness 自己的 LLM 服务（ ctx.llm ，provider/model 取 agentDefaultModel 的当前默认值，即 DeepSeek， 已关闭推理 ）重写为更 清晰、具体的提示词，成功后替换草稿；若优化期间草稿被修改则不覆盖。优化 成功后 ✨ 按钮 变为撤回图标（↶） ，点击恢复优化前的草稿，撤回入口 常驻直到被使用或草稿变化。优化中/成功/失败有状态提示条。 - 默认识别语言： zh-CN （普通话），修改 lib/client.js 顶部的 RECOGNITION LANG 常量后重新部署 - 识别走 Chromium 内置的 Web Speech 云端识别，需要联网 - 支持浏览器：Chrome / Edge；Firefox 不支持（按钮置灰并提示） 工作原理 - 包声明 dsh.client: { platform: "web" } ；浏览器端 bundle 在 lib/client.js （ window. ModuleLoader .load({ id, factory }) 工厂格式， 与官方 dsh-client-ui- 包一致） - apply(ctx) 把组件注册进 conversation.input.right 插槽； locale 命名空间 voice.input 提供中/英文案 - 宿主端 lib/index.js 注入 webServer / llm / agentDefaultModel 服务， 注册 /dsh-voice-input/optimize 精确路由：读请求体 → ctx.llm.stream （system 提示词限定"只返回优化后的提示词"， reasoningEffort: "off" ， 30s 超时，4096 token 上限）→ 返回 { text } ；所有错误路径返回 JSON 错误 - 依赖：宿主端需要 @deepseek-ai/dsh-llm （npm 安装插件时会自动带上） 安装到另一台电脑（从 GitHub） 前提 ：该电脑已能运行 dsh web ，浏览…

分类