dsh-tab-complete

在 DeepSeek Harness 的输入框里，用当前对话和你已经打的字，预测你接下来要输入的内容：灰色幽灵文本贴在光标后面，按 Tab 一键填入，按 Esc 忽略。

这是 Codex Pro「下一步输入预测」的 DeepSeek Harness 版本。区别只有一处：预测走你自己的模型路由，不吃订阅额度。

它什么时候会给建议

时机	行为
你在输入框里打字	停手约 0.28 秒后，把这句话补完
你刚发完一条消息、输入框是空的	基于这段对话，预测你的下一句（用户口吻，不是助手口吻）
候选是助手刚说过的话的复述	直接丢弃，不显示
你在用输入法（IME）拼字	不预测，避免和候选栏打架
输入框以 / 开头	不预测，那是命令面板

给的是整句而不是半句：一次 Tab 就能直接发出去，不需要你接着往下想。对话里的文件、函数、版本号会被沿用；模型编不存在的路径（src/plugins、index.ts 这种）会被提示词按住。

只把「你和助手说过的话」喂给模型——技能目录、运行时上下文这类框架注入会被 isScaffolding() 挡掉。这很关键：它们一旦混进去就会吃光上下文预算，让预测变成对着技能列表瞎猜。

按 Tab 之后：幽灵文本变成真正的文字，光标停在末尾，接着就能改。

安装

插件是标准的 DSH bundle：宿主半边注册一条 HTTP 路由，客户端半边挂在 conversation.input.overlay 插槽上。

在 profile 目录（~/.dsh/profiles/<profile>/）里加两处：

// package.json
{
  "dependencies": {
    "dsh-tab-complete": "link:D:/Projects/dsh-tab-complete"  // 或 npm 版本号
  },
  "dsh": {
    "profile": {
      "bundles": ["...", "dsh-tab-complete"]
    }
  }
}

然后安装并重启 Harness：

cd $env:USERPROFILE\.dsh\profiles\desktop
pnpm install

重启后窗口里的输入框就有这个能力；已经在跑的会话不会丢，会话记录是落盘的。

配置

宿主侧配置写在 bundle 的 cordis.patch.yml 对应条目下，全部可省略：

- id: dsh-tab-complete
  config:
    enabled: true
    debounceMs: 280        # 停手多久后请求
    maxTokens: 96          # 生成上限（整句比半句要更多 token）
    maxCompletionChars: 180
    contextMessages: 6     # 送给模型的历史消息条数
    contextChars: 2200
    minDraftChars: 0       # 空输入框也预测，设成 2 就要求先打两个字
    provider: ""           # 留空则用当前会话的默认模型路由
    model: ""

运行时可查状态、可临时开关（内存态，重启复位）：

curl.exe http://127.0.0.1:3080/dsh-tab-complete/state       # 需要浏览器同款 cookie
curl.exe -X POST http://127.0.0.1:3080/dsh-tab-complete/enabled -d '{\"enabled\":false}'
curl.exe "http://127.0.0.1:3080/dsh-tab-complete/transcript?sessionId=<id>"   # 这次补全真正会发给模型的对话
curl.exe "http://127.0.0.1:3080/dsh-tab-complete/prompt?sessionId=<id>&draft=<草稿>"   # 完整 system + user 提示词

速度

一次建议 = 静默时间（默认 280ms）+ 模型首 token 延迟。第二段来自模型本身，插件替不了它；所以补全走流式：第一个 token 到达就把幽灵画出来，之后逐字长出来，而不是等整句生成完再一次性出现。

如果仍然嫌慢，把补全指到更快的模型上（不影响主会话）：

- id: dsh-tab-complete
  config:
    provider: chenyuzhiyun
    model: glm-5.3-flash

同一「会话 + 草稿」在缓存里命中是 0 延迟；GET /dsh-tab-complete/state 里的 lastMs 就是上一次真实耗时。

成本与隐私

• 每次预测是一次独立的小模型调用（maxTokens: 96，一句话），不写进会话记录，也不消耗 Harness 的上下文。
• 只接受来自 loopback 的请求；请求体上限 64 KB。
• 同样的「会话 + 草稿」结果缓存 2 分钟；"模型也没想出来"缓存 20 秒，避免空输入框反复花钱。
• 同一会话同时只保留一个在飞请求，新请求会中断旧的。

实现要点

• 宿主：ctx.webServer.register 四条路由；llm.stream 边读边转发成 SSE；历史取自 session.deriveMessages()（拿不到就退回事件日志的 user/message / assistant/message）。
• 客户端：conversation.input.overlay 插槽里的一个 0 高度覆盖层，绝对定位到测量出来的光标位置，字体、行高、字间距照抄编辑器，所以看起来就是「接下来要打的字」。
• 落字走 inputActions.insertText(text, span)，带 draftRev 的 CAS：请求发出后你要是继续打字，这次补全就作废，不会插到错误的位置；CAS 失败再退回 setDraft。
• Tab 在捕获阶段拦下并 stopImmediatePropagation()，编辑器的缩进逻辑看不到它，也不会误触发。

已知限制

• 依赖编辑器的 data-composer-card / data-composer-input 标记，Harness 大改输入框结构时需要跟着调整。
• 幽灵文本的定位按「光标在草稿末尾」优化；多行草稿且光标在中间时，补全仍贴在最后一行末尾。
• 模型偶尔会给出不相关的建议，这时按 Esc 就好——预测本身是有损的。

开发

node scripts/build.mjs      # src/ -> lib/（无依赖打包）
node --test test/*.test.mjs # 12 个用例

src/core.js 是纯函数（提示词、清洗、转录裁剪），src/host.js 是宿主半边，src/client.cjs 是插槽组件，src/client-css.cjs 是样式。lib/ 是构建产物，随仓库一起提交，安装时不用自己构建。

License

MIT