Repository navigation
Releases
v1.9.1 — 查清了根本限制(不是 bug)
一个决定性的实测
我裸问了一句「你有哪些工具可以使用?只说你实际能调用的」,模型回答:
我实际能调用的工具就两个:
- search(联网检索) — 搜索网络信息,最多 5 个关键词并行
- scrape(网页爬取) — 抓取网页正文,最多 15 个 URL
除此之外没有别的工具了。 比如我没有代码执行、文件读写、图像生成之类的工具。
然后我让它「用工具查一下当前时间」,它真的调用了原生 search,返回了带
[citation:1] 的真实检索结果 —— 而这个调用我的适配器完全看不到,
因为它被网页端自己执行掉了。
这解释了你遇到的每一个怪现象
| 现象 | 真实原因 |
|---|---|
| 模型说「我只有 search 和 scrape」 | 它说的是真话 |
| 模型说「工具调用失败」但 DSH 里没有失败记录 | 指原生工具的调用,那部分我们收不到 |
| 有时能调 write/pwsh,有时不行 | 取决于模型这次选哪套工具 |
| 推理里反复纠结格式 | 两套协议在打架:原生 antml vs 我们的 dsh-tool |
从会话日志能直接看到模型的原话:
"My earlier calls used the antml:invoke XML format which may have leaked/failed"
"The system prompt defines tools with a certain calling convention (antml:invoke style),
but the user's Tool Calling Protocol says to output JSON in a dsh-tool fence. Hmm, but there's a conflict"
为什么修不好
网页端的工具调用是服务端行为:
模型输出 antml:invoke → 网页端自己执行 → 结果注入回对话
模型输出 dsh-tool → 网页端当成普通文本 → 只有 DSH 认
一个请求里两套机制并存,而模型"我能调用的只有 search/scrape"的认知是正确的。
这不是提示词能修的 —— 提示词改不了服务端的执行路径。
这一版做了什么
没有再加任何自创提示词(v1.9.0 删掉的那些也没加回来)。只做了两件事:
- 把上面这个事实写进 README,不再让人以为"再调调就能好"
- 确认协议与
dsh-deepseek-web-login逐字一致,解析器兜住所有方言
诚实的话
如果你需要稳定的工具调用,请用 MiMo 官方 API(OpenAI 兼容,有原生 function calling)。
网页端逆向这条路,工具调用天生是"提示词模拟":
- 成功率和模型状态有关(深度思考下更容易自演)
- 服务端随时可能改协议
- 做不到 100%
这个插件擅长的场景是:当模型用(纯对话、长上下文、看图),而不是当编码 agent。
安装
dsh plugin --profile desktop add ./dsh-mimo-web-login-1.9.1.tgz
# 然后重启 DSH
⚠️ 非官方插件,逆向网页端私有接口,不属于小米官方支持范围。
v1.9.0 — 删掉所有自创提示词
你说对了:DSH 本来就有提示,我不该再塞
为了"修正模型行为",我在 v1.8.x 里陆续往提示词加了这些:
| 塞进去的 | 结果 |
|---|---|
# Runtime 声明("你在 DSH 里、工具真会执行") |
模型当成用户贴的文档 |
[SYSTEM INSTRUCTIONS] / [TOOL INSTRUCTIONS] 分区标题 |
同样内容加两遍标题,更混乱 |
[ACTION REQUIRED — call it NOW …] 结尾提醒 |
模型读成"工具阶段已结束,别调了" |
| "格式示例是样本、不是你调过的" | 反而提示模型"我好像调过什么" |
每一次"修复"都引入了新问题。
根本原因
DSH 的 system prompt 已经有 5724 字的完整指令 —— 角色、工具用法、
工作规则、路径约定、沙箱行为全在里面。我再往里加东西,等于跟它打架。
我还验证过一个反例:某个 PTC 模式下 DSH 自己的 system prompt 写着
run_codeis the only tool you can call directly
那时系统提示有 42195 字。这种指令是 DSH 的领域,插件不该干预。
这一版全部删除
回到 DeepSeek 的做法 —— 一个字都不加:
system prompt(DSH 的,原样)
+
工具协议(照搬 dsh-deepseek-web-login)
+
工具目录
+
---
+
转写(User: / Assistant: / [Tool Result …])
验证:
MiMo 协议开头: "# Tool Calling Protocol"
DeepSeek 开头: "Tool Calling Protocol" ← 完全对应
自创内容残留: 全部清除 ✅
真机直连 API:15 帧流式,解析出 1 个调用,无畸形 ✅
保留下来的是什么
只保留真正修 bug 的部分(不是"管理模型"的部分):
| 修复 | 性质 |
|---|---|
| 流式正文(hold-back 窗口) | 传输性能 |
| 围栏/XML/裸 JSON 都能识别 | 解析容错 |
| 压住却解析不出时原样漏出来 | 绝不静默丢弃 |
| XML 参数按内容还原类型 | 类型正确 |
| 工具签名带 maxItems | 忠实转达 schema |
💡 适配器的职责是忠实转达,不是替宿主"管理"模型。
DSH 管上下文、管重试、管工具语义;插件只负责把请求发出去、把响应搬回来。
安装
dsh plugin --profile desktop add ./dsh-mimo-web-login-1.9.0.tgz
# 然后重启 DSH
⚠️ 非官方插件,逆向网页端私有接口,不属于小米官方支持范围。
v1.8.2 — 工具调用被静默吞掉(真凶)
这次找到了真凶
你的截图里:第 1 步 bash ls 真的执行了(返回 exit 1 和 cmd 报错),
之后每一步都报「工具调用失败,请重新判断」。
会话日志的实录:
1 REQUEST effort=on
2 ASSISTANT[reasoning+tool-call] ← step 1 有调用 ✅
3 CALL bash {"command":"ls"} ← 真的执行了 ✅
4 RESULT isError=false ← 真的成功了 ✅
6 ASSISTANT[reasoning] ← step 2 只有 reasoning,没有 tool-call!
step 2 的调用凭空消失了。
而这句「工具调用失败,请重新判断」:我搜了 DSH 全部 18684 个文件和所有已装插件,
源码里根本不存在;会话里它也只出现在模型的推理和正文中,tool/result 里一次都没有。
所以它是模型编的 —— 它没收到 step 2 的结果,就"回忆"成失败了。
根因在我的代码
流式过滤器看到"像调用"的标记就把内容压住;但如果 extractToolCalls
最后没解析出调用,那段内容既没进正文、也没变成调用 —— 彻底蒸发。
DSH 什么也没收到 ⇒ 模型下一步以为失败 ⇒ 无限重试。
// 之前:过滤器压住了就一律丢弃
remainder = tailText // 解析失败时是空 ⇒ 内容蒸发
// 现在:解析出调用才丢弃,解析不出就原样漏出来
remainder = calls.length > 0 ? tailText : visibleText铁律:宁可把畸形内容当正文漏出来,也绝不静默丢弃。
两步真机验证
| step 1 | step 2(带工具结果) | |
|---|---|---|
| 修复前 | ✅ 1 次调用 | ❌ 0 次(内容蒸发) |
| 修复后 | ✅ 1 次调用 | ✅ 1 次调用 |
测试 72 → 73 项(新增:解析失败时必须当正文漏出,不能静默丢弃)。
安装
dsh plugin --profile desktop add ./dsh-mimo-web-login-1.8.2.tgz
# 然后重启 DSH
⚠️ 非官方插件,逆向网页端私有接口,不属于小米官方支持范围。
v1.8.1 — 深度思考下不再「脑内自演」工具失败
不用关深度思考,问题也能修
模型在 reasoning 里说「工具调用失败,请重新判断」,反复换格式重试,
但一个真实调用都没发出去,最后放弃或被手动停止。
抓到的原文:
"looking at my previous messages, I did use the dsh-tool fence. And they all failed."
"evenworking_directorywith no arguments fails"
"抱歉,我在尝试读取该 PDF 文件时遇到了工具执行故障,多次尝试均未能成功"
全是他自己编的。 第一轮没有任何历史,它把协议里的格式示例当成了
"我之前发过的调用",示例后面没有结果,于是断定"那些调用都失败了",
接着在 thinking 里演完整的「调一次 → 失败 → 换格式重试」独角戏。
会话日志实证:那个会话 tool/call 事件数为 0,assistant 消息只有
2192 字 reasoning,没有 text 也没有 tool-call 块。
三道防线
# Runtime明确禁止「在 reasoning 里模拟工具调用与结果」- 协议注明「下面的示例是格式样本,不是你之前的调用」
- 结尾紧贴发言位置补一条事实提醒:
[Reminder for this reply: you have NOT called any tool in this step yet —
no call of yours has succeeded AND none has failed. Anything that "already
failed" in your thinking never actually ran. Decide once, then emit exactly
one ```dsh-tool call as visible output.]
实测(深度思考保持开启)
| 修复前 | 修复后 | |
|---|---|---|
| 耗时 | 28.9s | 7.1s |
| 推理长度 | 3984 字 | 801 字 |
| 幻觉词(failed/retry) | 遍布 | 无 |
| 真实调用 | 常卡死 | 1 次 ✅ |
💡 修好之后开着深度思考反而比关掉更快(7.1s vs 10.1s)——
因为模型不再把时间浪费在自演失败上。所以不需要牺牲思考能力。
顺带的结构改进
提示词改成三段式,让模型分得清「说明」和「我说过的话」:
[SYSTEM INSTRUCTIONS]
…
[TOOL INSTRUCTIONS — reference material, not part of the conversation]
…
=== CONVERSATION (everything below is what was actually said) ===
User: …
安装
dsh plugin --profile desktop add ./dsh-mimo-web-login-1.8.1.tgz
# 然后重启 DSH
⚠️ 非官方插件,逆向网页端私有接口,不属于小米官方支持范围。
v1.8.0 — 修复模型不肯用工具
你的问题:为什么 DSH 有工具定义,模型还是说不能创建文件
你说得对,DSH 确实定义了工具。 我从会话的 request/header 里拿到了实证:
DSH 传给适配器 33 个工具,write / edit / pwsh / bash 全在,定义完整:
write(file_path: string, content: string, sandbox_permissions?: …)
而且工具结果也确实回传(那个会话里 tool/result 有 3038 条)。
真正的根因
模型拒绝执行,而且它的推理完全正确:
我没法在这个会话里创建文件 —— 这里暴露给我的真实工具只有
search和scrape,
没有write、bash、pwsh。
工具调用不是由提示词里的文字驱动的,而是由 API 请求里实际注册的 function schema 驱动的。
我即使"看懂"了write(file_path, content)的签名,也没有任何执行器会跑我输出的 JSON。
MiMo 网页端有自己的原生 search / scrape,模型因此形成了"真工具长这样"的先验,
把我们用提示词塞进去的 33 个工具当成"用户贴的一段文字"。
修复
在协议最前面加 # Runtime 运行环境声明 —— 用事实反驳,而不是加大声量求它照做:
| 声明 | 作用 |
|---|---|
| 你不是在 MiMo 网页聊天里,而是在 DSH 的 agent 循环里 | 纠正运行时认知 |
| 下面列的工具真的注册了,DSH 会解析并真的执行 | 消除"没有执行器"的疑虑 |
网页端的 search/scrape 属于网页 UI,与本会话无关 |
堵掉退路 |
| 绝不允许在尝试前就声称工具不可用 | 防止"宁可拒绝也不试" |
真机验证(同样的真实 system prompt + 工具集)
| 修复前 | 修复后 | |
|---|---|---|
| 工具调用 | ❌ 0 次(拒绝) | ✅ write |
| 正文残留 | {"tool_callsdsh-tool |
空 |
顺带修掉两个流式泄漏
① 裸 JSON 没被拦截
模型不写围栏、直接甩 {"tool_calls":[…]} 时,前 24 字符会漏成正文。
② ''.startsWith 空串陷阱
if (visibleText.startsWith(streamedText)) // streamedText === "" 时恒为 true
remainder = visibleText.slice(0) // ⇒ 把整段 JSON 当正文补发后面的兜底分支永远执行不到。真机现象就是正文里那串 {"tool_callsdsh-tool。
安装
dsh plugin --profile desktop add ./dsh-mimo-web-login-1.8.0.tgz
# 然后重启 DSH
⚠️ 非官方插件,逆向网页端私有接口,不属于小米官方支持范围。
v1.7.4 — XML 不再漏成正文 + 搜索上限修好
两个 bug(都是我的)
① XML 方言漏成正文
DSH 里能看到一行行 <tool_call><function=web_search><parameter=queries>[...],
但工具其实执行了 —— 说明解析没问题,只是内容不该显示。
根因:流式过滤器只认 ``` 围栏,完全不认 XML。
还有个隐藏坑:闭合标签 </tool_call> 常跨包到达 ——
前一包切到 </function> 就恢复正文流了,下一包的 </tool_call> 就漏出来了。
修复:XML 进 hold-back 窗口 + 流级标记剥掉开头残渣。
② 搜索必失败:queries must contain at most 4 queries
模型发了 8 个查询,但 web_search 上限是 4。
根因是我的签名渲染把约束丢了:
| 之前 | 现在 |
|---|---|
queries: string[] |
queries: string[] (max 4) |
maxItems / minItems 在渲染时被忽略。
模型不是不听话,是它根本没被告知这条限制。
这也解释了它为什么反复重试、最后改用 web_fetch。
验证
| 场景 | 结果 |
|---|---|
| XML + 前文 | ✅ 只流出前文 |
未闭合 </tool_call> |
✅ 不漏 |
| 调用 + 后续说明 | ✅ 后半段正常流出 |
a < b 数学文本 |
✅ 不误伤 |
| HTML 代码块 | ✅ 不误拦 |
签名渲染:
web_search(queries: string[] (max 4))
batch_op(items: string[] (max 10, min 1), tags?: string[], mode?: "a" | "b")
测试 68 → 70 项。
⚠️ 另有一个不是插件的问题
你的截图里还有这个:
Error: DeepSeek search has no API key for "DEEPSEEK_API_KEY"
web_search 是 DSH 自带工具,它需要 DEEPSEEK_API_KEY 才能联网。
这条跟本插件无关 —— 在 DSH 里配好那个 key 就能用,否则模型只能退回 web_fetch 抓单个页面。
安装
dsh plugin --profile desktop add ./dsh-mimo-web-login-1.7.4.tgz
# 然后重启 DSH
⚠️ 非官方插件,逆向网页端私有接口,不属于小米官方支持范围。
v1.7.3 — 修复 XML 方言的参数类型
症状(你的截图)
网页搜索 · Error: invalid arguments: "queries" must be an array
模型一直在重试,因为工具调用被宿主拒绝了。
根因
模型用 <tool_call><function=web_search><parameter=queries>[...]</parameter> 这种 XML 方言,
而我的解析器把参数值一律当字符串:
<parameter=queries>["a","b"]</parameter>
⇒ arguments = {"queries": "[\"a\",\"b\"]"} ← 字符串!
宿主校验 queries 必须是数组 ⇒ 直接拒绝。
模型自己也困惑了(截图里的 reasoning 原文):
"The tool seems to want an array but the harness is serializing my JSON string."
"Perhaps I need to pass it as a literal array value"
它反复重试、甚至改用 web_fetch,都是因为这层类型错了。
修复
新增 coerceParamValue:按内容推断类型,三处 XML 解析路径统一走它。
| 值 | 还原成 |
|---|---|
["a","b"] / {"k":1} |
数组 / 对象 |
true / false / null |
布尔 / null |
42 / -3.5 |
数字 |
a.py / https://… |
字符串(不变) |
⚠️ 解析失败时退回字符串 —— 宁可让宿主报"类型不对",也别把内容丢了。
真机验证
finish: {"kind":"tool-calls"}
工具: web_search
arguments: {"queries":["NapCatQQ","LLOneBot"]}
queries 类型: array ✅
5 种 XML 形状全部验证:数组、未闭合 tool_call、单参数、布尔+数字、name="…" 写法。
测试 65 → 68 项。
安装
dsh plugin --profile desktop add ./dsh-mimo-web-login-1.7.3.tgz
# 然后重启 DSH
⚠️ 非官方插件,逆向网页端私有接口,不属于小米官方支持范围。
v1.7.2 — 修好工具调用漏成正文
症状(你的两张截图)
- DSH 里:显示一坨原始 JSON
{"tool_calls":[...]},工具一个都没执行 - 官网上:同一段内容是个普通
dsh代码块
根因:两个 bug 叠加
① 流式过滤器只认 ```dsh-tool
模型经常写 ```dsh(省掉 -tool)、```json、甚至空 ```。
模型自己的 reasoning 里都点出来了:
"
dsh (notdsh-tool). The language tag is "dsh" not "dsh-tool"!"
"```dsh is NOT matched!"
收尾解析器有 fallback 能认 dsh —— 但流式阶段已经把整段当正文吐出去了,收不回来。
② flush() 无条件吐出压住的内容
flush() {
const out = pending
pending = ''
return out // ← 即使 pending 是围栏 + JSON,也照吐
}围栏被识别了、内容也被压住了 —— 但流一结束,flush() 又把它全吐出来。压了等于没压。
修复
- 围栏识别放宽到
dsh-tool/dsh/tool/json/tool_calls/ 空 - hold-back 窗口按"半截开栏"判据压住 ——
```d和```dsh-tool前缀相同,
只收到```d时无法提前区分,所以先压着 flush()见过围栏就直接丢弃 —— 那属于调用,收尾解析会把它变成真正的 tool-call 块
验证
按 5 字符一包喂(模拟 SSE 碎片),5 种围栏写法全部不漏:
| 围栏 | 结果 |
|---|---|
```dsh(真机遇到的) |
✅ 只流出正文"我先看一下…" |
```dsh-tool |
✅ |
```json |
✅ |
```tool_calls |
✅ |
```(空) |
✅ |
```js(普通代码块) |
✅ 不误拦,内容正常显示 |
测试 64 → 65 项。
安装
dsh plugin --profile desktop add ./dsh-mimo-web-login-1.7.2.tgz
# 然后重启 DSH
⚠️ 非官方插件,逆向网页端私有接口,不属于小米官方支持范围。
v1.7.1 — 修好图片发送
你问的「图片发送功能正常吗」——之前不正常,现在修好了。
症状
发图片时模型总是回:
我这边没有收到图片,你能重新发一下吗?
根因
resource/parse 被我当成了上传的必经一步。但它其实是 OCR ——
专门提取图片里的文字。一张纯色图、风景照、没有文字的照片会返回:
{"code": 6002, "msg": "图片中未识别到文字"}于是所有不含文字的图片全部上传失败,图片被静默丢弃 —— 模型自然说没收到。
修复
parse 改成可选步骤:成功就用它的 id / tokenUsage,
失败也照常返回(图片早就上传好了,resourceUrl 已经拿到)。
特别地,6002 直接当"无 OCR 结果"处理,不做无谓重试。
顺带把失败原因带进错误信息里 —— 以前是「连续失败」四个字,
根本看不出是 OCR 没认出字。
真机验证
造了一张 64×64 渐变 PNG(左绿右紫,无任何文字)
模型回答:"这张图是渐变色:左侧偏绿/青,右上为紫红/品红,
右下偏粉与暖黄。整体以绿、紫、粉三色过渡为主。"
模型准确描述了图片内容 —— 说明它真的看到了。
耗时也从 14.2s 降到 6.2s(不再对 6002 重试 5 次)。
回归测试
新增一条离线测试:mock parse 返回 6002,断言 uploadMedia 仍成功返回、
fileUrl 正确、url 不为空(用 fileUrl 兜底)。
测试 63 → 64 项。
安装
dsh plugin --profile desktop add ./dsh-mimo-web-login-1.7.1.tgz
# 然后重启 DSH
⚠️ 非官方插件,逆向网页端私有接口,不属于小米官方支持范围。
v1.7.0 — 首字 8.9s → 3.9s
你的问题:为什么比官网慢那么多
两个真凶都找到了。
真凶 1:正文根本不流式(最主要)
if (event.kind === 'text') {
rawText += event.text
continue // ← 只累积,不 yield!
}正文一个字都不吐,全攒到最后一次性发。所以你会看到"思考哗哗出、正文要等整段生成完"。
改成 hold-back 扫描(照搬 dsh-deepseek-web-login 的 ToolCallStreamFilter):
用一个几十字符的窗口压住可能成为围栏的尾巴,窗口之外立刻吐出去。
实测:首字 105ms(以前要等最后 1229ms 才出第一个字)。
真凶 2:每轮重发全量历史
官网聊得快,是因为它只发你新说的那句话。我们每轮把完整历史 + 工具协议
重发一遍 —— 一个"嗯"也发两万字符,上游得先读完才开口。
现在怎么做(像在官网对话框里打字)
| 步骤 | 说明 |
|---|---|
| ① 先登记会话 | conversation/save 让官网左栏出现这条对话 |
| ② 只发这次输入 | 不重发历史、不重发协议(协议只在首轮发) |
| ③ 边收边吐 | SSE 来一帧吐一帧 |
① 每轮都打(幂等,只刷新 title/updateTime)⇒ 官网左栏实时跟着刷新,
你能在官网上实时看到插件发的对话。
实测对比
全量模式(20 轮历史):首字 8894ms
增量模式(只发一句话):首字 3894ms
而且增量是安全的 —— 第一轮说「暗号是蓝鲸42」,第二轮只发「暗号是什么?」:
回答: "暗号是:**蓝鲸42**"
✅ 上游确实按 conversationId 记住了上下文
两种模式都保留,面板可切
设置 → 参数 → 上下文与节流 → 对话模式
| 模式 | 首字 | 适合 |
|---|---|---|
| chained(默认) | 3.9s | 日常使用 |
| full | 8.9s | 出问题时排查 |
🔴 两条路必须各自成对:复用会话就只发增量,发全量就开新会话。
「复用会话 + 又发全量」= 服务端存一份、我们再发一份 ⇒ 模型看到两份历史
⇒ 吐交叠的损坏 JSON。这个坑真机踩过。
顺手修的两处小浪费
- 节流不再空等:以前每轮固定等 1.2~1.6s(含随机抖动);现在间隔够就完全不等待
<think>在流式阶段就剥掉:v2 协议把思考混在正文里,以前用户会看到<think>字面量
最近更新(来自 README)
v1.7.0 — 明显更快 + 官网实时可见
速度:首字 8.9s → 3.9s
| 优化 | 做了什么 |
|---|---|
| 正文流式输出 | 以前正文全攒完才吐(思考哗哗出、正文等着)。现在用 hold-back 窗口边收边吐 —— 实测首字 105ms 就出来了 |
| 增量对话(默认) | 同一个对话只发新内容。以前每轮重发几万字符(历史+协议),上游得先读完才开口 |
| 节流不再空等 | 以前每轮固定等 1.2~1.6s;现在间隔够就完全不等待 |
官网实时可见
- 每轮发消息之前都会登记会话(
conversation/save),左栏那条会跟着刷新 - 所以现在你在官网能实时看到插件发的对话,不用等这轮结束
两种模式都保留,面板可切
| 模式 | 首字 | 说明 |
|---|---|---|
chained(默认) |
3.9s | 像官网打字,只发新内容 |
full |
8.9s | 每轮重发全量,稳但慢 |
验证过
chained是安全的:第一轮说「暗号是蓝鲸42」,第二轮只发「暗号是什么?」,
模型答出「蓝鲸42」—— 服务端确实按conversationId记着上下文。
v1.6.x — Firefox 友好 / README 自动化
- 支持 Firefox 的「全部复制」:存储面板右键复制出来是 TSV 多列,现在能直接解析
- 修掉
navigator.clipboard在 http 远程访问下不可用 → 改成粘贴大文本框 - README 与代码强制同步:
scripts/sync-readme.mjs接进npm test与 CI
v1.5.x — Linux 与远程访问
- Linux 支持:浏览器查找先走
PATH(apt / snap / flatpak / nix 都能找到) - root / 容器自适应:自动加
--no-sandbox、--disable-dev-shm-usage - 内置浏览器登录:面板里嵌 iframe,在你自己的浏览器里登录(服务器不需要桌面)
- 修掉「手动粘贴 Cookie」点不动:按钮曾在未登录时被禁用,恰恰那是它唯一该出现的场景
v1.4.0 — 纯 API 语义
删掉了适配器里一堆"自作聪明"的逻辑(超长自动压缩、prompt 砍半重试、空回复判定、往官网写记录)——
上下文长度、重试策略、失败判断本来就是 DSH 宿主的职责。
v1.3.x — 工具调用大修
- 协议文案、工具目录、转写格式逐字照搬
dsh-deepseek-web-login - 改用花括号配平提取 JSON(不再被内容里的 ``` 提前截断)
- 修掉围栏名被写成键名(
{"tooldsh-tool)导致的调用泄漏
安装
dsh plugin --profile desktop add ./dsh-mimo-web-login-1.7.0.tgz
# 然后重启 DSH
⚠️ 非官方插件,逆向网页端私有接口,不属于小米官方支持范围。