dsh-voice-agent

English | 中文

像 ChatGPT 高级语音那样，用自然的语音和你的 dsh 编码 Agent 对话——而且不止是聊天，它能真正把活干完。

你开口说一句需求，dsh 立刻用语音回应你。当你要的是一份「任务」（查代码、跑构建、改文件……），语音前端会把它派给一个独立的后台 Agent 去执行；你随时可以继续说话、切走看别的会话，等任务做完，它再用语音把结果念给你听，而不是凭空编一个结论。

交互

• 全双工实时对话：基于 ByteDance Duplex，像和人说话一样自然，边说边听、随时打断、随时插话纠正。
• 对话式派活：前端只暴露三个编排工具——realtime_delegation（把「帮我查一下 xxx」变成真正的后台任务）、send_task_message（补充要求 / 纠正方向）、cancel_task（取消）。
• 异步结果回灌：任务跑在独立 Session 里，进度（STATUS）和最终结果（COMPLETE）会回灌进语音对话，前端按事实播报。
• 不中断的体验：浏览器切走、断线重连，正在跑的语音会话和后台任务都不会停。

安装

dsh plugin --profile web add @wayneyu430227/dsh-voice-agent

dsh 命令来自 npm install -g @deepseek-ai/dsh。启动 web（voice 界面随之加载）：

dsh web

凭据

Duplex provider 从环境读取两个凭据引用：

• DUPLEX_API_KEY —— ByteDance 火山引擎 access key。
• DUPLEX_APP_KEY —— 对应的 app key。

开始语音对话前需设置两者；缺少时 provider 会话握手失败。

限制

• 浏览器麦克风与播放界面面向 dsh Web UI：它由复制而来的 dsh client tsdown 预设构建，并通过 dsh web 运行时的 window.__ModuleLoader__ 契约加载，因此不是框架无关的浏览器插件。
• Voice Session 记录按「读取时必需」处理的持久 voice/* 事件；不带本插件的 dsh 构建加载它们会被拒绝。