v0.2.0

DSX v0.2.0

DSX 是 DeepSeek Harness（DSH）的桌面客户端：把官方 DSH 直接打包成双击即用的 Electron 应用，并额外内置了一个可供 AI 模型直接调用的 Chromium 浏览器、图片 OCR 与语音输入。

基于的 DSH 版本

• 官方 npm 包：@deepseek-ai/dsh@0.1.0-rc.6

v0.2.0 新增

语音输入

• 输入框右侧新增语音按键，录音后由多模态模型转成文字插入输入框。
• 录音中直接按发送键或回车：先转写拼接在原有文本后，再自动发送。
• 16kHz 单声道低码率录音，静音检测避免把空录音发给模型。
• 语音转写由 DSH 插件后端直连多模态 API，不受浏览器 CORS 限制。

多模态链路统一与去思考

• 浏览器截图、图片 OCR、语音转写共用同一套多模态配置（接口地址 / API Key / 模型名称）。
• 所有多模态请求关闭模型思考（thinking: { type: "disabled" }），只返回识别内容或转写文本，不夹带推理过程。

macOS 完善

• 点 Dock 图标可重新唤出隐藏窗口。
• 菜单栏托盘改用模板图标，自动适配浅色 / 深色菜单栏。
• DSH 以独立进程组运行，退出时整组终止，不残留子进程。
• 为 DMG 提供应用图标。

既有功能

内置 AI 浏览器

• 默认后台常驻、隐藏运行，模型调用不会突然弹窗。
• 右侧滑入 / 滑出，分隔条可拖动，支持多标签页、地址栏、前进 / 后退 / 刷新。
• 模型可直接调用 browser_open、browser_snapshot、browser_click、browser_type、browser_screenshot 等工具。

图片 OCR

• 上传的图片先经多模态模型识别成文字，再交给当前文本模型，DeepSeek 等纯文本模型也能直接看图。
• 浏览器与图片 OCR 合并进同一个 dsx 插件（packages/dsx），配置走 DSH 官方插件设置接口。
• 首次升级自动把旧插件 dsx-browser-tool 的设置迁移到 dsx 命名空间。

原生桌面体验

• 不需要 npx @deepseek-ai/dsh web，也不需要一直开着命令行窗口。
• 无标题栏、原生窗口控制；关闭窗口只是隐藏，不会退出；系统托盘常驻。
• 单实例运行，DSH 意外退出后自动重启。

安全

• 不再监听固定 3080 端口：每次启动使用随机端口 + 一次性访问令牌，只有 DSX 窗口能访问 Web UI 与 API。

安装包

• Windows：DSX-Setup-0.2.0-x64.exe（NSIS 安装包，支持选择安装目录、桌面与开始菜单快捷方式）。
• macOS：DSX-0.2.0-arm64.dmg（未签名）。
• 安装包使用固实 7z 最大压缩，并剔除 README、License、Source Map、TypeScript 声明、测试 / 示例 / 文档目录等非运行文件。

说明

• macOS 版本未签名，首次打开若被 Gatekeeper 拦截，请在「系统设置 → 隐私与安全性」中允许打开。

从 v0.1.0 升级

直接安装 v0.2.0 安装包即可；~/.dsh 与旧插件设置会自动保留。