Passer au contenu principal
M

dsh-mimo-web-login

mianbier/dsh-mimo-web-login

Propose les modèles Web Xiaomi MiMo AI Studio comme fournisseur DSH et s’authentifie avec les cookies de connexion du navigateur plutôt qu’avec une clé API. Ses routes HTTP ne vérifient pas l’accès DSH ; une page ouverte dans le navigateur pourrait donc les appeler.

Installer

dsh plugin --profile web add github:mianbier/dsh-mimo-web-login

README

dsh-mimo-web-login

把小米 MiMo AI Studio 网页端接进 DSH:用浏览器登录态(不是 API Key)驱动 agent。

CI License Node Version


⚠️ 非官方插件。 它逆向网页端的私有接口,不属于小米官方支持范围。 需要生产级稳定性请改用小米官方的 MiMo API(OpenAI 兼容,用 API Key)。 详见文末「风险说明」。

这是什么

DSH(DeepSeek Harness)通过 ctx.llm 的 provider 适配器接入模型。本项目实现了 mimo-web 这个 provider —— 它不调用小米官方 API,而是复用你已登录的网页端:会话、SSE 流式、图片上传、 语音合成/识别,全部走 aistudio.xiaomimimo.com 的私有接口。

于是:在模型选择器里选 小米 MiMo 网页版,就能用网页端额度跑 DSH 的 agent。

DSH agent loop ──▶ ctx.llm ──▶ [mimo-web 适配器] ──▶ aistudio.xiaomimimo.com
                                     │  ├─ Cookie 鉴权(serviceToken / userId / xiaomichatbot_ph)
                                     │  ├─ react/chat(SSE,v3 协议)
                                     │  ├─ resource/genUploadInfo → PUT → parse(图片)
                                     │  ├─ tts/v2/generate + asr/recognize(语音)
                                     │  └─ 提示词工具协议 ⇄ tool-call 块

✨ 最近更新

v1.9.1 — 查清了根本限制(不是 bug)

先给结论:MiMo 网页端有它自己的原生工具,我们无法接管。

实测(裸问一句「你有哪些工具」):

我实际能调用的工具就两个:

  1. search(联网检索) — 搜索网络信息,最多 5 个关键词并行
  2. 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。

第二次实测(让它查时间),它真的调用了原生 search,返回带 [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。

这解释了你遇到的所有怪现象

现象解释
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 里没有失败记录它指的是原生工具的调用,那部分我们收不到
有时能正常调 write/pwsh,有时不行取决于模型这次选择用哪套工具
推理里反复纠结格式两套工具协议在打架:原生 antml vs 我们的 ```dsh-tool

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
  • 我们的 ```dsh-tool 只是普通文本,网页端不认,只有 DSH 认

一个请求里两套机制并存,模型的先验里"我能调用的只有 search/scrape"是正确的。 这不能靠提示词修 —— 提示词改不了服务端的执行路径。

能做的(已做)

  • 协议与 dsh-deepseek-web-login 逐字一致,不加任何自创补丁
  • 解析器兜住所有方言:dsh-tool / dsh / ```json / 裸 JSON / XML / antml
  • 压住却解析不出时原样漏出来,绝不静默丢弃

诚实的话

如果你需要稳定的工具调用,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",成功率受模型状态影响,做不到 100%。

v1.9.0 — 删掉所有自创提示词,只忠实转达 DSH

这是我的错,得写清楚。

为了"修正模型行为",我在 v1.8.x 里陆续往提示词塞了这些东西:

塞进去的结果
# Runtime 运行环境声明(说"你在 DSH 里、工具真会执行")模型把它当成用户贴的文档
[SYSTEM INSTRUCTIONS] / [TOOL INSTRUCTIONS] 分区标题同样的内容加了两遍标题,模型更混乱
[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」说明反而提示模型"我好像调过什么"

每一次"修复"都引入了新问题。 根本原因是:DSH 的 system prompt 已经有 5724 字的完整指令(角色、工具用法、工作规则、路径约定都在里面), 我再往里面加东西,等于在跟它打架。

这一版全部删除,回到 DeepSeek 的做法:

system prompt(DSH 的,原样)
  +
工具协议(照搬 dsh-deepseek-web-login,一个字不改)
  +
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 ✅

💡 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。

v1.8.2 — 内容被静默吞掉(工具「失败」的真凶)

症状:第 1 步工具执行成功,之后每一步都报「工具调用失败,请重新判断」。

会话实录(tool/call=1, tool/result=1):

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。 根因不在模型,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 —— 彻底消失。 DSH 什么也没收到 ⇒ 模型下一步"回忆"成"我调了但失败了" ⇒ 无限重试。

铁律:宁可把畸形内容当正文漏出来,也绝不静默丢弃。

// 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

两步真机验证:

step 1step 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

v1.8.1 — 深度思考会「脑内自演」工具失败

症状:模型在推理里说「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,最后要么放弃、要么被手动停止。

根因(真机抓到的模型原文):

"looking at my previous messages, I did use the dsh-tool fence. And they all failed." "even working_directory with 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"

这些都是它自己编的。 第一轮(step 1)根本没有历史,它把协议里的格式示例 当成了"我之前发过的调用",因为示例后面没有结果,就断定"那些调用失败了", 于是在 thinking 里演起了完整的「调一次 → 失败 → 换格式重试」独角戏。

实测对比(同一任务、同一 34 工具集):

配置耗时真实调用推理里的幻觉
完整目录 + 深度思考开(修复前)28.9s常卡死failed / retry 遍布
精简目录 + 深度思考开25.9s0 次(放弃)严重
完整目录 + 深度思考关10.1s1 次少量
完整目录 + 深度思考开(修复后)7.1s1 次 ✅无

关键修复是结尾那句"紧贴发言位置"的提醒,而不是关思考:

[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.]

三处改动合起来:

  1. 协议开头加 # Runtime,明确禁止「在 reasoning 里模拟工具调用与结果」
  2. 协议里注明「下面的示例是格式样本,不是你之前的调用」
  3. 提示词改成 [SYSTEM INSTRUCTIONS] / [TOOL INSTRUCTIONS] / === CONVERSATION === 三段,并在末尾补一条事实提醒

💡 不需要关深度思考。 修复后开着深度思考反而更快(7.1s vs 关掉的 10.1s), 因为模型不再把时间浪费在自演失败的独角戏上。

v1.8.0 — 修复「模型不肯用工具」

症状:让模型创建文件,它说做不了。

根因(模型的推理其实完全正确):

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 网页端自己有原生 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 运行环境声明(# Runtime),用事实反驳而不是加大声量:

  • 你不是在 MiMo 网页聊天里,而是在 DSH 的 agent 循环里
  • 下面列的工具真的注册了,DSH 会解析并真的执行,结果作为下一条消息回来
  • 网页端的 search/scrape 属于网页 UI,与本会话无关
  • 绝不允许在尝试前就声称工具不可用

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

顺带修掉两个流式泄漏:

  1. 裸 JSON 没被拦截 —— 模型不写围栏时,{"tool_calls… 前 24 字符直接漏成正文
  2. ''.startsWith 空串陷阱 —— visibleText.startsWith(streamedText) 在 streamedText === '' 时恒为 true,导致后面的兜底分支永远执行不到, 把整段 JSON 当正文补发。真机现象是正文里出现 {"tool_callsdsh-tool。

v1.7.4 — 修复 XML 漏成正文 + 工具签名丢约束

问题 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。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> 就恢复了正文流,下一包的 </tool_call> 就漏出来了。

现在 XML 也进 hold-back 窗口,且流级标记会把开头残渣剥掉。

问题 2:工具签名丢约束,导致搜索必失败

Error: queries must contain at most 4 queries

模型发 8 个查询,但 web_search 上限是 4。根因是我的签名渲染:

之前现在
queries: string[]queries: string[] (max 4)

maxItems / minItems 被丢了。模型不是不听话,是根本没被告知这条限制。

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

v1.7.3 — 修复 XML 方言的参数类型

问题:工具调用报 Error: invalid arguments: "queries" must be an array。

模型用 <tool_call><function=…><parameter=queries>[...]</parameter> 这种方言, 而我的解析器把参数值一律当字符串 —— 数组变成了 "[…]" 这个字符串。

模型自己也困惑了(reasoning 原文):

"The tool seems to want an array but the harness is serializing my JSON string."

修复:按内容推断参数类型,三处 XML 解析路径统一走 coerceParamValue:

值还原成
["a","b"] / {"k":1}数组 / 对象
true / false布尔
42 / -3.5数字
a.py / https://…字符串(不变)

真机验证:

finish: {"kind":"tool-calls"}
工具: web_search
arguments: {"queries":["NapCatQQ","LLOneBot"]}
queries 类型: array ✅

v1.7.2 — 修复工具调用漏成正文(```dsh 围栏)

问题:DSH 里显示一坨原始 JSON,工具一个都没执行;而官网上那段就是普通代码块。

根因是两个 bug 叠加:

  1. 流式过滤器的围栏正则只认 ```dsh-tool 但模型经常写 ```dsh(省掉 -tool)、```json、甚至空 ```。 模型自己的 reasoning 里都点出来了:

    "dsh (not dsh-tool). The language tag is "dsh" not "dsh-tool"!"

  2. flush() 无条件把压住的内容吐出去 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。 等于白压。

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,无法提前区分)
  • 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

真机验证:

```dsh + JSON → 只流出正文"我先看一下工作区里已有的东西。",calls=1 ✅
```js 普通代码块 → 正常流出,不被误拦 ✅

v1.7.1 — 修复图片发送

问题:发图片时模型总说「我这边没有收到图片」。

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。

修复后:parse 只是可选步骤,失败也照常返回(图片早就上传好了,resourceUrl 已拿到)。 真机验证:

造了一张 64x64 渐变 PNG
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…"

耗时也从 14.2s 降到 6.2s(不再对 6002 做无谓重试)。

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
full8.9s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

和 DeepSeek 那个插件的区别(很重要)

dsh-deepseek-web-login 的核心工作量在 PoW 求解(SHA3 WASM,还要在真实页面里算)。 MiMo 没有 PoW。 我把 MiMo 的线上生产 bundle(776KB)扒开逐字核对过:

项目DeepSeek 网页小米 MiMo 网页
鉴权Authorization: Bearer + x-hif-* 指纹头只有 3 个 Cookie
反爬PoW 挑战 + TLS 指纹 + 请求签名没有(无 nonce、无签名、无验证码)
端点/api/v0/chat/completion/open-apis/react/chat
思考流response/fragments 的 THINK 片段SSE 的 reasoningContent 字段
工具调用网页端无原生 function calling同样没有

所以这个插件不复用 DeepSeek 的 PoW 代码 —— 那部分在 MiMo 上一行都用不上。 它借用的是骨架:provider 注册方式、流式 chunk 形状、提示词工具协议、设置页。

快速开始

# 1. 装进 DSH 的 desktop profile
dsh plugin --profile desktop add ./dsh-mimo-web-login

# 2. 重启 DSH
# 3. 设置 → MiMo 网页登录 → 点「浏览器窗口登录」,在弹出的窗口里登录一次
# 4. 模型选择器里选「小米 MiMo 网页版」,开始用

登录只需一次。凭据存在本机(~/.dsh/mimo-web/)。 登录态能撑多久由服务端决定(实测常常远超 24 小时),面板只在服务端真的返回 401 时才提示重新登录 —— 不按时间瞎猜。

安装

从 Release 装(推荐)

# 下载最新的 tgz,然后
dsh plugin --profile desktop add ./dsh-mimo-web-login-1.9.1.tgz

从源码目录装

git clone https://github.com/Mianbier/dsh-mimo-web-login.git
dsh plugin --profile desktop add ./dsh-mimo-web-login

装完重启 DSH(本插件是 bundle 装配,重启即自动加载)。

不需要 npm install(没有运行时依赖),也没有构建步骤(源码即产物)。

卸载

dsh plugin --profile desktop remove dsh-mimo-web-login

账号数据在 ~/.dsh/mimo-web/,卸载不会删。要彻底清掉就手动删那个目录。

登录方式(按你的环境选)

面板提供了三条路,按能力自动选或手动挑:

A. 浏览器窗口登录(推荐,全自动)

用 --remote-debugging-port 拉起一个独立 profile 的浏览器,你正常登录, 插件通过 CDP 的 Storage.getCookies 把三个 Cookie 读回来。

  • Windows / macOS:找 Edge 或 Chrome
  • Linux:先查 PATH(google-chrome / chromium / microsoft-edge / brave-browser…), 再用 /usr/bin、/snap/bin、flatpak 路径兜底
  • 以 root 运行时自动加 --no-sandbox;/dev/shm 太小自动加 --disable-dev-shm-usage

B. 内置浏览器登录(无桌面环境)

面板里嵌一个 iframe 直接打开登录页 —— 在你自己的浏览器里渲染,服务器不需要任何浏览器。

实测 aistudio.xiaomimimo.com 没有 X-Frame-Options,也没有 CSP frame-ancestors,可以直接嵌。

⚠️ 跨域 iframe 读不到 cookie(同源策略),所以登录后仍需手动取三个值。

C. 手动粘贴 Cookie(万能兜底)

任何环境都能用。面板里给了完整三步:

  1. 点链接在新标签页打开登录页
  2. 按 F12 取 cookie
    • Firefox:存储 → Cookie → 点 https://aistudio.xiaomimimo.com
    • Chrome / Edge:应用程式(Application) → Cookie
    • 列表上右键 → 全部复制
  3. 粘进面板的文本框 —— 自动拆成三个值

支持的粘贴格式:

格式例子支持
Firefox「全部复制」名称⇥值⇥域⇥路径⇥…(TSV 多列)✅
Firefox 选中几行TSV✅
document.cookie 输出k=v; k2=v2✅
curl -bk=v; k2=v2✅
JSON{"k":"v"}✅
值带引号k="v"✅
少了前缀serviceToken=…(也认)✅

⚠️ xiaomichatbot_serviceToken 是 HttpOnly —— Console 里 document.cookie 看不到它, 必须走 DevTools 的存储/应用程式面板。

能力对照

环境自动读 cookie用哪条
Windows / macOS 桌面✅A
Linux 有桌面 + Chromium 系✅A
Linux 无桌面(服务器)❌B 或 C
只有 Firefox❌(Firefox 不实现 CDP)B 或 C
纯 SSH❌在本机登录后把 cookie 粘过去

为什么 Firefox 不能自动读? 因为浏览器登录走 CDP(Chrome DevTools Protocol), Firefox 用的是 Marionette / WebDriver BiDi —— 完全是另一套协议,没有兼容层。

核心能力

能力说明
🔐 网页登录(无 API Key)三条登录路径,按环境自动选
🧩 多账号账号库、一键切换、只读探活(零额度)、失效标记
🌊 流式SSE v3:message / reasoningContent / usage / finish / error,跨 chunk 断行能拼回来
🧠 思考流reasoningContent 直接映射成 DSH 的 reasoning 块,不是靠 <think> 标签猜
🛠 工具调用网页端没有原生 function calling → ```dsh-tool 围栏 + tool_calls JSON(照搬 DeepSeek)
🩹 容错解析6 路兜底:主围栏 / 普通围栏 / 裸 JSON / antml-XML / <tool_call> 方言 / 括号配平抢救
🖼 图片输入走 genUploadInfo → PUT → resource/parse 三步,文件名后缀强制归一(服务端按后缀判类型)
🔊 语音(TTS/ASR)面板可选音色,供 Aurabot 的本地接口脚本调用(mimo-v2.5-tts / mimo-v2.5-asr)
🔍 连通性测试真发一条最小请求,把 SSE 事件序列回显出来
🎛 设置面板五个页签:账号 / 模型 / 统计 / 参数 / 关于
📊 用量台账每次调用落 JSONL(今天 N 次·成功·失败码·工具调用·间隔中位/p90/最短)
🌐 「网页版」页签主界面顶栏用 DSH 自带 Chromium 真正打开 MiMo 网页(不参与发消息)
⚡ 允许并发实测同账号并发可用,默认开启 —— 两个窗口可同时发消息

模型

模型列表实时从 GET /open-apis/bot/config 拉(这个接口不需要登录)。 实测 2026-11 可用 chat 模型 15 个,旗舰是 mimo-v2.6-pro。

modelConfigListNg 里带 redirectTo 的是重定向别名(旧模型名指向新模型), 不会进候选列表 —— 选了等于选新模型,不如直接列新的。

拉不到目录时有一份兜底表(mimo-v2.6-pro / mimo-v2.6-flash), 避免模型选择器里一片空白让人以为插件坏了。

配置

面板上的设置存在 ~/.dsh/mimo-web/settings.json:

字段默认说明
thinkingtrue默认是否开思考。模型选择器里还能按次切
webSearchdisableddisabled / auto / enabled
maxImages12一次请求最多带几张图(网页端对条数有上限)
contextWindow1048576声明给 DSH 的上下文窗口(上游 nToken 标的就是 1M)
minIntervalMs1200两次请求之间的最小间隔(风控阀门,别调太小)
idleTimeoutMs180000流空闲超时
allowConcurrenttrue是否允许同账号并发
probeIntervalMs0只读探活间隔,0 = 关闭
contextModechainedchained(像官网,快)/ full(每轮全量,稳但慢)
ttsVoiceChloeMiMo TTS 音色(冰糖 / Mia / 茉莉 / Chloe / 苏打 / Milo)
ttsStyle空风格指令(如「轻快上扬,带着压抑不住的激动」)
enabledModels[]模型白名单,空 = 全部

contextMode 怎么选(影响速度)

模式行为首字实测适合
chained(默认)同一个对话只发新内容,靠 conversationId 让服务端维护上下文3.9s日常使用(推荐)
full每轮开新会话 + 重发完整历史 + 工具协议8.9s(长历史)出问题时排查

为什么 chained 快这么多:官网聊得快,是因为它只发你新说的那句话。 而 full 每轮要重发几万字符(历史 + 工具协议),上游得先读完才开口。

chained 是安全的:真机验证过 —— 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。

🔴 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。

数据存在哪

~/.dsh/mimo-web/
├── accounts.json       账号库(含 serviceToken 明文)
├── active.json         当前账号
├── settings.json       面板设置
├── browser-profile/    登录用的浏览器 profile(独立,不碰你日常浏览器)
└── usage/              用量台账(每日 JSONL,自动清 7 天前的)

凭据只存在本机。 导出这个目录等于把账号本身给出去了 —— 别分享、别提交到仓库。

踩过的坑(写给以后改这个插件的人)

这些都是真机上打出来的,改代码前请先读。

登录与鉴权

  1. cookie 名是 xiaomichatbot_serviceToken,不是 serviceToken 少了前缀,浏览器里根本没这个名字,三件套永远凑不齐 —— 登录窗口只能干等到超时。

  2. cookie 值不能带外层引号 CDP 有时返回 "/vjQ…JU=" 这种被 JSON 序列化过的值。whoami 不校验, 所以看起来"登录成功";但 react/chat 会把 ph 拼进 followup 校验,带引号立刻 401。

  3. 「没有权限操作」是限流,不是没权限 上游把限速伪装成这句话,照字面理解会让用户反复重登(完全没用)。 已归类为 RATE_LIMIT。

  4. 登录态别按时间判过期 早期版本写死"捕获超过 24 小时即过期",真机证明是错的 —— 账号连续用几天都正常。 现在只认服务端 401。

SSE 与协议

  1. messageType 是消息角色,不是事件名 SSE 每帧是 event:message + {"messageType":"assistant",...}。早先拿 messageType 覆盖事件名,event:message 就变成 assistant,被白名单丢掉 —— 正文和思考全被吞,上层只看到 usage/finish,报"空响应"。这个 bug 藏得最深。

  2. bot/config 不需要鉴权 没登录也要把真实模型目录拉回来,否则只有兜底的 2 个。

  3. 上游只认真实模型 id,不认显示名 mimo-v2.6-pro 能用,MiMo-V2.6-Pro 会回 {"content":"模型名称错误"}。

  4. prepareCall(provider, model) 的 model 才是可信模型来源 早先只用于 resolveModelInfo,发请求时读 options.model —— 那个可能是显示名。

  5. v2 的思考混在正文里,要剥 <think> /fastchat 走 v2 协议,思考不是独立的 reasoningContent,而是 <think>…</think> 混在 content 里,还夹 \u0000 分隔符。

  6. UltraSpeed 是独立部署,但凭据是同一套 用 CDP 抓官网真实请求才钉死的(别照 SPA 字面量猜):

    POST /fastchat/open-apis/bot/chat?xiaomichatbot_ph=<ph>
    cookie:xiaomichatbot_serviceToken / userId / xiaomichatbot_ph
    

    两个反直觉点:路径要加 /fastchat 且端点是 v2 的 bot/chat; 查询参数和 cookie 名仍是 xiaomichatbot_ph —— SPA 里那个 {ultra: "ultraspeed_ph"} 只是内部配置字符串,浏览器里没这个 cookie。

工具调用(血泪最多的一块)

  1. 协议形状别自己发明 —— 照搬 dsh-deepseek-web-login

    我最初自己发明了 XML 标记(<mimo_tool_call>),模型直接拒绝: "我没有 mkdir_test 这个工具,不会伪造调用"。

    正解是抄成熟方案:

    ```dsh-tool
    {"tool_calls":[{"name":"<工具名>","arguments":{...}}]}
    ```
    

    换过来之后真机一次就通,模型 reasoning 里明说 "The tool call format is the dsh-tool fenced JSON block."

  2. 提示词要事先警告模型,而不是事后打补丁

    DeepSeek 的协议里有 rule 5b:

    (a) 值里的双引号必须转义成 \" (b) 值里不能有真换行,要写 \n

    我自写的中文版漏了这两条,于是模型反复写坏 JSON,我就在解析器里反复救。 治标不治本。 现在整份协议逐字照搬(见 lib/ds-protocol.js)。

  3. 历史里的调用块形状必须和协议一致

    早先历史里渲染成自创 XML,而协议要求 ```dsh-tool 围栏 —— 模型从历史学格式,学到的就是错的。现在照搬 renderToolCalls: Assistant: {"tool_calls":[…]},且 arguments 是嵌套对象(不是字符串)。

  4. 别用"匹配到闭合围栏"的正则取 JSON

    模型写 Python 时内容里自带三个反引号(docstring 嵌套 markdown、正则匹配围栏), 正则会在那里提前截断 ⇒ JSON 残缺 ⇒ 调用漏成正文。

    正解:按花括号配平提取(字符串与转义都算进去)。

  5. 参数会平铺在调用对象上

    {"tool_calls":[{"name":"pwsh","command":"...","workdir":"..."}]}
    

    旧解析器只认 arguments 键 ⇒ 参数全丢 ⇒ 变成 pwsh {} 空调用。 现在没有 arguments 时,把除元信息外的同级字段整体当参数。

  6. 围栏名会被写成键名

    {"tooldsh-tool
    {"tool_calls":[…]}
    

    从第一个 { 配平会拿到那个坏对象(内含不配平的同级 {)⇒ 永远失败。 正解:先找真的像调用的 {(后面紧跟 "tool_calls"),再配平。

  7. 字符串里会有裸双引号

    "content":""""临时诊断""""
    

    裸引号把 JSON 字符串提前闭合。正解:按"真闭合引号后面必跟结构标记" (, } ] :)的规律,把内容里的裸引号转义掉。

  8. 提示词里的禁令拦不住模型换方言,解析器必须兜 实测模型会无视禁令吐 <tool_call><function=…></function></tool_call>。 教训:提示词约束只是"期望",解析器兼容才是"保证" —— 两者都要。

上下文与续聊

  1. 上游会按 conversationId 记住上下文

    第1轮: "我叫大明"          → "好的,大明"
    第2轮: 同 convId,只发"我叫什么名字?" → "你叫大明"
    

    但复用会话 + 再发全量 = 服务端存一份、你又发一份 ⇒ 模型看到两份, 会吐出交叠的损坏 JSON。所以默认不复用会话(detach("new-session"))。

  2. 不要替宿主做压缩/截断 DSH 管 contextWindow 与预算。适配器截断只会让模型突然失忆, 而且用户完全不知道发生了什么。超长就照实报错。

其他

  1. ctx.setInterval 不能碰 它是 Cordis 的服务属性 getter,没 inject timer 时读取本身就抛 (?. 拦不住)。在 ctx.effect() 里一抛,整个插件条目变成 "did not activate", 后面的 webServer.register 全不执行 → 面板所有请求 404/405。

  2. 模型目录缓存要按实例分桶 mappingCache 曾是全局单例,多账号场景下 A 的目录会污染 B 的映射。 现在按 fetchImpl 分 WeakMap 桶。

  3. 测试不要依赖运行环境 CI 的 ubuntu runner 自带 /usr/bin/google-chrome,会抢在测试塞的假浏览器前面命中。 测"查找逻辑读 PATH"时,要把 PATH 只指向临时目录。

已知限制

  • 没有原生 tools:工具调用靠提示词协议,模型偶发格式漂移已由 6 路解析器兜住, 但本质是模型行为,无法 100% 保证
  • Firefox 不能自动读 cookie:它不实现 CDP,只能手动
  • 请求太密集会被限流:实测 ≥1.5s 间隔才稳
  • 登录态寿命由服务端决定:面板只认 401
  • temperature / stop / max_tokens:网页端无对应字段,会被忽略
  • usage 是估算值:网页端只在部分响应里返回 token 计数
  • 内容风控:部分提问会回「敏感内容」,这是上游策略,重试无效
  • TTS 需要订阅:实测普通账号 mimo-v2.5-tts 返回 500,但 mimo-v2.5-asr 可正常用

测试

npm test                       # 下面三条离线测试,全自动、不碰网络

node test/offline.mjs          # 73 项断言:工具协议 / SSE / 请求体 / 续聊 / 图片 / Linux
node test/assembly.mjs         # 用假 ctx 真的跑一遍 apply(),验证注册 + 全部 HTTP 路由
node test/render.mjs           # 面板五个页签的渲染冒烟(含"未登录时粘贴按钮可点"回归)

node test/probe-live.mjs       # 线上探针:模型目录 + 401 形状,只用免登录接口
node test/login-capability.mjs # 这台机器上哪条登录路线可用
node test/cdp-plumbing.mjs     # CDP 链路(无头):拉起浏览器 → 连调试端口 → 读 cookie 罐
node test/page-reach.mjs       # 真实页面:打到登录页,确认能渲染、未登录时读不到 cookie
node test/e2e-login.mjs        # 端到端:开窗口→你登录→读凭据→真发一条消息

前 8 条全自动。最后一条需要人工登录一次 —— 那是唯一没法自动化的一步。

Windows 上也可以双击 验证MiMo连接.bat。

CI 覆盖:Ubuntu 22/24 + Windows 22/24,四个组合全绿。

发出去给别人装

这个包是自包含的(除 node: 与 electron 外无运行时依赖):

# 从目录装
dsh plugin --profile desktop add <这个目录的绝对路径>

# 或从 tgz 装
npm pack        # 产出 dsh-mimo-web-login-1.9.1.tgz
dsh plugin --profile desktop add ./dsh-mimo-web-login-1.9.1.tgz

装完重启 DSH。不需要 npm install(没有依赖),也没有构建步骤(源码即产物)。

风险说明

本插件是非官方的网页端客户端:它自己构造请求发给 MiMo 的私有接口,不经过任何中间转发。

逆向网页端本身违反服务条款,风险是"判罚多严"而不是"会不会被抓到"。 要求稳定性请改用小米官方的 MiMo API(OpenAI 兼容,用 API Key)。

许可

Apache-2.0

Plugins associés