dsh-xiaomi-remote-2-pro

把 小米蓝牙遥控器 2 Pro（RC003） 变成 DeepSeek Harness 里的按住说话语音输入与一键快捷控制台。 40 块钱的蓝牙遥控器，一个 DSH 插件，零原生依赖、零管理员权限、离线识别。

按住遥控器语音键说话 → 松开 → 文字落在 DSH 的输入框里。方向键滚会话，OK 发送，菜单换行。

---

目录

• 它是什么
• 能做什么
• 工作原理
• 安装
• 快速上手
• 默认按键映射
• 配置项
• 按键学习模式
• 给 Agent 用的接口
• 技术依据
• 已知限制
• 常见问题
• 开发
• 路线图
• 致谢
• 许可证

---

它是什么

这是一款 DSH 插件（不是独立程序）。装上之后：

• 遥控器的语音键就是"按住说话"。按住 → DSH 开始录音；松开 → 识别成文字 → 落进当前会话的输入框；再按 OK 发送。
• 遥控器变成一个可编程的快捷键盘。单击 / 双击 / 长按 / 按住松开四种手势，都可以绑到 13 种可执行动作上（插入文本、直接发送、滚动会话、模拟快捷键、清空草稿……），另有一个 none 用来显式屏蔽某个键。
• 配置在 DSH 界面里改。设置页有完整的映射编辑器；一个悬浮快捷面板（遥控器一键呼出）显示实时状态与最近按键。
• Agent 也能读改配置。注册了 remote_2_pro 工具和 /remote2pro 命令，你可以直接让模型帮你调映射。

语音识别复用 DSH 自带的语音输入：选本地 SenseVoice 时音频不出机器、不联网、不需要 API Key。本插件自己不发起任何联网请求——如果你在 DSH 里把识别器切成云端 provider，那音频走的是 DSH 既有的云端通道，与普通语音输入完全一致。

与 vibe-flow / Vibe Link 这类独立工具的区别：本插件不自己管音频设备、不调输入法、不装虚拟声卡。它只做一件事——把遥控器接进 DSH，语音识别交给 DSH 已经有的那套能力。

---

能做什么

能力	说明
按住说话	按住遥控器语音键（Windows 上就是 F5）开始录音，松开自动识别并插入光标处
四种手势	单击 / 双击 / 长按 / 按住松开，每个按键可分别配置
十三种可执行动作	插入文本、发送提示词、发送、换行、清空、滚动、模拟快捷键、开关面板、记录日志，以及两个默认关闭的高级动作（宿主机 HTTP / 执行命令）；另有 none 用于显式屏蔽
三套预设	vibe-coding（推荐）、navigation（纯方向键不拦截）、dictation（只做听写）
学习模式	遇到没有默认映射的按键（例如信号源键），点"学习"再按一下即可绑定
实时键码显示	面板与设置页显示收到的原始键码，方便判断某个键到底有没有被系统丢掉
悬浮快捷面板	显示设备状态、识别服务状态、最近按键、最近原始键码，带一键"按住说话"与"暂停接管"
配置持久化	改动写回 profile，重启后仍在；拿不到 configEditor 时会明确告诉你"只在本次会话有效"
模型可读写	remote_2_pro 工具：查看状态、读配置、改预设、改/删映射、看日志
零原生依赖	纯 JavaScript。不用编译、不用管理员权限、不用改系统设置、不装驱动

---

工作原理

        ┌───────────────────────────────────────────────────────────────┐
        │  小米蓝牙遥控器 2 Pro（RC003，BLE HID / HOGP 键盘集合）        │
        └───────────────────────────┬───────────────────────────────────┘
                                    │ 标准 HID 键盘报告
                                    ▼
                     Windows 蓝牙 HID 栈（mshidumdf / kbdhid.sys）
                                    │ 能翻译成扫描码的用法 → 标准键盘事件
                                    │ 0x80 / 0x81 / 0xF1  → 被丢弃（见下）
                                    ▼
        ┌───────────────────────────────────────────────────────────────┐
        │  DSH 网页界面（客户端半区）                                    │
        │  keydown / keyup（捕获阶段）                                   │
        │    → 键码归一化（code → 逻辑按键）                             │
        │    → 手势识别（单击 / 双击 / 长按 / 按住松开）                  │
        │    → 动作执行                                                   │
        └───────┬───────────────────────────────────────┬───────────────┘
                │ 写入输入框 / 滚动 / 发送               │ POST /api/*
                ▼                                       ▼
        ┌───────────────────────┐         ┌───────────────────────────────┐
        │  DSH 会话输入框        │         │  宿主半区（Node）              │
        │  与消息流              │         │  配置持久化 / 设备探测 /       │
        └───────────────────────┘         │  日志环形缓冲 / Tool / 命令    │
                                          └───────────┬───────────────────┘
                                                      │ speechController.transcribe
                                                      ▼
                                           ┌───────────────────────────┐
                                           │ DSH 本地语音识别（SenseVoice）│
                                           └───────────────────────────┘

        语音链路：系统默认麦克风 → getUserMedia → MediaRecorder
                  → 解码 → 重采样到 16 kHz 单声道 → canonical WAV
                  → base64 → POST /api/transcribe → 文本 → 输入框

为什么按键和录音都在浏览器侧？

遥控器在 Windows 上就是一个标准的 BLE HID 键盘，它按下的键最终以普通键盘事件到达页面；麦克风用系统默认录音设备就行。这两件事浏览器都能直接做，于是整个插件：

• 不需要 C++ 扩展、不需要编译工具链、不需要匹配 Electron ABI；
• 不需要管理员权限，也不需要在系统里装任何东西；
• 完全绕开了 Windows 把 0x80 / 0x81 / 0xF1 三个 HID 用法丢掉的那一层（下面会解释）。

代价是：按键接管要求 DSH 窗口在前台。对"对着输入框说话"这个主场景来说，这恰好就是你要的。

---

安装

前置条件

项目	要求
系统	Windows 10 / 11 x64
DSH	桌面版，或 dsh web（两者都可以）
遥控器	小米蓝牙遥控器 2 Pro（型号 RC003，蓝牙名 MI RC / Xiaomi Bluetooth Remote 2 Pro）
语音识别	建议先在 DSH 里启用实验性语音输入（本地 SenseVoice）。不启用插件也能跑，但语音相关功能不可用

第一步：在 Windows 里配对遥控器

1. 打开 设置 → 蓝牙和其他设备 → 添加设备 → 蓝牙。
2. 按住遥控器的 主页 + 菜单 键约 3 秒进入配对（不同批次略有差异，灯闪即进入配对）。
3. 选择 MI RC 或 Xiaomi Bluetooth Remote 2 Pro。

配对成功后不需要再装驱动，Windows 已经把它当成一个蓝牙键盘。装完插件后可以用面板里的"按键日志"确认系统确实收到了按键。

第二步：启用 DSH 的语音输入（可选但推荐）

设置 → 插件 → 找到实验性语音输入（@deepseek-ai/dsh-experimental-voice-input-bundle）→ 启用。 首次使用某个识别器时会下载本地模型，插件设置页里有一个「预下载 / 加载识别模型」按钮可以先把它热身好。

第三步：安装本插件

# 桌面版
dsh plugin --profile desktop add github:zmyisme/dsh-xiaomi-remote-2-pro

# 或 dsh web
dsh plugin --profile web add github:zmyisme/dsh-xiaomi-remote-2-pro

# 本地开发（不用发布也能装）
dsh plugin --profile desktop add link:D:\path\to\dsh-xiaomi-remote-2-pro

手动安装（不用 CLI，已对照磁盘上的插件结构验证）

1. 把本目录放到某个位置，例如 C:\Users\<你>\.dsh\plugins\dsh-xiaomi-remote-2-pro。
2. 在 profile 目录（桌面版是 C:\Users\<你>\.dsh\profiles\desktop\）的 package.json 里：
   • 加一条依赖，指向本地目录或 git 地址；
   • 把 dsh-xiaomi-remote-2-pro 加进 dsh.profile.bundles 数组。
3. 重启 DSH。

dsh.profile.bundles 里的每个包，loader 都会应用它自己的 cordis.patch.yml，本插件的 patch 会把 xiaomi-remote-2-pro 这一行插进配置树。

第四步：重启 DSH

⚠️ 必须完整重启 DSH 进程，刷新页面不够。 dsh.client 的扫描只在启动时进行一次，热更新看不到新插件。

重启后打开 设置 → 小米遥控器 2 Pro，应该能看到状态卡片。按一下遥控器方向键，设备状态会变成「活跃」。

---

快速上手

1. 打开一个会话，把光标点进输入框。
2. 按住遥控器语音键（就是那个麦克风图标的键）说一句话。
3. 松开。文字出现在输入框里。
4. 按 OK 发送。

不习惯用遥控器语音键？输入框左边还有一个「说话」按钮可以按住说话。

---

默认按键映射

默认预设 vibe-coding：

遥控器按键	手势	动作	说明
语音键	按住 / 松开	按住说话	松开后识别并插入光标处
语音键	单击	开关悬浮面板
确定 / OK	单击	发送当前输入
方向上 / 下	单击	向上 / 下滚动 320px
方向左	单击	跳到会话顶部
方向右	单击	跳到会话最底部
主页	单击	开关悬浮面板
菜单	单击	换行（不发送）
信号源 / TV	单击	插入一句常用指令	默认插入「请先复述我的需求，再给出最小改动方案。」
返回、音量 +、音量 −、静音	—	无映射	Windows 会丢弃这些键，见下

为什么"返回"和"音量"没有映射？

这不是偷懒，是这三个键在 Windows 上根本收不到。

RC003 的返回键与音量键上报的是 HID Keyboard 页（Usage Page 0x07）里的 0xF1 / 0x80 / 0x81。Windows 自带的蓝牙键盘驱动 kbdhid.sys 只为"能翻译成扫描码 / 虚拟键码的标准用法"生成输入事件，这几个用法不在其中，于是事件在到达任何用户态程序之前就被丢掉了：

• 低级键盘钩子（WH_KEYBOARD_LL）收不到；
• Raw Input 收不到；
• 浏览器 / 页面事件更收不到。

更麻烦的是，这条链路也没有旁路可走：

• 直接读 HID 设备：键盘类顶层集合在 Windows 里是独占的，CreateFile 会被 ERROR_ACCESS_DENIED 拒绝；
• 从 BLE 侧读 HOGP 的 GATT 特征：00001812-… 由 Windows HID 栈托管，读取返回 AccessDenied；
• 厂商私有服务 8a7a0001-… 虽然能订阅通知，但按键时没有任何通知；
• 强制禁用 HID 子设备：Windows 会把键盘子设备判为 critical，结果是重启待生效状态，不是可用的热切换。

所以本插件不提供"看起来能用、实际永远不触发"的映射。面板会把这些按键标成「系统丢键」，设置页底部也解释了原因和替代方案。

想要这三个键，只有两条路，代价都由你决定：

1. 按设备过滤的内核驱动，在 report[3] 上把这三个用法改写成标准用法。需要关闭 Secure Boot 并使用测试签名（或用 Microsoft 硬件签名）。
2. 提权注入 WUDFHost，在 HID 传输层把用法字节清掉再转发给应用。不需要驱动，但需要每次授权的特权组件，依赖未公开的 Windows 内部语义。

本插件两条都不走——因为一旦涉及测试签名或提权注入，它就不再是"装个插件"这么简单了。

---

配置项

设置 → 小米遥控器 2 Pro。所有改动即时生效并写回 profile。

顶层

键	类型	默认	说明
enabled	boolean	true	总开关
preset	string	vibe-coding	vibe-coding / navigation / dictation / custom

capture（接管行为）

键	类型	默认	说明
enabled	boolean	true	是否接管按键
onlyWhenPanelOpen	boolean	false	只在悬浮面板打开时接管
skipWhileTyping	boolean	true	焦点在输入框时，非语音按键交还 DSH（方向键仍然能移动光标）
preventDefault	boolean	true	拦掉浏览器默认行为。语音键是 F5，不开这个会刷新页面
doubleTapMs	integer	280	双击判定窗口（80–2000）
longPressMs	integer	500	长按判定阈值（150–5000）

voice（语音）

键	类型	默认	说明
language	string	auto	auto / zh / en / ja / ko / yue
providerId	string	''	空表示跟随 DSH 当前选择
autoSubmit	boolean	false	识别完成后直接发送
insertMode	string	composer	composer 写入输入框 / clipboard 只复制 / off 只提示
maxSeconds	integer	30	单次录音上限（3–120）
shortcut	string	ctrl+alt+space	麦克风快捷键，按住开始、松开结束
sampleRate	integer	16000	送往识别的采样率（8000–48000）

mappings（按键映射）

三层结构：逻辑按键 → 手势 → 动作。

{
  "mappings": {
    "voice": { "hold": { "kind": "dictate" }, "tap": { "kind": "panel" } },
    "ok":    { "tap": { "kind": "submit" } },
    "up":    { "tap": { "kind": "scroll", "direction": "up", "amount": 320 } },
    "tv":    { "tap": { "kind": "insertText", "text": "帮我看下这段代码的问题。" } }
  }
}

手势：tap 单击、doubleTap 双击、longPress 长按、hold 按住松开。 tap 与 doubleTap 同时配置时，单击会被延迟一个双击窗口再兑现（否则每次单击都会被误判成双击的前半段）。

动作：

kind	参数	说明
none	—	明确不做事（用来屏蔽某个键）；归一化时会被丢掉
dictate	—	按住说话 → 识别 → 插入
dictateSubmit	—	按住说话 → 识别 → 插入并发送
insertText	text	插入固定文本
prompt	text	插入并直接发送（一键下达指令）
submit	—	发送当前草稿
newline	—	插入换行，不发送
clear	—	清空草稿
key	chord	向页面派发快捷键，例如 ctrl+k
scroll	direction, amount	up / down / top / bottom
panel	—	开关悬浮面板
log	—	只写日志（调试映射时用）
http	url, method, body	⚠️ 由宿主机发请求，默认关闭
exec	command	⚠️ 在宿主机执行命令，默认关闭且受白名单限制

advanced（高级，默认全部关闭）

键	类型	默认	说明
allowHttp	boolean	false	允许 http 动作
allowExec	boolean	false	允许 exec 动作
execAllowlist	string[]	[]	命令前缀白名单。空数组等于全部拒绝
logLimit	integer	200	日志条数上限（20–2000）
deviceProbe	boolean	true	是否用 PowerShell 探测配对状态

exec 刻意不走 shell：命令按空白切分后直接 execFile(program, args)。所以管道、重定向、&& 都不支持——这是有意的安全边界。

ui

键	类型	默认	说明
showIndicator	boolean	true	是否显示录音悬浮指示
showKeyLog	boolean	true	设置页是否显示按键日志
panelOpenByDefault	boolean	false	启动时是否自动展开悬浮面板（之后尊重你的手动开关）

环境变量

变量	说明
DSH_REMOTE2PRO_TRUSTED_HOSTS	逗号分隔。允许访问本插件 API 的非回环主机名

本插件的写接口默认只接受回环 Host + 同源请求，并拒绝 Sec-Fetch-Site: cross-site。如果你把 DSH 暴露在局域网里，除了设置这个变量，请自行在反向代理上加一层鉴权。

---

按键学习模式

万一某个按键的行为和你预期不一样（固件批次之间有差异），用学习模式现场绑定：

1. 设置页 → 按键映射 → 找到目标按键 → 点「学习」。
2. 面板提示"请按下…键"，此时按遥控器上那个键。
3. 绑定立刻保存。按 Esc 取消。

学习结果存在 learnedCodes 里，形如 { "F7": "tv" }——即"这个键码当作哪个逻辑按键"。它优先于内置默认表，所以可以覆盖默认行为。

想知道某个键到底发出来什么？看设置页的按键日志或悬浮面板的「原始键码」一行。按了没反应，说明系统把它丢了。

---

给 Agent 用的接口

工具 remote_2_pro

action	参数	作用
status	—	状态总览：配置、运行统计、语音服务、设备、不可达按键
get_config	—	读当前配置
set_config	patch	深合并补丁后校验并保存
set_preset	preset	切换预设
set_mapping	logicalKey, gesture, actionDefinition	设置一个映射
clear_mapping	logicalKey, gesture?	删除一个手势（或整键）
recent_log	limit?	最近的按键 / 动作 / 识别日志

例：

「帮我把遥控器菜单键改成打开悬浮面板，然后把配置发我看看。」

模型会调用 remote_2_pro，set_mapping + get_config 就够了。

命令 /remote2pro

在输入框里敲 /remote2pro，打印一行行中文状态摘要：预设、接管开关、语音配置、识别服务可用性、最近按键、最近转写成败次数、当前映射表、系统丢键清单。

HTTP API（面板自己用，也可供你写脚本）

所有路由在 /dsh-remote2pro/api/ 下，全部经过信任栅栏：

方法	路径	作用
GET	/health	存活探测
GET	/state	面板的主数据源：配置、目录、运行统计、日志、语音、设备
GET	/device	强制/缓存探测 PnP 配对状态（?force=1）
POST	/config	深合并并保存配置
POST	/learn	保存 / 删除学习绑定
POST	/log	客户端上报日志（{clear:true} 清空）
POST	/prepare	预热一个识别器（首次会下载模型）
POST	/transcribe	{audioBase64} → {text}
POST	/host-action	http / exec 动作的宿主侧执行入口

---

技术依据

本项目里的硬件事实不是猜的。以下结论来自多个独立项目的生产代码与内核级诊断，交叉验证后才写进默认表：

结论	依据
VID 0x2717 / PID 0x32B8，BLE HID（HOGP）键盘集合	硬件 ID HID\{00001812-…}_Dev_VID&012717_PID&32b8_REV&00a4，00001812 即 HOGP 服务 UUID
语音键 = HID Keyboard usage 0x003E，Windows 上表现为 F5	生产代码中的按键用途表 + 实机报告
返回 0xF1、音量 0x80 / 0x81 被 kbdhid.sys 丢弃	三个独立项目的实测记录 + 内核诊断（这三个 usage 确实存在于 HID 报告中，只是没有扫描码翻译）
键盘类 HID 顶层集合是独占的，无法旁路读取	实测 17 个 HID 接口中 9 个键盘类接口 CreateFile 被拒；HOGP 特征读取 AccessDenied
遥控器麦克风不是 Windows 音频端点	它走 ATVV（Android TV Voice-over-BLE）私有 GATT 通道，ab5e0001-… / ab5e0002 / ab5e0003 / ab5e0004
单击 / 双击 / 长按 / 按住松开的手势模型	社区里同类工具的共同做法；本插件把它做成了纯函数并带单元测试

关于语音链路的一个重要说明：因为遥控器麦克风不是系统音频设备，v0.1 用的是电脑的麦克风（系统默认录音设备），遥控器只当"按住说话"的按钮。所以：

• 遥控器放在手边、电脑麦克风能收到你的声音 → 体验和独立工具一样；
• 你想拿着遥控器走到房间另一头说话 → 现在不行，需要实现 ATVV 客户端（见路线图）。

我们选择先把"零依赖、装上就能用"这条路走通，而不是先做一个需要虚拟声卡 + 提权组件才能跑的 ATVV 版本。

---

已知限制

这一节请务必读完，它决定了这个插件不适合什么场景。

1. 必须让 DSH 窗口保持前台。按键接管依赖页面的键盘事件；DSH 在后台时遥控器只是普通键盘，按键会打到当前活动窗口。对"对着输入框说话"这个主场景这是正确的，但不能用来在后台全局操控 DSH。
2. 无法区分"这个键来自遥控器"还是"来自你的物理键盘"。浏览器不提供设备身份信息。因此：语音键绑定在 F5 之后，你物理键盘上的 F5 也会触发录音。我们用两个办法缓解——skipWhileTyping，以及把默认动作设计成幂等（比如发送、滚动）；但这是真实存在的取舍。如果你常用 F5，建议把 voice 的映射改到别的键，或用面板按钮 / 快捷键触发录音。
3. 返回键、音量键、静音键在 Windows 上收不到，原因见上文。面板会标注它们，不会给假映射。
4. 语音用的是电脑麦克风，不是遥控器的麦克风（v0.1）。
5. 向输入框插入文字依赖 DOM。DSH 目前没有公开"写入草稿"的客户端服务，所以插入是"找可见输入框 → 用原生 setter / execCommand 写入 → 派发 input 事件"。React 受控组件走这条路是可行的，但它依赖界面结构：DSH 前端改版可能让它失效。失效时的表现是明确的——文字会被复制到剪贴板并提示你手动粘贴，而不是静默失败。找不到输入框时也可以把 voice.insertMode 改成 clipboard。
6. 日志环形缓冲的容量在插件加载时固定。改 logLimit 需要重载插件（重启）后才生效。
7. 手势有固有延迟：单击在配了双击的按键上会晚一个 doubleTapMs（默认 280ms）兑现。只配单击则无延迟。
8. exec 不支持 shell 语法（管道、重定向、&&），这是刻意的。
9. 仅 Windows。设备探测走 PowerShell；按键与语音链路本身是跨平台的，但没在别的系统上验证过，所以不声明支持。
10. 首次使用语音会下载本地模型（几百 MB，取决于识别器）。设置页里有预热按钮，建议先点一下。

---

常见问题

按遥控器完全没反应？

1. 看设置页「按键日志」有没有出现原始键码。有 → 是映射问题，用学习模式或改映射。
2. 没有 → 系统层面就没收到。确认遥控器已在 Windows 蓝牙设置里配对、DSH 窗口在前台、capture.enabled 是开的。
3. 确认总开关和预设没有把接管关掉（navigation 预设只接管语音键）。

按语音键页面刷新了？

capture.preventDefault 被关掉了。语音键在 Windows 上是 F5，必须拦掉默认行为。到设置页把它打开。

按住语音键说话，识别出来是空的？

• 电脑麦克风没权限 / 没选对设备。浏览器第一次会弹权限请求；insertMode 之外，还要确认系统默认录音设备不是静音的。
• 或者 DSH 的语音输入没启用。设置页会有一个醒目提示，告诉你识别服务不可用。

识别结果没落进输入框？

说明没找到输入框。确认光标在 DSH 的会话输入框里；如果界面刚改过版导致定位失效，插件会把文字复制到剪贴板并提示你粘贴。也可以直接把 voice.insertMode 设成 clipboard。

改了配置，重启后没了？

面板顶部会提示"宿主没有 configEditor，改动只在本次会话内有效"。这通常意味着当前 DSH 版本没有提供 configEditor 服务，改动无法写回 profile。此时可以手工编辑 profile 里的 config。

悬浮面板挡住了东西？

按主页键或语音键单击收起；也可以在设置里把 ui.panelOpenByDefault 关掉。面板在左下角，避开了一些插件占用的右下角。

和别的遥控器插件冲突吗？

同一个遥控器同一时间只能被一个 BLE 连接使用。本插件不建立 BLE 连接（它只用系统已经建好的 HID 通道），所以不会抢占设备；但如果另一个工具抢了 HID 独占或改了系统默认录音设备，两边都会受影响。

---

开发

目录结构

dsh-xiaomi-remote-2-pro/
├── package.json          # dsh 清单：bundle patch + client（platform/inject）+ exports
├── cordis.patch.yml      # 挂载声明，把本插件插进 profile 配置树
├── host.js               # 宿主半区：HTTP API / 配置持久化 / 设备探测 / Tool / 命令
├── client.js             # 客户端半区：Lane 1（Module Loader 包），按键 / 手势 / 语音 / UI
├── lib/
│   ├── keys.js           # RC003 按键模型 + HID usage 表 + 键码归一化 + 快捷键解析
│   ├── mapping.js        # 动作目录 + 手势识别引擎（纯函数，时间由调用方注入）
│   ├── config.js         # 默认值 / 预设 / 容错归一化 / Standard Schema
│   ├── wav.js            # WAV 编解码 + 重采样 + 转写前校验（两个半区共用）
│   ├── fence.js          # 路由工具 + 信任栅栏（回环 / 同源 / Sec-Fetch-Site）
│   ├── device.js         # PnP 设备探测（PowerShell + EncodedCommand，带缓存）
│   └── runtime.js        # 日志环形缓冲 / 语音桥 / 配置存储 / 运行统计
├── test/                 # 139 个用例，node --test 直接跑，无需安装任何依赖
├── docs/
│   ├── ARCHITECTURE.md   # 分层、数据流、为什么这样切
│   └── EVIDENCE.md       # 上表每一条结论的出处与原文摘录
├── .github/workflows/ci.yml   # Windows + Ubuntu × Node 20/22，零安装直接跑测试
├── README.md / README.en.md   # 中文主文档 / 英文文档
└── LICENSE

跑测试

node --test          # 139 个用例
node --check host.js; node --check client.js

测试零依赖：不需要 npm install，不需要构建。node --test 直接用 Node 内置 runner。

覆盖范围包括：手势引擎的每一种组合与边界（自动重复、双击窗口、长按与单击的互斥）、13 种动作的最小可用配置、配置归一化的降级路径、WAV 编解码与坏输入、信任栅栏的各种绕过尝试、设备探测的失败回落、宿主全部路由与 Tool，以及把 client.js 放进 vm 里真的加载一遍，验证它注册了三个 slot、挂上了按键监听、并把一次按键走完了"键码 → 手势 → 动作"整条链路。

设计约定

• 纯逻辑与副作用分离：lib/ 里的东西不碰 DSH、不碰浏览器、不碰 Node，所以能被两个半区复用并被单元测试直接覆盖。手势引擎连时间都是注入的。
• 零运行时依赖：dependencies 和 devDependencies 都是空的。宿主侧只用 node: 内置模块，客户端侧只 require("react")。
• 容错优先于严格：配置里任何一处非法，都降级 + 记警告，绝不让插件激活失败。用户看到的应该是一条能读懂的提示，而不是空白面板和堆栈。
• 失败必须说出来：找不到输入框 → 复制到剪贴板并提示；识别器不可用 → 明确告诉你启用哪个插件；音频解码不了 → 说清原因。没有静默失败。

本地开发循环

DSH 用包名解析插件，而包管理器规范对路径里的空格处理容易出岔子。开发目录若含空格，先建一个不含空格的中转 junction：

New-Item -ItemType Junction `
  -Path "C:\Users\<你>\.dsh\plugins\dsh-xiaomi-remote-2-pro" `
  -Target "D:\path\to\dsh-xiaomi-remote-2-pro"

dsh plugin --profile desktop add link:C:\Users\<你>\.dsh\plugins\dsh-xiaomi-remote-2-pro

改任何代码都要完整重启 DSH 进程，刷新页面不够。这是实测结论，不是保守说法：

• 改 client.js：dsh.client 的扫描只在启动时做一次；
• 改 host.js 或 lib/* 也一样要重启。 在运行中的 DSH 里把 bundle 禁用再启用，确实会让插件重新 apply()（路由也能干净地释放重建），但 Node 的 ES 模块缓存不会失效，跑的还是旧代码。想确认自己到底在跑哪一份，看 remote_2_pro 的 status 或 /api/state 里的 version 字段。

重启后可以在 status 里看到 version（与 package.json 一致，有测试保证），用来核对。

---

路线图

按优先级：

1. ATVV 语音链路：实现遥控器自身麦克风的音频采集，让"拿着遥控器在房间另一头说话"成立。已完成前期取证：服务/特征 UUID 是 ab5e0001-5a21-4f05-bc7d-af01f617b664 下的 ab5e0002（写）/ ab5e0003（音频通知）/ ab5e0004（控制通知），握手是 0A 01 00 00 03 03 → 0C 00，音频为 headerless、高位优先的 IMA/DVI ADPCM、120 字节一帧、16 kHz 单声道，解码器状态跨帧连续。剩下的工作是 WinRT BLE 通道 + 把 PCM 送进 DSH 的识别服务。
2. 可选的全局接管：为需要后台操控的用户提供一个可选的原生辅助进程（Raw Input + RIDEV_INPUTSINK，按 VID_2717&PID_32B8 绑定设备实例），这样终于能区分遥控器与物理键盘。
3. 每个会话独立的映射：按会话 / profile 切换按键方案。
4. 导出与分享配置：一键导出 JSON 映射方案。
5. 更多遥控器：ARN9、T1、汉王 V60 等同类 BLE HID 遥控器的按键表。

---

致谢

这个插件的硬件事实建立在下面这些项目公开的实测结果之上。它们各自用完全不同的技术栈（Rust / Python / C# / Swift / ESP32 固件）踩出了同一批坑，才让"哪些键收得到、哪些收不到"变成可验证的结论：

• richlearntodo-debug/vibe-flow（Vibe Link）—— 本项目的灵感来源，且完整记录了三键丢失的排查过程与放弃决策
• ZSTDJan/windows-remote-mic-app —— 生产级的 RC003 按键用途表，是默认映射表的主要依据
• QL-4/RemoteMapper —— 内核级诊断，确认了 HID 报告布局与"usage 在 report[3]"
• GetSayAll/remote-mic-app-windows —— HID 独占访问的实测数据与 Raw Input 的工程细节
• cuicui-V5/RemoteMapper-ESP32 —— ATVV 状态机与 HOGP 报告格式的一手记录
• nijez/open-voice-bridge —— 设备身份档案（蓝牙名、VID/PID）
• xxb26553663-star/remote-bridge-hub、mwlt/Voice_VibeCoding —— ATVV 与音频路由的交叉验证

DSH 插件形态参考了两个真实存在的第三方插件：dsh-effort-switcher（Lane 1 客户端半区的完整范例）与 dsh-whale-widget（Web 路由 + 信任栅栏的工程经验）。

---

许可证

MIT

---