DSX

DSX 是 DeepSeek Harness 的原生桌面外壳。它把官方 DSH 直接打包成双击即用的桌面应用，并额外内置了一个可供 AI 模型直接调用的 Chromium 浏览器。

核心亮点：内置 AI 浏览器 + 图片 OCR

DSX 在 Electron 中内置了一个真正的浏览器，并把浏览器与图片识别合并进同一个 dsx 插件：

• 默认后台常驻、隐藏运行，像 Codex 一样，不会因为模型调用浏览器就突然弹窗。
• 点击右上角的侧栏按钮才从右侧滑入显示，关闭时平滑滑出，并可左右拖动分隔条调整宽度。
• 支持多标签页、地址栏、前进/后退/刷新等完整交互。
• 通过一个自包含的 DSH Cordis 插件（packages/dsx）桥接，模型可直接调用 browser_open、browser_snapshot、browser_click、browser_type、browser_screenshot 等工具。
• 图片先 OCR 再进模型：你上传的图片会先经过多模态模型识别成文字，再交给当前使用的文本模型，DeepSeek 等纯文本模型也能直接看图。
• 语音输入：输入框右侧新增语音按键，录音后由同一个多模态模型（mimo-v2.5 等）转成文字插入输入框；录音中直接按发送键或回车，会先转写拼接再自动发送。
• 浏览器截图、图片 OCR 与语音输入共用同一套多模态配置：多模态模型接口地址、API Key、模型名称，以及「开启浏览器视觉」「开启图片 OCR」两个开关，都在「插件管理 → DSX」中配置，设置完全走 DSH 官方的插件设置接口。
• 首次升级会自动把旧插件 dsx-browser-tool 的设置迁移到新的 dsx 命名空间，已有配置不丢失。
• 插件以 npm 包名 @kemi-20/dsx 维护，后续可直接发布到 npm 供 DSH 按名安装。

多模态模型（浏览器视觉 / OCR / 语音共用）

在「插件管理 → DSX」中配置一个 OpenAI 兼容的多模态端点，例如小米 MiMo：

dsx:
  visionApiUrl: https://api.xiaomimimo.com/v1
  visionApiKey: <你的 API Key>
  visionModel: mimo-v2.5

• 浏览器截图、上传图片 OCR、语音转写共用这一份配置，无需分别设置。
• 所有多模态请求都关闭模型思考（thinking: { type: "disabled" }），截图与图片只返回识别内容，语音只返回转写文本，不夹带推理过程。
• 语音转写由 DSH 插件后端直连 API（与 OCR 同一条链路），不经过浏览器页面，因此不受 CORS 限制，可直连任意 OpenAI 兼容网关。

旧插件目录 packages/dsh-browser-tool 已合并为 packages/dsx，不再被引用，可手动删除。

为什么要 DSX

• 不再需要 npx @deepseek-ai/dsh web，也不需要一直开着命令行窗口。
• 完全复用官方 ~/.dsh：密钥、会话、技能、插件系统、Agent 预设全部兼容，不另建 .dsx 目录。
• 无标题栏、原生窗口控制，系统托盘常驻；关闭窗口只是隐藏，不会退出。
• 单实例运行，DSH 意外退出后自动重启。
• macOS：点 Dock 图标重新唤出隐藏窗口，菜单栏模板图标自动适配深浅色，DSH 独立进程组退出不残留。

安全：不再监听固定 3080 端口

DSH 不再绑定众所周知的 127.0.0.1:3080：每次启动由操作系统分配一个随机端口，并生成一次性访问令牌。

• 所有 HTTP 请求与 WebSocket 升级都必须携带令牌（Electron 窗口自动带上 dsx-token Cookie），否则一律 401/断开。
• 浏览器、curl、其他本地进程都无法再直接访问 DeepSeek Harness 的 Web UI 或 API——只有 DSX 窗口本身能访问。
• 随机端口每次启动都不同，不存在可猜测的固定入口。

构建与安装

npm ci

# Windows NSIS 安装包
npm run dist:win

# macOS DMG（当前机器架构）
npm run dist:mac

# 未打包目录，便于本地快速检查
npm run dist:dir

产物输出到 release/。

CI 自动打包

.github/workflows/build.yml 会在推送到 main、创建 v* 标签以及发起 Pull Request 时自动构建：

• Windows：NSIS 安装包（windows-latest）
• macOS：DMG（macos-latest）
• 打 v* 标签时自动发布 GitHub Release

安装包使用固实 7z 最大压缩（-mx=9），并在打包时剔除 README、License、Source Map、TypeScript 声明、测试/示例/文档目录等非运行文件，尽量减小体积。

开发

npm install
npm start

启动后 DSH 会监听一个随机本地端口，DSX 自动加载 Web UI。关闭窗口只是隐藏；在托盘菜单中选择「退出 DSX」才会完全停止。

工作原理

DSX 把固定版本的 DSH 依赖闭包打包成 resources/dsh-runtime.asar，首次启动时解压到 Electron 用户数据目录并复用，之后启动无需联网下载。依赖闭包按 package-lock.json 精确复制，避免 Electron 打包器剪掉 DSH 动态加载的插件。

内置浏览器是挂在主窗口上的 WebContentsView 侧边面板；Cordis 插件负责在模型与浏览器之间通过 DSH 插件 IPC 转发命令。语音转写同样由插件后端直连多模态 API，浏览器页面只负责录音与展示结果。

数据位置

• DSH 主目录：~/.dsh（与官方 CLI 共享）
• Windows 日志：%APPDATA%/DSX/logs/dsh.log
• macOS 日志：~/Library/Application Support/DSX/logs/dsh.log
• 运行时缓存：Electron 用户数据目录（自动管理）

目录结构

src/                         Electron 主进程与 preload
packages/dsx                 DSH Cordis 插件：AI 浏览器桥接 + 图片 OCR + 语音输入
scripts/                     构建、运行时准备与安装辅助脚本
build/                       打包资源（Windows / macOS 图标）
.github/workflows/            Windows / macOS / Release 自动构建