dsh-pet-extras
给 DeepSeek Harness（DSH）的桌面桌宠 dsh-pet 加装的扩展能力。
它本身不提供桌宠。 没装
dsh-pet这个插件就没有使用意义——请先装dsh-pet，再加这个。这是个人开发者的业余项目，不是官方扩展，与
dsh-pet作者无关。 现在是0.2.3早期版本，作者第一次用 GitHub 发布插件，功能上仍可能有 bug，遇到问题欢迎提 issue，我会尽力修。
英文说明见 README.en.md。
⚠️ 先读这个：它会截你的整个屏幕
如果这一节看完你接受不了，请不要安装。
| 它做什么 | 你要知道的 |
|---|---|
| 按你设的间隔截取主显示器整屏 | 截图里可能出现聊天记录、密码框、别人的隐私 |
| 默认只存在本地磁盘 | $DSH_HOME/dsh-pet/screenshots/，插件自己不上传任何地方 |
| 只有在你自己打开「看屏幕」之后，图才会发给模型 | 发给你自己在 DSH 里配置的模型提供方，用你自己的 API Key，费用你自己承担 |
默认状态：「看屏幕」是关的——不截图、不联网、不调用任何模型。什么都不开的话，它只是个躺在磁盘上的插件。
不想让图离开电脑，就永远别打开 screenshotEnabled。
完整的数据流图表见下面的 隐私与数据处理。
接宿主智能体：这个插件的底座，不是可选项
先讲清楚原理，后面所有功能都建在这上面。
dsh-pet 原本有个自己的小脑：它拿一个默认模型单独聊，读的是自己那份精简记忆，跟你界面里那条会话完全是两个脑子。你说过的事它不知道，它说过的事你也查不到。
这个插件做的事，是把这个小脑拆掉，让它改用你界面里的真脑子。
你说的话 / 屏幕画面
↓
投递给 DSH 里的一条真实会话 ← 就是你平时在用的那条
↓
那条会话用它自己的上下文和记忆回答
↓
回答再回到桌宠，用它的声音逐句说出来
这样一来得到什么：
- 一个脑子。桌宠不会另开一套记忆，它说的就是你那条会话说的。你在界面里交代过的事，桌宠那边也知道。
- 能接着聊。桌宠不再是一问一答的玩具，它会带着前面几十轮的上下文接你的话，能延续、能追问。
- 能替你干活。投进去的是真消息，那条会话会真的去调工具、读文件、跑命令——桌宠于是从「会说话的挂件」变成了「能动手的入口」。
- 屏幕也归它看。看图播报是同一个机制：截图作为附件投进去，会话真的看见画面再回话，而不是拿一句话去猜。
代价也得说清楚：
- 桌宠每说一句、每看一眼，都占那条会话的 token。开得越勤，撞上下文上限越快。
- 投递是串行排队的：那条会话正在跑你的任务时，桌宠得等。
- 它是真的进你的会话，所以别指望它「只是个宠物」——它做的事跟你自己发消息是一回事。
这也是为什么下面「看屏幕」必须走这条路：如果只发一句「你抬头看一眼屏幕」却不带图，会话看不见画面，只能凭空编。要播报就是投图，不播报就别投。
和 dsh-pet 自带的对话有什么区别
dsh-pet 自带 |
开了接智能体后 | |
|---|---|---|
| 谁在回答 | 单独调的默认模型 | 你界面里那条真实会话 |
| 记忆 | 自己那份精简记忆 | 会话的完整上下文和记忆 |
| 你说过的事它知道吗 | 不知道 | 知道 |
| 能调工具干活吗 | 不能 | 能（那就是真消息） |
| 占谁的 token | 单独的调用 | 那条会话的额度 |
功能
| 功能 | 说明 | 默认 |
|---|---|---|
| 接宿主智能体 | 底座。桌宠的话投递给 DSH 里的一条真实会话，回答再用桌宠的声音逐句说出来。共享那条会话的上下文和记忆。关掉它，下面两个都用不了 | 关 |
| 看屏幕 | 一个开关管到底：每隔 N 秒抓一张主屏（本地 PNG），并把这张投给接的那条会话看一眼，会话按自己的上下文和记忆回一两句，显示在桌宠头顶气泡里。开了就一定会调模型、耗 token；关了就全停。没有「只截不投」这一档 | 关 |
| 视野档案 | 每次看图的原图 + 会话的原始分析存进 dsh-pet/视野/（按天分目录，留 7 天）。平时不进上下文，要查「昨天下午我在干嘛」时再翻 |
开 |
| 锁在屏幕内 | 把 confineToScreen 开关下发到 dsh-pet，防止宠物窗口跑出屏幕边界。默认不管：只有你在 /dsh-pet-extras/confine 里明确设过，插件才接管，不会装完就擅自改 dsh-pet 的配置 |
关（不管） |
设置页
装好后，DSH 设置里会多出一节 「桌宠扩展」，里面是插件自己的旋钮：看屏幕开关 + 看屏幕间隔（秒），改完点保存即刻生效。
为什么单独开一节：这些键存在本插件自己的配置文件里，dsh-pet 的设置页不认识它们。之前只能改 JSON 或 curl，现在有了图形入口。
注意：官方
dsh-pet的设置页里没有这个开关，别去找。以前这里写着「两个是同一个键、保存会同步」——那是我们早期往dsh-pet里塞私有键留下的错觉，官方版根本没有这些键，那套同步代码也删了。插件的旋钮只在这一节里。
安装
前置：先装 dsh-pet（本插件是它的外挂，不提供桌宠本身）。
桌面版：一键装（推荐，不用改任何 JSON）
- 打开 设置 → 插件 → 添加插件
- 在「包名或地址」里填包文件的绝对路径，二选一：
.tgz包：D:\某个目录\dsh-pet-extras-0.2.3.tgz- 解压出来的文件夹：
D:\某个目录\package
- 确认安装，按提示重启 DSH
这条路不需要手动改 package.json：DSH 的插件管理器在安装时会读包里的 dsh.bundle 字段，自动把包名写进 dsh.profile.bundles（dsh-plugin-manager 的 reconcile() 负责这一步）。
装完第一件事：设置 → 桌宠扩展 → 在「接哪条会话」里选一条会话，再打开「看屏幕」。
不选会话时插件不截屏、也不投递——这是故意的。早先版本会在你没选的时候「挑消息最多的那条会话」投递，实测会把整屏截图灌进一个毫不相干的会话里，所以现在改成：没选就什么都不做。
手动装（pnpm add / 离线 tgz）：必须改两处
DSH 只加载 package.json 的 dsh.profile.bundles 里列出的包。pnpm add 只写 dependencies，不写 bundles——文件装好了、重启了，设置页里却什么都没有、接口全 404，就是这个原因。
以 profile 目录 $DSH_PROFILE（桌面版通常是 $DSH_HOME/profiles/desktop）为例，改 $DSH_PROFILE/package.json：
{
"dependencies": {
"dsh-pet": "0.3.8",
"dsh-pet-extras": "0.2.3" // ① pnpm add 会自动加这一行
},
"dsh": {
"profile": {
"bundles": [
"@deepseek-ai/dsh-base",
// ... 其他 bundle
"dsh-pet",
"dsh-pet-extras" // ② 这一行必须手动加，否则插件不加载
]
}
}
}
改完重启 DSH。卸载时两处都要删。
怎么确认真的加载了
# 返回 ok/enabled/minGapSec 就是加载成功；404 就是没加载（bundles 没加、或没重启）
curl http://127.0.0.1:<PORT>/dsh-pet-extras/sight-share
预期返回 {"ok":true,"enabled":true,"minGapSec":60}。若是 404 / no such route，回到上面检查 bundles 那一行。
端口每次重启都会变，从 DSH 窗口标题栏或者启动日志里看。
这个版本不再改 dsh-pet 的任何文件
0.1.0/0.1.x 早期版本靠读 dsh-pet 配置文件里的 screenshotEnabled / agentBridgeEnabled 工作，而这几个键是我们自己塞进 dsh-pet 的私有配置里的——官方 0.3.8 根本没有，官方更新也会覆盖掉。别人装了之后开关永远是关的，就是因为这个。
现在插件的配置全部自给自足（$DSH_HOME/dsh-pet/extras-config.json），不读 dsh-pet 的配置，也不需要改 dsh-pet 的 assets/config.jsonc。
唯一还会动 dsh-pet 的是「工作状态气泡」那个可选补丁，见 工作状态气泡与桌宠对话冲突。它打不上会自己跳过，不影响其它功能。
配置
推荐在 DSH 设置 → 桌宠扩展 里改（有开关和数字框，保存即生效）。
配置文件在 $DSH_HOME/dsh-pet/extras-config.json，也可以走 HTTP 接口：
# 看当前配置
curl http://127.0.0.1:<PORT>/dsh-pet-extras/config
# 改配置（只传要改的字段）
curl -X PUT http://127.0.0.1:<PORT>/dsh-pet-extras/config \
-H 'content-type: application/json' \
-d '{"screenshotEnabled": true, "sightShareMinGap": 60}'
<PORT> 是 DSH 的 Web 端口，和地址栏里的一致。
| 键 | 类型 | 默认 | 说明 |
|---|---|---|---|
targetSessionId |
string | "" |
接哪条会话（权威键）：完整会话 id，如 session-1d86…。空 = 不投递、也不截屏。填错（那条会话已经关了）同样不投，不会偷偷改投别的会话 |
agentBridgeTarget |
string | "" |
兼容键：会话标题。设置页保存时会自动跟 targetSessionId 一起写。只在配置文件里根本没有 targetSessionId 这个键时（从老版本升上来的配置）才当兜底用；这个键一旦存在，标题就彻底不参与匹配——哪怕值是空串，也算你亲手清空的，空就是空 |
screenshotEnabled |
bool | false |
看屏幕总开关：开 = 定时截屏 + 每张交给接的那条会话（要投图，每张会花 token）；关 = 全停。还需要在下面选一条目标会话，没选就什么都不投 |
sightShareMinGap |
number | 60 |
唯一的节奏：两次投图之间至少隔多少秒（最小 5）。这是闸门不是节拍器——实际触发还会被截图助手的 20 秒轮询对齐、会话生成耗时、以及偶发的跳过一格影响，详见下面「实际节奏」一节。想让节奏稳，设成 20 的整数倍 |
screenshotIntervalSec |
number | 20 |
已废弃：间隔统一由上面的 sightShareMinGap 决定。代码里留着这个默认值只为读老配置文件，改了没有任何效果 |
confineToScreen |
bool | true |
想让窗口锁在屏幕工作区时填的值。只有 confineManaged 是 true 才起作用（通过 /dsh-pet-extras/confine 设置会自动置上） |
confineManaged |
bool | false |
插件是否接管 dsh-pet 的 confineToScreen。默认 false = 不碰，装完绝不擅自改 dsh-pet 的配置 |
screenshotKeep |
number | 60 |
截图文件保留张数（1~2000），超了删最旧的 |
lookLearnEnabled |
bool | false |
看图播报的自学习（见下） |
lookRulesMaxChars |
number | 1200 |
学到多少字就停止采用（0~4000） |
| 看图播报的额外要求 | 文件 | — | 写在 $DSH_HOME/dsh-pet/看图播报要求.md 里（不是配置键；首次启用时自动生成一份说明） |
必须两件事都有：①「看屏幕」打开；②「接哪条会话」选了一条正在用的会话。只开开关不选会话，一张都不会投（这是故意的：宁可不动，也不往不相干的会话里塞图）。
以前这里写着「开关会同步到
dsh-pet的设置页」——那是不存在的功能，现已删除。这个插件的配置只住在自己的extras-config.json里，只在本插件的设置页（设置 → 桌宠扩展）里改，两边不会再打架。
HTTP 接口
全部挂在 /dsh-pet-extras 下：
| 方法 | 路径 | 说明 |
|---|---|---|
| GET | /ping |
探活，返回插件名、版本、DSH_HOME |
| GET | /config |
读当前配置 + 默认值 |
| PUT/POST | /config |
改配置（只传要改的键） |
| GET | /screenshot |
列出最近截图和开关状态 |
| POST | /screenshot |
立刻抓一张（会拉起截图 helper） |
| GET | /agent |
桥接状态：目标会话、队列深度、可选会话列表 |
| POST/PUT | /agent |
body {"sessionId": "..."} 换目标；{"text": "..."} 直接投递一句话；加 "async": true 立刻返回、后台播报 |
| GET | /confine |
读屏幕锁定开关 |
| PUT/POST | /confine |
body {"value": true}，立刻下发给 dsh-pet |
| GET | /sights?limit=N |
取最近 N 条看图记录（默认 50，上限 500） |
| DELETE | /sights |
清空看图记录 |
| POST | /rate |
body {"index": 0, "rate": "good"|"bad"|""}，给某条播报打标 |
| GET | /learn |
自学习状态与学到的规则 |
| POST | /learn |
跑一次自学习（需要 lookLearnEnabled: true） |
工作方式
截图
DSH 宿主进程拉不起 desktopCapturer（那是 Electron 渲染进程的能力），所以本插件会自己 spawn 一个最小化的 Electron 进程专门截图：
- 进程入口
runtime/electron-helper/main.cjs - 它在
127.0.0.1:随机端口起一个只监听本机的 HTTP 服务，启动时把地址打到 stdout - 宿主从 stdout 正则抓到端口，之后通过
POST /shot让它截图 - 图片落在
$DSH_HOME/dsh-pet/screenshots/，默认保留最近 60 张
为什么不用 IPC/stdin：实测 Electron 被 spawn 起来之后 stdin 不通，写进去的行收不到。所以走了本机 HTTP。
接智能体
投递不是「复制一遍上下文」，是真的进入那条会话：
- 按
agentBridgeTarget（或自动规则）挑一条宿主会话 - 等它空闲
- 把桌宠的话
followup投递进去 - 等这一轮跑完，从会话事件流里抽出
assistant/message的正文 - 用桌宠逐句气泡说出来
好处是共享那条会话的完整上下文和记忆，不需要额外维护一份。代价是必须排队——那条会话正在忙的时候，桌宠得等。
桌宠的回复怎么和你在界面里说的话区分开：投递的文本前面会加三个零宽空格作为围栏，扫回复时只认围栏之后的那一段，所以你自己的对话不会被误当成桌宠的回答念出来。
看图播报
看图播报和聊天是同一条路（这是本插件的核心要求，别改成两条）：
有新截图 → 存成附件 → followup 投进接的那条会话（等于你自己贴了张图）
→ 会话按它自己的上下文和记忆回一句
→ 这句话显示在桌宠气泡里
好处是它说的就是会话说的，看的也是会话看的，不用额外维护第二份记忆。 代价是每看一次图都要占那条会话的 token——所以有间隔和「画面没变就闭嘴」两道闸。
具体规矩：
- 请求里明确要求不要用「屏幕上」「画面里」这类报幕腔开头，也不要每次同一个开头
- 认不准就笼统说，宁可笼统也不猜错
- 投之前先缩图：整屏原图 2561×1601 约 1.1MB，缩到长边 1568 后约 520KB（省一半以上），模型理解力不掉
- 缩图是零依赖自己实现的（
lib/png-shrink.js，只用 Node 自带 zlib），不引任何第三方库 sightShareMinGap（默认 60 秒）内不重复投- 投之前先在本地比像素：把画面压成 32×20 个格子算平均色，跟「上一次真正投出去的那一屏」比。变化格占比 < 5% 就判成同一屏，整轮跳过——不进会话、不花 token、不出声。鼠标移动、时钟跳字、弹幕、进度条这些只占很小一块，滤得掉；切窗口、翻页会让大面积同时变，占比一下就上去
- 本地判定跑在
lib/screen-diff.js（零依赖，复用png-shrink.js的像素解码），一张图约 100ms。阈值用 60 张真实截图 + 8 个合成场景校准：噪声最高 3.1%、真变化最低 9.8% - 兜底：万一会话还是回了「没变」这类短句，也闭嘴（主判据已经是本地像素比对，这道只防模型不听话）
- 代码层还有一道只删不改的过滤：整句里出现三个以上「截图 / 画面 / 右侧 / 弹幕 / 进度条」这类描述性词汇，这句丢掉不播；一句人话都没有时这一轮就闭嘴
气泡停留时间按字数算（5.5 字/秒 × 2.6 余量，夹在 845 秒），不是一刀切的固定时长。短句至少 8 秒，20 字左右的常规句约 1314 秒，长句最多 45 秒。
实际节奏：设的间隔 ≠ 两次播报的间隔
看屏幕间隔 是闸门（两次投图之间至少隔这么久），不是节拍器（每隔这么久必然播一次）。真实两次播报之间的时间 = 间隔 + 下面几项：
| 项 | 典型多出 | 说明 |
|---|---|---|
| 截图助手的轮询对齐 | 0~20 秒 | 助手每 20 秒检查一次有没有新图，所以实际触发点会对齐到下一个 20 秒刻度 |
| 会话生成回答 | 1~6 秒 | 会话要真的跑一轮才有话可说 |
| 跳过一格 | 最多一个间隔 | 某一轮被判 too-soon 或赶不上节奏时，会整体后移一格 |
所以设 120 秒，实际大约是 2 分 05 秒 ~ 2 分 25 秒一次；偶尔会遇到 3 分半以上的空档（跳过一格时）。设 60 秒则大约 1 分 05 秒 ~ 1 分 25 秒一次。
想让节奏更准，把间隔设成 20 的整数倍（20 秒是助手轮询的最小粒度），比如 60 / 120 / 180，抖动最小。
想看真实节奏，翻
$DSH_HOME/dsh-pet/extras.log，搜准备播报或这一轮跳过（too-soon），每行都带毫秒时间戳。
这一版之前的做法是把截图交给默认模型单独跑一次（
describeShot）：那条链路和主会话毫无关系， 桌宠等于自带一套脑子，说的不是会话说的、记忆也不共享。2026-10-24 已整条拆掉。
看图播报的自学习（默认关）
打开 lookLearnEnabled 后，你可以用 POST /rate 给每次播报打「好 / 差」标记。之后 POST /learn 会把标记过的样本交给模型，总结出「什么样的说法像人话」，写进 $DSH_HOME/dsh-pet/look-rules.txt，后续播报会参考这些规则。
它不会联网学习，也不会改变桌宠的性格：
- 唯一的输入是本地
dsh-pet/视野/index.jsonl，不抓取任何外部内容 - 性格不由本插件决定：播报是从你那条会话里出来的，用的是什么人设、什么口吻，跟你在那条会话里聊天的调子一致。插件只负责「别说成说明书」这一层措辞，管不到人格——这一条是 2026-10-24 大改的结果，以前插件里写死过一段人格（
LOOK_PERSONA_CORE），已经删掉了 - 学到的规则里如果出现「你是谁 / 你的身份 / 你其实是」这类改写人格的内容，会被直接拒用，整份规则作废
- 规则超过
lookRulesMaxChars就整段不采用（不截断——截断留半句话更容易学歪）
兼容性
- 直接依赖：只有 Node.js 内置模块（
node:fs/node:http/node:child_process等），不 import 任何@deepseek-ai/*包，所以版本对不上也不会炸 - 通过
inject声明获取宿主服务：webServer、attachments、agentDefaultModel、agents、llm - 与 dsh-pet 的耦合只有 HTTP 接口：
POST /dsh-pet-7340/broadcast（播报）、POST /dsh-pet-7340/anim（动作）、GET /dsh-pet-7340/config（读宠物配置）。这些都是 dsh-pet 原版就公开的路由，不需要安装任何改版 - 路径全部走
DSH_HOME环境变量，没有写死任何绝对路径 - 窗口定位按
screen.getPrimaryDisplay().workArea实时计算
系统通知
dsh-pet 自带系统通知（对话完成 / 生成失败 / 输出截断 / 权限申请 / 需要你选择），
在窗口失焦时弹到右下角。
如果觉得烦，改 $DSH_HOME/dsh-pet/main-config.jsonc 里的 notificationsEnabled 为 false。
这是总开关，一次关掉全部通知。本插件没有自己的通知，也不改这个键。
隐私与数据处理（请务必读完这一节再安装）
这个插件会截你的整个主屏幕。截图里可能包含聊天记录、密码框、别人的隐私。请确认你能接受这几点。
截什么、存在哪
- 截的是主显示器整屏，按你设的间隔抓，存到
$DSH_HOME/dsh-pet/screenshots/下的 PNG - 默认只在本地落盘，插件不往任何服务器上传
- 文件数量按
screenshotKeep滚动，默认只留 60 张；随时可以手动删目录
什么时候数据会离开你的电脑
只有一个条件：你主动打开 screenshotEnabled（默认关闭）。
打开之后，每次产生新截图，插件会把它交给你自己在 DSH 里配置的模型分析一次。这意味着：
- 图片内容会作为请求发到那个模型的提供方（DeepSeek 或你配置的其它 provider）
- 用的是你自己的 API Key，计费和授权都由你承担
- 插件不经过第三方中转，没有任何隐藏上报端点（可自行
grep验证：全文只有本地127.0.0.1和宿主提供的ctx.llm调用）
不想让图离开电脑，就保持 screenshotEnabled: false。 此时截图只躺在本地磁盘里。
它还会写什么
| 路径 | 内容 | 控制 |
|---|---|---|
$DSH_HOME/dsh-pet/screenshots/*.png |
原始截图 | screenshotKeep 控制张数 |
$DSH_HOME/dsh-pet/视野/index.jsonl |
每次看图的索引：时间、原图路径、体积、会话的原始分析 | 保留 7 天，DELETE /sights 清索引 |
$DSH_HOME/dsh-pet/视野/YYYY-MM-DD/*.png |
当时的原图（整屏无损） | 超过 7 天的目录自动删 |
$DSH_HOME/dsh-pet/memory.json |
dsh-pet 自己的对话记忆，本插件不再往里写看图记录 | — |
$DSH_HOME/dsh-pet/extras-config.json |
插件自己的配置 | — |
$DSH_HOME/dsh-pet/look-rules.txt |
自学习写出的规则（没开自学习就没有这个文件） | lookLearnEnabled |
看图播报只有一条路：截图投给主会话。
| 投什么 | 主会话能看到什么 | 花多少 | |
|---|---|---|---|
（早期版本的 sightingInject，已删） |
一句话 | 转述（只知道「在刷抖音」，没看见画面） | 很少 |
| 现在的看图播报 | 截图本身 | 真的看见，能自己判断、能记进对话 | 每投一次约 7.6 万 token（其中 97% 是那条会话的历史上下文，图本身只占 1~2K） |
投之前有两道闸：距上次投图超过 sightShareMinGap 秒 + 本地判定这一屏跟上次不一样（像素对比，变化格占比 < 5% 就整轮跳过，不进会话也不出声）。
为什么没有「投图开关」了：早期有个
sightShareEnabled只管「投的时候带不带图」，关掉就变成「发一句话、不带图」——主会话收到「你抬头看一眼屏幕」却看不见屏幕，只能凭空编。开关合并后：要播报就是投图，不播报就别投，统一由screenshotEnabled决定。sightShareMinGap仍然留着，因为「多久看一次」是个真需要调的旋钮。
迁移说明：早期版本的
sightingInject/sightingKeep/lookPersonaOwner/sightShareEnabled四个键已经删除，screenshotWatchEnabled也随开关合并一起删了（2026-10-24：以前是「定时截屏」+「定时看图」两个开关，用户分不清该开哪个，现在合成一个screenshotEnabled，开 = 截屏 + 投图，关 = 全停）。老配置文件里留着也不会报错——插件启动时会自动把它们擦掉。
⚠️ 成本估算：每次约 7.6 万 token（见上表）。按间隔 120 秒、连续用 8 小时算，约 240 次 ≈ 1800 万 token；按 60 秒算翻倍到 ≈ 3600 万。这是「按小时」的实打实开销——间隔调大一倍，钱就省一半，比任何图片压缩都管用。
权限说明（供安全扫描参考）
- 用
child_process.spawn启动一个 Electron 子进程跑截图 helper。启动的只有本插件包内的固定文件runtime/electron-helper/main.cjs，不接受任何外部传入的命令或参数，不存在远程命令执行 - helper 自己起一个
127.0.0.1随机端口的 HTTP 服务，只监听本机回环地址，不对局域网开放 - 通过
inject申请的宿主服务是功能必需：attachments（存图）、llm（分析图）、agents（注入会话）、webServer（提供接口） - 不读环境变量里的密钥，不写注册表，不安装任何依赖，没有任何 postinstall 脚本
已知问题（老实说，这个版本不完美）
- 只在桌面模式（
display: desktop）有效。web 模式下没有 Electron 进程，截图功能不可用 - 改
sightShareMinGap之后自动生效——间隔一变 helper 自己重启，不用手动干预 - 接智能体是串行的：桌面宠物和你说话时，目标会话很可能正在忙（就是你自己正在用的那条），这时候桌宠要排队。聊天等空闲最多 90 秒，等不到就回一句「在忙」；看图只等 10 秒就当场让位（截屏 20 秒一张，等 90 秒会让攒下的图全被新图顶掉）。这是个设计取舍，不是 bug：想立刻有回应，就指定一条空闲会话
- 播报依赖
dsh-pet：没装或版本太老时，看图分析照跑但说不出话（返回pet-unavailable） 0.2.3版本，作者第一次用 GitHub 发布，代码里可能还有我没想到的边界情况。 遇到问题请提 issue，附上$DSH_HOME/dsh-pet/extras.log会好排查很多- 只测过 Windows + DSH 桌面版。其它平台理论可行（路径都走
DSH_HOME），但没有实测过
工作状态气泡与桌宠对话冲突
dsh-pet 投递消息时用的是普通用户消息形状（source.id 以 dsh-pet- 开头），宿主分不出「主人手敲」和「桌宠投的」，于是桌宠那几轮也会触发头顶气泡上的「思考中 / 工具调用」。
0.1.0/0.1.x 早期版本在别人的机器上报
anchor-miss:fence：它的锚点依赖一个只有我们本机那份被改过的dsh-pet才有的常量，官方 0.3.8 里根本没有。现已重写成 v2，锚点全部落在官方原版代码上，并在干净的 0.3.8 副本上跑过 12 项安装测试 + 10 项行为测试。
这个插件会改 dsh-pet 的文件——两段补丁，说清楚改了哪、为什么
先声明：本插件会修改你装的 dsh-pet 的一份源码文件（node_modules/dsh-pet/lib/index.js）。这一节把所有改动摊开讲。
为什么非得改它：工作状态（头顶那个「思考中 / 工具调用」气泡）是 dsh-pet 自己算的，它监听宿主所有会话事件，按事件类型往上翻状态。桌宠投递的消息形状是 {kind:"user", id:"dsh-pet-<时间戳>"}，跟主人手敲结构上完全一样，dsh-pet 自己分不出来，于是桌宠那几轮也会被当成「正在干活」，气泡乱跳。插件这边没法拦——事件是宿主发给 dsh-pet 的，插件不在那条链路上。
一共两段补丁：
- 补丁 A｜工作状态守卫（4 处插入）——不让桌宠的轮次点亮「思考中 / 工具调用」气泡
- 补丁 B｜接智能体钩子（2 处插入）——让桌宠说的话能交给主会话回答
补丁 B 为什么必须有：插件改不到 dsh-pet 的 chatWithPet，所以聊天那条路只能在 dsh-pet 里留一个调用点。这个调用点做的事情非常小——把一句话 POST 给插件，插件回过来说了话就拿回来念。插件没装 / 补丁没打上 / 开关关着，dsh-pet 的行为跟官方原版一模一样（钩子返回空，直接走原来的 generateChat）。
补丁 A 的具体位置（4 处插入，全部锚在官方 0.3.8 的原有代码上）：
| # | 锚点（官方原版就有） | 干了什么 |
|---|---|---|
| 1 | const dispose = ctx.on("session/event", …) 之后 |
新增 petPending / petTurn 两个记账变量 |
| 2 | if (type === "user/message") { 分支 |
认出桌宠投的消息（source.kind 或 source.id 以 dsh-pet 开头）就打标记；排除 runtime-context / time-context / dsh-mnemon 三种宿主注入后清标记 |
| 3 | if (type === "turn/start") { 分支 |
把「这一轮是桌宠发起的吗」记到一起，跟着排队语义走 |
| 4 | const next = reduceWorkStatus(…); 之前 |
桌宠那一轮的事件直接 return，不进工作状态；turn/end 时清标记并 workStatus.clear |
补丁 B 的具体位置（2 处插入）：
| # | 锚点（官方原版就有） | 干了什么 |
|---|---|---|
| 1 | const chatWithPet = async (petId, text 那一行之前 |
插入 bridgeChatViaExtras()：把话 POST 给插件的 /dsh-pet-extras/agent，返回会话的回答；连不上就返回空 |
| 2 | const generated = await generateChat(…) 那一行之前 |
先问插件；插件管就直接念答案（并且补写气泡，不然会话答了桌宠不出声）；插件不管就往下走原来的 generateChat |
补丁 B 的锚点只认前半段（const chatWithPet = async (petId, text），因为官方 0.3.8 的签名是 (petId, text)、没有 images 参数。只看前缀是为了兼容带不带 images 的各版本。
没改的地方（一并说清）：消息投递、截图、缩图、视野档案、会话内容、任何数据文件——一律不碰。补丁只动「事件该怎么算工作状态」这一件事。
怎么保证不打坏：
- 只在新版本第一次启动时动手，打完记进
$DSH_HOME/dsh-pet/extras-state.json，版本没变就不再介入 - 状态里还记了「补丁方案代号」（现在是
ws+bridge）：方案升级（比如以后加了第三段补丁）会自动重跑一次，不会因为版本号没变就漏打 - 两段补丁各自独立判断：只缺一段就只补那一段，不会重复插
- 打之前备份成
lib/index.js.bak-workstatus-guard（只备份一次，留最原始那份） - 只在
0.x系列上打；结构大改导致锚点对不上就放弃并记日志，绝不硬改 - 改完强制校验指纹齐全（补丁 A 4 处、补丁 B 2 处），少一处就整体放弃、不写文件
- 改的是磁盘源码，下次启动 DSH 才生效
想撤销：
# 用备份覆盖回去，再删掉状态记录，下次启动就不打了
cp "$DSH_HOME/profiles/desktop/node_modules/dsh-pet/lib/index.js.bak-workstatus-guard" "$DSH_HOME/profiles/desktop/node_modules/dsh-pet/lib/index.js"
然后删掉 $DSH_HOME/dsh-pet/extras-state.json 里的 petWorkStatusPatch 那段（文件里只有这一项，直接删文件也行）。
不想让它改？ 卸载本插件（或在 extras.log 里看补丁是否 anchor-miss 主动放弃）即可。如果自动补丁没生效，extras.log 里会有 dsh-pet 补丁没打上（原因） 这样一行说明原因。常见原因：anchor-miss:*（新版 dsh-pet 结构变了）、series-mismatch（不是 0.x）。
卸载
dsh plugin remove dsh-pet-extras
然后重启 DSH。
卸载不会自动删你的数据，想清干净就手动删这几个（都在 $DSH_HOME/dsh-pet/）：
| 路径 | 是什么 |
|---|---|
screenshots/ |
截图 PNG，可能很大 |
视野/ |
视野档案：原图 + 会话原始分析（按天分目录） |
extras-config.json |
插件配置 |
extras.log |
运行日志 |
extras-state.json |
补丁器记录（哪个 dsh-pet 版本打过补丁） |
look-rules.txt |
自学习写出的规则 |
extras-state.json |
插件自己的状态（目前只记 dsh-pet 补丁打到哪个版本了） |
memory.json 是 dsh-pet 自己的，别删——里面是桌宠的对话记忆，跟本插件无关。
常见问题
看不见设置项？
本插件有自己的设置页：设置 → 桌宠扩展（dsh-pet-extras 提供的「看屏幕」开关和间隔；没装 dsh-pet 时这一节不显示）。
先分清是哪种「看不见」：
| 现象 | 原因 | 怎么办 |
|---|---|---|
| 设置里连「桌宠扩展」这一节都没有 | 插件根本没被加载（最常见：bundles 没加） |
翻回上面的 「⚠️ 手动安装」 那节，检查 dsh.profile.bundles 里有没有 dsh-pet-extras，改完重启 |
| 有「桌宠扩展」这节，但找不到「接哪条会话」 | 它在本插件设置页里，往下滚就能看到 | 设置 → 桌宠扩展，在「看屏幕」下面选一条会话；不选就不投 |
| 开关显示「关」，点开保存后又变回关 | 配置文件写不进去，或读的是另一份 $DSH_HOME |
看 $DSH_HOME/dsh-pet/extras-config.json 里的实际值；C 盘 C:\Users\<你>\.dsh 和 D 盘 D:\dsh-home 可能是两份不同的 home |
这些键只存在于本插件的
extras-config.json，跟dsh-pet的设置页没有任何关系（早期版本说「同一个键」是错的，相关代码已删除）。
开了「看屏幕」，截图目录没动静？
确认三点：①桌宠的显示模式是 desktop（web 模式没有 Electron 进程）；②「接哪条会话」选了一条正在运行的会话——没选就不投；③GET /dsh-pet-extras/screenshot 返回的 enabled 是 true。间隔改完会自动重启 helper，不用手动干预。
两次播报间隔比设的时间长？ 正常。设置的是闸门不是节拍器，实际会比设定值多出 5 秒到 1 个间隔。详见上面「看图播报」一节的 「实际节奏」。
桌宠说话很久才回，或者干脆回「在忙」？ 接智能体是串行的：目标会话正在跑任务时，桌宠得排队。聊天等空闲最多 90 秒；看图只等 10 秒（截屏是 20 秒一张，等 90 秒会让中间攒的图全被新图顶掉，等于盯着屏幕什么都没看见）。想让它立刻有回应，就把目标会话改成一条空闲的。
清空了「接哪条会话」，图还在往旧会话里投？
0.2.0 早期版本有这个坑：配置里同时存着 targetSessionId（id）和 agentBridgeTarget（标题），只清 id 的话标题会静默接管，照样按标题匹配。现在改掉了——targetSessionId 这个键一旦存在（哪怕值是空串），标题就彻底退出匹配。如果你的配置是从老版本升上来的（文件里根本没有 targetSessionId 这个键），标题仍然会当兜底用，那是为了迁移；随便在设置页保存一次就会写上这个键，之后标题就退休了。
换了显示器 / 改了缩放，宠物窗口又跑到屏幕外了？
默认插件不管这事。想让它管，调 PUT /dsh-pet-extras/confine 传 {"value":true}——这样会置上 confineManaged，之后插件启动和改配置时才下发。不调它就完全不碰 dsh-pet 的 confineToScreen。
看图播报有一阵子不说话了？ 这是故意的。模型偶尔会吐出「屏幕上是一张截图，画面里有…」这种说明书体，插件会把这句丢掉不播，而不是念给你听。连续几次都不说话，说明那段时间屏幕内容确实不好说人话。
换了显示器 / 改了缩放，宠物窗口又跑到屏幕外了？
把 confineToScreen 打开，插件会在启动时和每次改配置时把它下发到 dsh-pet。
致谢
- 桌宠本体来自 PC2005-cloud/dsh-pet（MIT）。本项目只是调用它的公开 HTTP 接口，没有复制它的代码。桌宠可爱是作者的功劳，本插件只是给它加了几件事
- 宿主框架 DeepSeek Harness
许可
MIT，见 LICENSE。
本项目与 dsh-pet 的作者没有隶属关系，也不代表其立场。dsh-pet 的版权归 PC2005-cloud 所有。
No comments yet. Be the first to write one.