🎤 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

💡 它解决什么？ 与智能体对话，输入不只靠键盘打字。BetterInput 是一套输入增强套件：从语音识别、AI 润色、提示词一键优化，到把 PDF / DOCX / PPT / XLSX 等各类文件转成结构清晰的 Markdown，再到交互细节都打磨的体验优化——把每一种「喂给智能体的输入」都变得更好。

✨ 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。
✨ 提示词优化	输入框右上角一个图标，AI 帮你把写好的提示词优化得更精准；点击后弹出原文 / 优化结果对比，确认满意再采用。复用 dsh 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。
🔄 更新检查	设置页底部「关于与更新」一键检测 npm 最新版，发现新版会给出一键复制更新命令，让你及时跟进修复与新功能。
⏱️ 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、语音润色开关、以及润色 / 优化的模型、思考强度、自定义提示词，全部可在设置里配置；内置提示词可一键展开查看。默认已开启并自动选中主模型。

🗺️ 下一步（输入增强的方向）

BetterInput 是一套完整的输入增强套件：不只是某一类输入，而是让喂给智能体的每一种输入都更顺、更省心。语音已经就位，接下来围绕三个方向展开：

文件 → 结构化（输入格式升级）

📷 图片输入：DSH rc.8 起已原生支持。DeepSeek API 已原生支持图片输入，不再提供图片相关的插件功能。

把文稿、表格、演示文件一键转成结构清晰的 Markdown，让 AI 一看就懂。

🧾 PDF 转结构化 — PDF → AI 友好的易读格式（Markdown / 纯文本）
📄 Office 文档解析 — DOCX / PPT / XLSX 一键转成清晰的 Markdown 结构
🎬 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）

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

交互体验优化

输入不只是功能，也讲究好用与美观——把交互细节打磨到位。

🎚️ 思考强度滑块 — 已移除；如需滑块式推理强度调节，可安装 @HanaAyane/dsh-reasoning-effort
✍️ 半自动补全 — 输入时基于上下文给出续写建议，可一键采纳
🧮 变量填充 — 输入框里用 {{日期}}、{{当前目录}} 等变量自动替换

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。

💭 关于设置里的开关：对于改动 DSH 核心自带插件的功能，在设置界面里再加一个开关其实是多此一举——如果一个功能原则上可以剥离出去作为一个独立插件，那就应该通过安装 / 卸载来开关，而不是在 BetterInput 设置里多一个 toggle。所以本插件不再为核心功能的开关买单：凡是可以剥离出去的功能，BetterInput 都已经剥离出去了，需要时单独安装对应插件，不需要就卸载即可。

🚀 安装

前置：DeepSeek Harness（>= 0.1.0-rc.8）+ 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。已发布到 npm。

方式 A：有全局 `dsh` CLI

# 从 npm 安装（推荐）
dsh plugin --profile web add dsh-better-input

# 或从 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 npm 安装（推荐）
npx -y @deepseek-ai/dsh plugin --profile web add dsh-better-input

# 或从 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

打开任意对话，点击输入框右侧的麦克风按钮
开始说话，识别文字实时流入输入框
再点按钮（或识别条上的停止）结束
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. 提示词优化

在输入框里写好你的提示词
点击输入框右上角的 ✨ 优化 图标
稍等，弹出原文 / 优化结果对比画面
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以获得更深层的优化。

4. 检查更新

打开设置 → BetterInput → 拉到最底部「关于与更新」分节
点击「检查更新」
若发现新版本，会显示 当前版本 → 最新版本，并给出更新命令
在终端执行更新命令即可升级（按你的安装方式二选一）：
- 已全局安装 dsh CLI：
```
dsh plugin --profile web update dsh-better-input
```
- 未全局安装，改用 npx：
```
npx -y @deepseek-ai/dsh plugin --profile web update dsh-better-input
```

说明：DSH 不会在你进入时自动更新第三方插件，需手动执行上面命令才会拉到新版。这个分节就是帮你及时发现并跟进更新。

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 界面语言一键切换，即时生效
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；开启后每次语音识别结束自动润色进草稿
润色模型	选择 dsh 已配置的模型路由
润色思考强度	默认关闭思考；可选模型支持的更高档位
自定义润色提示词	可选，替换内置提示词
提示词优化	开/关；开启后输入框右侧显示 ✨ 按钮
优化模型	选择 dsh 已配置的模型路由
优化思考强度	默认关闭思考；可选模型支持的更高档位
自定义优化提示词	可选，替换内置优化提示词
关于与更新	显示当前版本 / 许可证 / 仓库，一键「检查更新」获取最新版与更新命令

润色与优化的模型、思考强度、提示词相互独立，可各自配置。

🧩 兼容性

DeepSeek Harness >= 0.1.0-rc.8
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 润色与提示词优化（复用 ctx.llm）
src/about.ts — 插件身份读取与 npm 版本检查（「关于与更新」）
src/client/ — 浏览器端：麦克风按钮/优化按钮（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 ❤️

DIAG5/dsh-better-input