@lijian-ui/dsh-im-gateway
English | 简体中文
为 DeepSeek Harness (dsh) 提供多 IM 通道接入的网关插件：钉钉 / QQ / 个人微信 / 飞书 / 企业微信，支持扫码绑定、流式回复、工具审批、交互提问、长文本分片、多段合并、双语界面。
功能特性
通道与核心
- 统一网关服务 — 一个插件、五个通道。所有通道都汇聚到单一的
ctx.imGateway 核心：会话管理、斜杠命令、流式回复、状态广播。
- 钉钉 — 出站 WebSocket 长连接，群聊 + 单聊，@ 提及过滤，AI 卡片流式输出（实时增量回复），斜杠命令。
- QQ — WebSocket 网关（官方
qqbot-nodejs SDK），私聊（c2c）+ 群聊，扫码绑定机器人（免去开放平台手动创建），流式消息（c2c）。
- 个人微信（iLink） — 官方 iLink 长轮询协议，扫码登录 + 配对码，仅单聊，媒体（AES-128-ECB CDN）收发。
- 飞书 / Lark — 官方
@larksuiteoapi/node-sdk 长连接（无需公网回调），扫码一键创建应用（权限与会话事件自动预填），私聊 + 群聊，CardKit 卡片流式输出，图片/文件收发。
- 企业微信 — 官方智能机器人 WebSocket 长连接（无需公网回调、无需消息加解密），扫码一键创建机器人，私聊 + 群聊，原生流式气泡（
replyStream 原位替换，官方原生能力），图片/文件/语音收发。
- 多机器人实例 — 同一通道类型可配置多个实例（例如两个钉钉机器人），各自独立凭据。
- 设置页 UI — 在官方 dsh web UI 内渲染完整的设置页（「IM 通道」），扫码绑定就在这里完成。
- 渠道运维闭环 — 卡片上直接可见：状态点四态（连接中 / 已连接 / 未连接 / 异常）、掩码后的凭据标识、状态更新时刻、巡检结论；异常时把原因摊在卡片上。每个机器人都有 重连（停机原地重启，不改配置）和 测试（往它最近说过话的会话发一条测试消息，确认真能发出去）两个动作；二维码过期可一键 刷新二维码。有渠道处于「连接中」时状态轮询自动提速到 2 秒。
- 连接监督器 — 每个渠道一个守护循环：连上之后每 15s 主动探一次活（不再"连上就再也不管"），断线按统一退避阶梯
250ms → 1s → 3s → 5s → 10s → 30s（带 ±20% 抖动）重连。退避等待中若渠道自己恢复了就取消本次重连；连续 5 次仍不健康则停手并提示手动介入，不做无限重启。有真实消息进出的渠道直接判健康、不打扰（IM 平台普遍只允许一条长连接，误判重启会自己踢自己）。
- 流式回复 — 钉钉 AI 卡片、QQ stream_messages、飞书 CardKit 卡片、企业微信流式气泡；渠道不支持流式时自动回退纯文本。
- 「正在输入」反馈 — 统一的
sendTyping 契约，由网关在 turn/start / turn/end 触发，渠道只实现平台原生那一层：微信 sendtyping（5s 心跳续期）、QQ sendInputNotify（仅 c2c，50s 续期）。钉钉 AI 卡片、企微流式气泡、飞书卡片本身就是占位反馈，不再额外实现。
- 单例锁 — 通过
DSH_HOME 文件锁防止多个实例并发写坏 session log。
交互增强
- 工具审批桥 — agent 调用需要审批的工具时，在 IM 里直接回复「批准」或「拒绝」即可放行/拦截，超时自动委托回 dsh 原生审批体系。
- 交互提问桥 — agent 调用
ask_user_question 时，问题同步推送到 IM，用户回复选项编号/文字即可作答，与 Web 端竞速第一答生效。
- 长回复分片 — 超过渠道单条上限的回复自动按句号/换行切分，带
（1/3） 分段前缀，逐条发送。
- 多段输入合并 — 用户连续发多条消息时自动合并为一条（可配超时窗口）；
.. 续传合并、!! 立即提交。
- 文件发送工具 — agent 可调用
im_send_file 工具把工作区文件（图片/视频/文档）直接发送到当前 IM 会话。
- 双语界面 — 配置
language: 'zh' | 'en' 切换所有用户可见回复的语言。
会话管理
- 内置斜杠命令 —
/help、/model、/status、/new、/reset、/stop、/sessions、/session、/continue、/channels、/workspaces、/workspace、/compact（见下文）。
- 会话列表与接管 —
/sessions 列出最近会话（带序号 + 标题 + 完整 id），/session <序号> 或 /continue <id> 把本聊天接管到指定会话：正在运行的（如网页端开着）直接接管并与网页端共享同一份上下文，静息中的自动载入。
- 上下文压缩 —
/compact 压缩当前会话上下文（转发到官方命令注册表，与网页端手敲 /compact 等价）。
- 会话标题带通道标识 — 来自 IM 的会话在 dsh 会话列表中自动显示为
[机器人名] 智能标题，一眼分辨会话来自哪个通道（机器人名取通道实例的 name，未填则回落到通道类型名）。标题沿用 dsh 官方生成的智能标题，只在前面加前缀；在 Web 端手动重命名后不再自动覆盖。
- 工作区管理（两级粒度） — 「每个聊天」可在 IM 里用
/workspace <路径> 单独指定目录（落盘、跨 /new 保留），/workspace reset 恢复默认；「每个机器人」可在设置页直接指定默认工作区（内置目录浏览器，点选即可，不用手打 Windows 路径）。新建会话的目录按 聊天设置 → 机器人默认 → 全局 cwd 三级解析，所以新聊天、新群一进来就落在你指定的目录里。
- 用户白名单 — 配置
allowAllUsers 或 allowedUserIds 精确控制谁可以使用机器人。
安装
需要 DeepSeek Harness (dsh)——本插件是标准 dsh bundle，通过官方插件通道安装。
版本兼容
dsh 0.2.0 起会在安装阶段直接拒绝 peer 版本不匹配的插件（判定在 @deepseek-ai/dsh-app-boot 的 evaluatePluginCompatibility）。本插件声明的 dsh peer 范围是 >=0.1.0 <0.3.0-0：
| dsh 版本 | 状态 |
|---|
0.1.x（含 0.1.6-alpha.2、0.1.7-rc.*） | ✅ |
0.2.x（含 0.2.0-rc.1） | ✅ |
0.3.x 及以后 | ❌ 需要插件跟一个版本 |
两个容易踩的点（写 peer 时务必注意）：
- 校验器只检查
@deepseek-ai/dsh 与 @deepseek-ai/dsh-* 开头的 peer —— @deepseek-ai/cordis（^4.0.0）、@deepseek-ai/schemastery（^3.18.0）不参与该校验，随便写。
- 范围必须显式包含预发布段。判定用
semver.satisfies(runtime, range, { includePrerelease: true })，而 caret 展开 ^0.1.0 等于 >=0.1.0 <0.2.0-0 —— 上界带 -0 会把 0.2.0-rc.1 判成不满足。所以要么写 <0.3.0-0，要么直接写 ^0.2.0-rc.1（但后者会把插件锁死在单一版本线上）。
⚠️ 装得上 ≠ 跑得起来。 上面那道校验只看版本号字符串，不看代码。dsh 0.1.7 还改过一次插件设置接口，改法对新插件是静默的：
| dsh 版本 | 设置接口 | 本插件如何适配 |
|---|
≤ 0.1.6 | settings.installSection() 注册命名空间 | 调它（能力探测，有才调） |
≥ 0.1.7 | 删掉 installSection，改成「Config 里标 volatile 的字段才可编辑」，命名空间名 = profile 条目 id | Config.channels 标 volatile；命名空间按条目 id 解析 |
0.3.3 起同时兼容两代（详见 src/gateway/volatile-ref.ts 的说明）；0.3.4 起设置注册再包一层兜底 —— 官方若再改设置接口，插件最多丢掉设置页表单，不会整个启用失败（控制台留一条 设置命名空间注册失败 告警）。
排查「启用失败」前先确认装的是哪个版本。 报错栈里的 lib/index.js:<行号> 能直接对上版本（9037 = 0.3.1/0.3.2，9151 = 0.3.3+），也可以直接打开 profile 里那份 package.json 看 version：
<DSH_HOME>/profiles/<profile>/node_modules/@lijian-ui/dsh-im-gateway/package.json
升级后若报错原文一字不变，基本就是没装上（或桌面端没完全重启，还挂着上一次的模块）。
⚠️ 升级后必须「彻底退出宿主进程」再启动 —— 只重开窗口 / 热重载没用。 JS 会把加载失败的模块记在进程里（实测：文件已改成正确版本后，同一进程里再次加载，报的还是老错误、老行号）。所以插件升级、或修好了一个启动期报错之后，只要宿主进程没换过，就会一直重放老错误 —— 连行号都对得上旧版本。桌面端请用菜单退出（Quit）而非关窗口，并在任务管理器确认 dsh 相关进程已全部结束（必要时重启电脑）。
装完务必重启 dsh 并新建会话。
从 npm 安装（推荐）
dsh plugin --profile web add @lijian-ui/dsh-im-gateway
npm 包自带预构建的 lib/ — 无需构建授权（不需要 allowBuilds）。
从 tarball 安装
npm pack @lijian-ui/dsh-im-gateway
dsh plugin --profile web add ./dsh-im-gateway-0.1.1.tgz
从 GitHub 安装
dsh plugin --profile web add github:lijian-ui/dsh-im-gateway
Git 安装拉取的是源码，首次安装需要批准包的 prepare 构建脚本（pnpm ≥ 10）。按提示把包键加进 profile 的 pnpm-workspace.yaml → allowBuilds 即可。优先用 npm / tarball 方式可跳过此步。
验证安装
dsh --profile web --dump-config # 应看到 "# == @lijian-ui/dsh-im-gateway" 配置层
dsh --profile web # 启动后浏览器打开设置 → 「IM 通道」
快速上手
- 打开 dsh web UI → 设置 → IM 通道。
- 点击添加通道。
- 选择通道类型：
- QQ：点击扫码登录 → 手机 QQ 扫码 → 凭据自动填入 → 保存。
- 个人微信：点击扫码登录 → 手机微信扫码 →（如要求则输入配对码）→ 凭据自动填入 → 保存。
- 钉钉：点击扫码登录由钉钉自动创建机器人，或手动填写 AppKey / AppSecret → 保存。
- 飞书 / Lark：点击扫码登录 → 飞书 App 扫码一键创建应用（权限与会话事件已预填），或手动填写 App ID / App Secret → 保存。
- 企业微信：点击扫码登录 → 企业微信扫码一键创建智能机器人，或手动填写 Bot ID / Secret → 保存。
- 在 IM 客户端给机器人发消息 — 回复实时流式返回。
配置存储在 ~/.dsh/settings.yaml（im-gateway.channels）。在 UI 保存配置会热重载通道（无需重启）。
斜杠命令
在任何 IM 通道里发给机器人：
| 命令 | 说明 |
|---|
/help | 列出可用命令 |
/model | 用 emoji 编号列出模型；/model 1 或 /model <名称> 切换（无会话时 → 设为下次会话默认模型） |
/status | 通道 / cwd / 当前模型 / agent 状态 |
/new /reset /clear | 开启全新会话 |
/stop | 中止当前回复 |
/sessions | 列出最近 10 个会话（带序号，标记当前会话，显示标题；每行下面给出完整可用的会话 id） |
/session <序号> | 按 /sessions 的序号接管会话（手机上不用敲 44 位 id） |
/continue <会话id> | 把本聊天接到指定会话：正在跑的（如网页端开着）直接接管并共享上下文，没在跑的自动载入（用 /sessions 查看 id）。等效于参考项目的 /bind，无需两个命令 |
/channels | 列出所有 IM 通道及其实时连接状态（在线 / 连接中 / 离线 / 未启用 / 异常原因） |
/compact | 压缩当前会话上下文（历史过长时释放空间；需本环境下已启用官方 dsh-command-compact） |
/workspaces | 列出所有工作区（按最近活动排序，显示会话数；首行标出本聊天当前生效的目录） |
/workspace <路径> | 切换到指定工作区（重置当前会话，下次消息在新工作区创建新会话）；相对路径以当前生效目录为基准 |
/workspace reset | 清除本聊天的目录设置，恢复机器人默认（别名 /workspace default） |
/workspace | 不带参数时等同于 /workspaces |
多段输入控制后缀
| 后缀 | 说明 |
|---|
| （无） | 进入合并窗口，等待后续消息（默认 3 秒超时后自动提交） |
.. | 续传合并：把本条加入缓冲，继续等待 |
!! | 立即提交：把缓冲 + 本条合并后马上发给 agent |
审批回复
当 agent 调用需要审批的工具时，直接回复：
| 回复 | 效果 |
|---|
批准 / 同意 / yes / y / allow | 放行工具执行 |
拒绝 / no / n / reject / deny | 拦截工具执行 |
超时后自动委托回 dsh 原生审批体系。
配置
所有配置都可在设置页编辑；底层 schema 在 ~/.dsh/settings.yaml：
im-gateway:
language: zh # 界面语言：zh（中文）| en（英文）
approvalTimeoutSecs: 120 # 工具审批超时（秒）
questionTimeoutSecs: 600 # 交互提问超时（秒）
mergeTimeoutSecs: 3 # 多段输入合并窗口（秒）
allowAllUsers: false # 全局放行所有用户（仅开发用）
allowedUserIds: # 白名单：{ channelId: string[] } 或用 '*' 匹配任意渠道
"*":
- user-abc
channels:
- id: dingtalk-main
type: dingtalk
name: 主机器人
enabled: true
config:
clientId: "..."
clientSecret: "..."
# 其余字段按通道类型取用：callbackBaseUrl / appId / botAppId / baseUrl /
# botId / cdnBaseUrl / pollIntervalMs / domain（飞书）/ secret（企业微信）/
# groupPolicy / groupAllowFrom / groups
网关级配置
| 字段 | 默认值 | 含义 |
|---|
language | zh | 界面语言（zh 中文 / en 英文），影响所有用户可见回复 |
streamThrottleMs | 800 | 流式推送节流间隔（毫秒） |
slashCommands | true | 是否启用斜杠命令 |
approvalTimeoutSecs | 120 | 工具审批 IM 等待超时（秒），超时后委托回 dsh 原生审批 |
questionTimeoutSecs | 600 | 交互提问 IM 等待超时（秒），超时后转回 Web 端 |
mergeTimeoutSecs | 3 | 多段输入合并窗口（秒），用户连续发消息时合并为一条 |
allowAllUsers | false | 全局放行所有用户（仅开发用，生产环境勿开） |
allowedUserIds | {} | 白名单；key 为 channelId（* 匹配任意），value 为用户 ID 数组 |
通道级配置
| 字段 | 适用渠道 | 含义 |
|---|
clientId / clientSecret | dingtalk | 钉钉应用 key / secret（Stream 模式） |
appId / clientSecret | qq | QQ 开放平台凭据（扫码绑定所得） |
token / botId / baseUrl / cdnBaseUrl | weixin | iLink 凭据（扫码绑定所得） |
appId / clientSecret / domain | feishu | 飞书 / Lark 应用凭据（扫码创建所得）；domain：feishu（中国版）或 lark（国际版） |
botId / secret | wecom | 企业微信智能机器人 BotID + 长连接专用密钥（扫码创建所得） |
groupPolicy / groupAllowFrom / groups | qq · feishu · wecom | 群消息策略：open 全响应 / allowlist 白名单 / disabled 不响应 |
enabled | 全部 | 该实例是否连接 |
架构
IM 客户端 ──► 通道适配器 (dingtalk / qq / weixin / feishu / wecom)
│ ImInboundMessage
▼
ctx.imGateway（核心）
│ 多段合并 → 白名单检查 → 审批/提问拦截 → 斜杠命令
│ ensureSession → agent.followup
▼
dsh harness agent（LLM 循环）
│ 会话事件 (turn/start, assistant/message, tool/call, turn/end)
│ 实时流 (agent/assistant-stream: text-delta 增量)
▼
EventDispatcher → 流式回复 / 分片 / 工具提示
│ (AI 卡片 / stream_messages / 纯文本回退)
▼
IM 客户端
模块结构
| 模块 | 职责 |
|---|
im-gateway.ts | 核心服务 ImGatewayService：会话管理、消息路由、工具注册 |
events.ts | EventDispatcher：SessionEvent → IM 渠道操作（流式、分片、工具提示、sendTyping 打字指示） |
session-title.ts | prefixSessionTitle：给 IM 会话标题加 [机器人名] 前缀（走官方 sessionTitle.rename） |
commands.ts | CommandHandler：斜杠命令处理（/help /reset /model /status /stop /sessions /session /continue /channels /workspaces /workspace /compact） |
stream.ts | StreamThrottle：流式节流器，攒批 text-delta 后按间隔推送 |
supervisor.ts | ChannelSupervisor：连接监督器（M9）——统一退避阶梯 + 连上后的健康巡检，每渠道一个 |
approval.ts | ApprovalBroker：工具审批桥，挂起 approval/request 等待 IM 回复 |
questions.ts | QuestionBroker：交互提问桥，挂起 ask_user_question 等待 IM 回复 |
split.ts | splitText：长文本分片，按句号/换行切分，带分段前缀 |
merge.ts | SessionMerger：多段输入合并，支持 .. / !! 控制后缀 |
i18n.ts | Translator：中英文双语翻译表 |
instance-lock.ts | acquireInstanceLock：DSH_HOME 文件锁，防止并发写坏 session log |
types.ts | 接口定义：ImChannelAdapter、ImGatewayConfig、ImGateway 等 |
- Host 半（node）：
src/index.ts（apply）、src/gateway/（核心 + 上述模块）、src/channels/（dingtalk / qq / weixin / feishu / wecom + 协议助手）、src/remote.ts（设置页的 Typert RPC）、src/sync.ts（保存配置后热重载通道）。
- Client 半（浏览器）：
src/client/ — 设置页「IM 通道」（添加/编辑弹窗 + 扫码登录（含刷新二维码）+ 状态点四态 + 重连/测试 动作 + 卡片元信息（掩码凭据、状态更新时刻、巡检结论）+ 目录选择器 DirectoryBrowser.ts，复用官方 directoryPicker 远程能力）。
- 多机器人：
channels 是数组，同一 type 可多次出现。
扩展点
第三方可以不 fork 直接注册自己的通道：
import { ImChannelAdapter } from '@lijian-ui/dsh-im-gateway' // peerDependency 引用核心
class MyChannelAdapter implements ImChannelAdapter { /* ... */ }
ctx.imGateway.registerChannel(myAdapter)
ImChannelAdapter 接口可选方法：
| 方法 | 说明 |
|---|
sendText(convId, text) | 必需。发送纯文本消息 |
sendMedia(convId, filePath, caption?) | 可选。发送文件/图片/视频（im_send_file 工具使用） |
beginStream(convId) | 可选。开启流式回复（首个文本增量时调用） |
streamText(convId, text) | 可选。流式覆盖更新（节流推送） |
endStream(convId, fullText) | 可选。结束流式回复（turn/end 时调用） |
sendTyping(convId, active) | 可选。平台原生「正在输入」：turn/start 传 true、turn/end 传 false，由网关统一触发，渠道只需实现平台那一层 |
probeHealth() | 可选。主动健康探活：连接监督器每 15s 调一次，返回 false（或抛错）即判不健康并安排重连。必须免副作用（只读自己的 socket 状态 / 打一个便宜的只读接口）；没有可靠手段就不要实现 —— 伪探活会把健康的长连接判成不健康然后重启踢掉它 |
updateCard(convId, text) | 可选。遗留单次卡片更新 |
authorizes(userId) | 可选。渠道本地授权检查（返回 false 拦截） |
maxMessageChars | 可选。单条消息字符上限（默认 4000，用于分片） |
label | 可选。渠道显示名称（用于提问回执） |
开发
git clone https://github.com/lijian-ui/dsh-im-gateway.git
cd dsh-im-gateway
npm install
npm run build # tsdown → lib/
npm run watch # 保存自动重编译
npm run typecheck
npm test # node --test tests/*.test.mjs
本地 link 进 dsh profile：
dsh plugin --profile web add ./ # 从本目录安装（link）
Windows 注意：dsh 子进程从 package.json 的 main 加载 lib/index.js — 修改 src/ 后必须 npm run build 再重启 dsh 进程（它的 require 缓存会保留旧模块）。
测试
测试使用 Node.js 内置测试运行器（node:test），位于 tests/ 目录：
| 测试文件 | 覆盖模块 | 测试数 |
|---|
approval.test.mjs | ApprovalBroker | 8 |
questions.test.mjs | QuestionBroker + parseQuestionReply + formatQuestionPrompt | 8 |
split.test.mjs | splitText | 8 |
merge.test.mjs | SessionMerger + stripControlSuffix | 9 |
常见问题
- 插件没有任何日志 — cordis 默认把
ctx.logger.* 缓存进内存。本插件在 apply 时注册了 console exporter，日志会出现在 dsh 子进程 stderr（桌面壳会加 [dsh] 前缀）。
- QQ 客户端一直显示「连接中」 — 流式开得太早或没收干净。本插件在第一个文本增量时才开流，并在
turn/end 无条件收流（0.1.x 已修复）。
- 能对话但不流式 — 渠道回退到了纯文本（例如 QQ 群聊不支持
stream_messages；微信本身没有流式概念）。这是设计行为。
- 没看到「正在输入」 — 分渠道：微信、QQ 单聊有原生输入态（QQ 仅 c2c，群聊平台不支持）；钉钉/企微/飞书的反馈是「占位卡片/气泡」而非输入态提示（平台没有输入态 API）。整条链是 best-effort，平台拒绝时只记一行 warn、不影响回复。
- 卡片显示「巡检异常」 — 连接监督器探活没通过（不是"没连上"）：socket 还在，但对端已经不好使了（凭据被停用/重置、token 失效）。它会按退避阶梯自动重连，连续 5 次不成就停手并打一条 warn（
已停止自动重连，请手动重连或检查凭据），此时用卡片上的 重连 按钮或检查凭据。日志里能看到具体原因。
- 日志里出现「在退避等待期间自行恢复，取消本次重连」 — 正常现象：打算重连之前渠道自己好了，监督器复查后主动收手，不会去踢一个健康的连接。
- 掉线后要等一会儿才自动重连 — 故意如此。监督器要求连续 3 轮（约 45s）确认不健康才动手，为的是不和渠道自身/SDK 的重连抢方向盘。想立刻恢复就用卡片上的 重连 按钮（手动重连会把退避阶梯复位，下次掉线从 250ms 快速重来）。
- QQ / 企微 没有探活 — 这两家的 SDK 不暴露存活查询、也没有免副作用的只读接口，所以没有实现
probeHealth。它们的巡检退化为「状态停滞 + 真实流量」判定：socket 静默失效但仍报"已连接"时，只能靠下一次发消息失败暴露。这是有意的取舍 —— 伪探活会误踢健康的长连接。
- 回复被截断成多条 — 超过渠道
maxMessageChars 上限时自动分片，带 （1/3） 前缀。这是设计行为，不是 bug。
- 多段消息被合并了 — 默认 3 秒合并窗口内连续发的消息会合并为一条。发
!! 立即提交，或调大 mergeTimeoutSecs。
- 审批/提问超时了 — 调大
approvalTimeoutSecs / questionTimeoutSecs。超时后会自动委托回 Web 端。
- 切换英文后部分文本仍是中文 —
formatAnswerSummary 中的分隔符（、 ；）和 （空） 目前固定中文，因为它们是格式符号而非自然语言。
许可
MIT © lijian-ui
为 DeepSeek Harness 构建 — 独立插件，与 DeepSeek 无隶属或背书关系。
