dsh-plugin-weixin
用于 DeepSeek Harness 的 Weixin（个人微信，iLink Bot API）频道插件——通过微信向 DSH 代理发出指令，并支持图像、文件和语音消息转录。
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add github:panqing0313/dsh-weixin#e4bb2b49aa68bc61901c834df78c313c3a319777Plugin Weixin 以 dsh-plugin-weixin 发布，当前版本为 0.1.0。Plugin Hub 会校验它的 manifest，并保存精确安装来源，便于复现安装结果。
把个人微信变成 DeepSeek Harness（DSH）的远程控制面：在微信里发一句话，DSH Agent 在本地开一个会话执行，把结果回给你。
底层用的是微信 iLink Bot API（ilinkai.weixin.qq.com），传输层来自腾讯官方开源插件
@tencent-weixin/openclaw-weixin（MIT，2.4.10），
本项目把它 vendor 进 vendor/openclaw-weixin/，剥掉 OpenClaw 的耦合后直接绑定到 DSH 的 agents 服务。
不是 Hermes Agent runtime 的移植，也不是网页版微信模拟——只借通信层，控制权始终在 DSH。
dsh-plugin-weixin：在微信里与 DSH Agent 对话
已真机验证：插件加载、扫码登录、长轮询收消息、白名单、去重、开 DSH 会话、读回复、分段回发、 “正在输入”、入站图片与文件、入站语音识别成文字（SILK → WAV → ASR，热调用约 300ms）。
尚未验证：长时间运行、多账号、群聊；发送语音/视频（需要 TTS/视频编码，当前只支持发送
图片与文件）；原生图像理解（入站图片以本地路径交给 Agent，由 Agent 用 read_image 打开——
这依赖当前模型与工具链，不是插件自身保证）。
src/index.js 插件入口：name / inject / Config / apply
src/agent-bridge.js 微信会话 ↔ DSH agent 会话（create/resume + followup）
src/session-reader.js 从 session log 读回 assistant 回复与在跑的工具
src/transport/ilink.js iLink 长轮询 + send + sendMedia + typing
src/security/allowlist.js 发信人/会话白名单（默认拒绝所有人）
src/message/{chunker,dedupe,markdown}.js 分段、有界去重、Markdown→纯文本
src/media/inbound.js 入站媒体：下载、解密、落盘、语音转码
src/media/outbound.js 出站媒体：路径白名单、附件引用识别、上传
src/media/asr.js 语音识别：常驻 ASR 桥客户端（降级而非抛错）
src/state.js 把凭证目录从 ~/.openclaw 重定向到 ~/.dsh/weixin
bin/login.js 扫码登录 CLI
bin/install.mjs 安装到指定 DSH profile
vendor/openclaw-weixin/ 腾讯官方 MIT 传输层（已剥离 OpenClaw 依赖）
DSH 的插件页（侧边栏 Plugins）或 plugin_manager 工具可以直接从 registry 安装：
dsh-plugin-weixin
也可以填 git 地址或绝对路径。安装后 DSH 会自动把 bundle 挂上，重启生效。
git clone <this-repo> && cd dsh-weixin
node bin/install.mjs # 默认装到 $DSH_PROFILE（或 desktop）
node bin/install.mjs --profile web # 装到别的 profile
node bin/install.mjs --uninstall
脚本做三件事：
vendor/）放进 <profile>/node_modules/dsh-weixin；<profile>/package.json 的 dsh.profile.bundles 里追加 dsh-weixin；dsh-weixin 到 <profile>/cordis.patch.yml（幂等，已存在则刷新那一行）。同时会把两个可选依赖（qrcode-terminal、silk-wasm）搬到 profile 的 node_modules——
不搬的话它们只在这个仓库里可见，装到 profile 后会静默降级。
重启 DSH 后生效。
node bin/login.js # 终端打印二维码，手机微信扫码
node bin/login.js --account work # 多账号时指定 id
node bin/login.js --force # 已有账号时强制重新扫码
凭证写入 ~/.dsh/weixin/openclaw-weixin/accounts/<id>.json，权限 0600，只在本机。
bin/login.js 不接收密码，也不会把 token 打印到日志（vendor 自带 redact）。
微信文本不是授权凭据。因此：
allowedSenders 默认空，等于拒绝所有人——没配白名单的插件什么都不驱动；cordis.patch.yml 里那行的 config：
| 字段 | 默认 | 说明 |
|---|---|---|
enabled | true | 关闭即不启动长轮询 |
accountId | '' | 空 = 只用唯一已保存账号 |
cwd | '' | Agent 工作目录；空 = 继承会话默认 |
allowedSenders | [] | 允许驱动 Agent 的微信用户 id |
allowedChats | [] | 会话白名单；空 = 不限制会话 |
maxMessageLength | 1500 | 单条出站消息字符上限 |
markdownMode | 'strip' | 回复的 Markdown 处理：strip 转微信可读纯文本，off 原样发送 |
progressAfterMs | 45000 | 超时前发一条进度提示 |
maxTurnWaitMs | 1200000 | 等待一轮的上限 |
typingIndicator | true | 有 typing ticket 时显示“正在输入” |
mediaEnabled | true | 把回复里引用的本地文件作为附件发出（出站） |
maxMediaBytes | 104857600（100MB） | 出站附件大小上限 |
maxInboundMediaBytes | 20971520（20MB） | 入站附件下载大小上限 |
cdnBaseUrl | 空（未配置） | 入站下载与出站上传的 CDN 根。留空表示「这里没配」：会先用账号记录里的 cdnBaseUrl，再退回上游默认 https://novac2c.cdn.weixin.qq.com/c2c |
改完配置重载插件即可。
用户发来的媒体会先过白名单和去重，再从 CDN 下载——未授权的发信人不会让本机对 CDN 发起任何请求
（test/e2e.test.js 里有一条断言守着这点）。下载后按 AES-128-ECB 解密，存到
<stateDir>/media/inbound/（默认 ~/.dsh/weixin/media/inbound/），再把本地绝对路径 + 用哪个工具读
拼进交给 Agent 的 prompt：图片提示 read_image，文件/视频提示 read。微信图片带的 caption 会一并
保留，所以 Agent 既有图也有问题。
两个安全要点：
./.. 段，再加随机前缀，
写盘用 wx 独占模式。../../etc/passwd 只会变成 a1b2c3d4-passwd 落在收件目录里，逃不出去。Content-Length 判、读完再按实际字节判一遍。 头部可以缺、也可以撒谎，两道都要过。失败不静默：下载失败会把具体原因回给用户（如 CDN returned 403、30.0MB，超过 20.0MB 上限），
而不是笼统的「暂不支持」。真正未知的 item 类型（如 TOOL_CALL_*）才保留「暂不支持」提示。
语音是微信 SILK 格式。插件会尝试用上游的 silkToWav 转成 WAV；silk-wasm 现在是
optionalDependencies 里的一项（已装则可用；卸载或安装失败不影响插件加载，会走降级路径）。
silk-wasm 缺失时按上游行为把原始 .silk 存下来并把路径交给 Agent，回复中说明这是未转码的
SILK。
转成 WAV 之后可以再交给一个常驻的 ASR 桥进程，真正做到「听懂」。桥是一个行协议子进程：
stdin 每行一个 {"wav":"/绝对路径.wav"}，stdout 每行一个 {"ok":true,"text":"..."} 或
{"ok":false,"error":"..."}。进程常驻复用——每条语音起一个新 Python 进程要付 15–25 秒冷启动，
不可接受。
asr:
enabled: true
command: /path/to/your/venv/bin/python3 # 你自己的 Python 环境
args: [/path/to/your/asr-server.py] # 一个按行收发 JSON 的转写服务
timeoutMs: 60000
env:
HF_HOME: /path/to/your/model-cache # 模型缓存放哪（可能很大）
本仓库不含 ASR 服务端。 插件只带客户端：它按上表调用你的 command，把 WAV 路径写进 stdin，
从 stdout 逐行读 JSON 响应。服务端要自己提供（约 30 行 Python），任何能完成
「读一行 {"audio_path": "..."} → 写一行 {"ok": true, "text": "..."}」的进程都可以，
模型可以用 mlx-whisper / faster-whisper / 云端 API——插件不关心。
之所以不内置：模型约 670MB，且 Apple Silicon 上的最优方案（MLX）不跨平台。把它塞进仓库会让
绝大多数用户下载几百 MB 却用不上。默认 asr.enabled: false，不配就完全没有这条链路。
command 为空即关闭识别，语音只作为文件交付。三条降级互不影响，Agent 收到的说明能区分
「没装转码模块」「转码了但桥失败」「识别出来但是空的」：
| 情况 | 交付给 Agent 的内容 |
|---|---|
| 识别成功 | 【语音转写】 + 用户原话（明确标为「均按用户原话处理」） |
| 识别为空 | 明说未识别出内容，并要求不得臆测——空结果不许编 |
| 桥失败/超时 | 仍给出 WAV 路径，附失败原因 |
无 silk-wasm | 给出 .silk 路径，说明未转码 |
桥在请求中途崩溃会被自动重启，只影响当前这一条（该条降级），后续请求照常。timeoutMs 是
兜底而不是延迟目标——冷启动加载模型可以到几十秒，所以默认 60s；热调用实测约 294ms。
本机实测：
2ee80de6-voice.silk（3830 字节）→ WAV 113324 字节 → 转写「你是谁」。 模型缓存在HF_HOME指定的位置（stationData 卷），不要让它落到系统盘。
微信不渲染 Markdown，**加粗**、##### 标题、 会原样显示。出站链路因此先把回复
转成纯文本，再按 maxMessageLength 分片——顺序不能反，否则分片长度会按未转换的文本计算而超限。
markdownMode 为 strip（默认）时复用 upstream 的 StreamingMarkdownFilter
（vendor/openclaw-weixin/messaging/markdown-filter.js），规则完全与上游一致：
| 保留 | 剥离（标记去掉、内容保留） |
|---|---|
**加粗**、___加粗___ | CJK 内容的斜体/粗斜体标记 |
代码围栏 ```、行内代码 ` | H5/H6 标题（#####、######） |
表格 |…|、分隔线 --- | 图片 （整段移除） |
| 非 CJK 内容的斜体 |
空白字符（空行、行尾换行、CRLF）逐字节保留。markdownMode: 'off' 时原样发送，便于排障与对照。
注意：
同时是出站附件语法。开启mediaEnabled时该引用会先交给媒体层上传， 文本里只剩 alt 文本；stripMediaReferences已在媒体步骤处理掉的部分不会再进入 Markdown 过滤器。
npm test # node --test "test/**/*.test.js"
node bin/login.js # 真实扫码登录
本地 dev 需要把 DSH 的 @deepseek-ai/{schemastery,cosmokit,dsh-llm} 软链到 node_modules/@deepseek-ai/
（它们在 profile 里，不是公开 npm 包）：
mkdir -p node_modules/@deepseek-ai
ln -sfn ~/.dsh/profiles/desktop/node_modules/@deepseek-ai/schemastery node_modules/@deepseek-ai/schemastery
ln -sfn ~/.dsh/profiles/desktop/node_modules/@deepseek-ai/cosmokit node_modules/@deepseek-ai/cosmokit
ln -sfn ~/.dsh/profiles/node_modules/@deepseek-ai/dsh-llm node_modules/@deepseek-ai/dsh-llm