dsh-sfx-pad
dingchenhui0618-arch/dsh-sfx-pad
Event sound pad for DeepSeek Harness: bind test pass/fail, build pass/fail, recording start/stop, publish done, pending approvals and turn end to ten local cue files, classified from real tool arguments plus exit code. The panel previews each pad, mutes everything in one click, and switches a mute profile (default / focus / silent) when you leave the harness or report a matching app name. Audio is read-only and local, the only file it writes is its own preferences, and no path outside the cue catalog is ever served. Its HTTP routes have no DSH access check, so a web page open in your browser could call them.
설치
dsh plugin --profile web add github:dingchenhui0618-arch/dsh-sfx-padREADME
dsh-sfx-pad
给 DeepSeek Harness 的事件音垫:把「测试通过 / 测试失败 / 构建失败 / 开始录屏 / 发布完成」这类事件绑成一组本地音效,可试听、可一键静音,并按当前应用自动切静音档。全程只读本地音频文件,不联网。
为什么要有它
生态里的语音插件都在解决「把文字读出来」(例如 ziyouti/dsh-read-aloud 这类 TTS 插件)。没有人处理另一半问题:界面事件该发出什么声音。
写代码、跑测试、录屏、发布的时候,人是把视线放在终端和别的窗口上的。等你看回 DSH,3 分钟已经过去了。声音是唯一不需要把视线转过去的反馈通道——但把「整段读出来」塞进这个场景会变成噪音,你需要的是一声不同的「叮」。
它做什么
挂在 DSH 真实的事件钩子上,命令文本和退出码是判定依据:
| 事件 | 触发条件 | 默认音 |
|---|---|---|
| 测试通过 | npm/pnpm/yarn test、node --test、pytest、go test、cargo test、vitest、jest、dotnet test … 零退出 | 上行双音 |
| 测试失败 | 同上,非零退出 | 下行低鸣 |
| 构建通过 | npm run build、tsc、vite build、next build、cargo build、go build、msbuild、make … 零退出 | 短促上行 |
| 构建失败 | 同上,非零退出 | 下行闷响 |
| 开始录屏 | obs --startrecording、ffmpeg … gdigrab/x11grab/avfoundation、screencapture -v、wf-recorder | 两声高音滴 |
| 结束录屏 | 前台录制进程正常返回,或 --stoprecording | 两声下行滴 |
| 发布完成 | git push、gh release create、npm publish、cargo publish 成功 | 三音琶音 |
| 等你决定 | ask_user_question 调用、审批请求 | 双短提醒 |
| 本轮结束 | agent 回到 idle | 一声轻点 |
| 运行出错 | agent 抛错或中断 | 双闷响 |
细节:
- 只有证据才发声。 判定读的是命令文本 + 退出码(
meta.exitCode,或输出里的exit code: N)。缺少证据一律安静——错的声音比没有声音更糟。 - 一条命令里串了好几步时,最后一步决定结果(
npm run build && npm test报的是测试的退出码)。 - 测试的用例数会一起记下(
# pass 30→ 面板显示「30 个用例通过」)。
静音档
三个档:默认(全开)、专注(只留失败、出错、等你决定、录屏边界)、静音(全关)。
「按当前应用自动切档」= 三层判断,优先级从高到低:
- 一键静音(面板开关,或输入框左边的喇叭按钮)——压过一切。
- 按应用名匹配——
obs、teams、zoom、腾讯会议、录屏默认映射到「静音」,支持obs*这种整名通配。应用名来自客户端焦点上报,或任何本机程序POST /dsh-sfx-pad/scene。 - 离开 DSH——页面失焦时切到「专注」档(可关)。
边界(重要):这个插件看不到别的进程。浏览器只能告诉它「DSH 窗口有焦点 / 没焦点」,给不出「你现在用的是 OBS 还是飞书」。所以「按应用切档」的精确应用名需要外部推给它(一行 curl 就够),否则退化成一个诚实的近似:你一离开 DSH,非关键事件就不再出声。这一点在下面的「它不做什么」里也写了。
安装
dsh plugin --profile <你的 profile> add dsh-sfx-pad
也可以直接从 GitHub 装:
dsh plugin --profile <你的 profile> add github:dingchenhui0618-arch/dsh-sfx-pad
装好后对话视图里出现「声音台」Tab;输入框左边多一个喇叭按钮,一键静音不用切视图。
面板

- 顶栏:音垫数、累计触发次数、当前档与它为什么生效(手动 / 离开 DSH / 按应用 / 一键静音)
- 音垫网格:每个事件的名字、判定条件、长度、触发次数、独立开关、试听
- 最近 30 条触发:时间、来源工具、细节(例如
30 个用例通过),被静音的那条会标出原因
换成自己的音效
音频只在运行时读,不改写、不下载。默认 10 个 WAV 在 assets/cues/,是 node scripts/make-cues.mjs 确定性合成的(仓库里入库的是产物,换机不需要重新生成)。
要换成自己的,把目录指过去即可:
- id: dsh-sfx-pad
config:
cueDir: D:\my-sounds # 文件名对齐:test-pass.wav / build-fail.mp3 / …
识别 wav mp3 ogg m4a flac,按音垫 id 找同名文件,先查 cueDir 再回落到内置;单个文件上限 8 MB。找不到就用内置的,不会变哑。
HTTP 接口
面板用的就是这几个(同源,带 cookie):
| 方法 | 路径 | 用途 |
|---|---|---|
| GET | /dsh-sfx-pad/state | 全量快照(音垫、档位、最近触发) |
| GET | /dsh-sfx-pad/events | SSE 实时推送 |
| GET | /dsh-sfx-pad/audio/<id> | 读取音效文件(只认音垫 id + 允许的扩展名) |
| POST | /dsh-sfx-pad/mute | {muted?} 一键静音 / 开关 |
| POST | /dsh-sfx-pad/profile | {profile} 手动选档 |
| POST | /dsh-sfx-pad/auto | {enabled} 自动切档 |
| POST | /dsh-sfx-pad/pad | {id, enabled?, gain?} 单个音垫 |
| POST | /dsh-sfx-pad/scene | {app?, focused?} 上报当前应用 |
| POST | /dsh-sfx-pad/preview | {id} 拿试听地址(不写历史) |
| POST | /dsh-sfx-pad/fire | {id} 走完整策略地手动触发 |
| POST | /dsh-sfx-pad/clear | 清空最近触发 |
从任何本机脚本推一个应用名:
curl -X POST http://127.0.0.1:3080/dsh-sfx-pad/scene -H "content-type: application/json" -d "{\"app\":\"OBS Studio\",\"focused\":false}"
它不做什么(重要)
- 不联网。 没有下载、没有上传、没有云音效库。音频只从本机磁盘读。
- 看不到别的进程。 没有原生依赖、没有平台 API 调用,所以拿不到「系统前台是哪个应用」。精确的应用名要靠
/scene推送,否则只有焦点近似。 - 不改名、不放音效库。 不内置音乐、不长于 1 秒、不做混音——它是 UI 反馈音,不是播放器。
- 不替你做决定。
tools/pre-execute和approval/request上的监听器永远继续调用next(),声音不会影响任何工具是否执行、审批是否通过。任何一条路径抛异常都被吞掉。 - 不写你的文件。 只写一个偏好文件
$DSH_HOME/sfx-pad.json(原子替换),音频文件永远是只读的。 - 不是安全边界。 它只是把你的注意力叫回来,不保证你听到的一定是真相。
开发
node scripts/make-cues.mjs # 确定性重新合成 10 个 WAV(已经是入库产物)
node scripts/build.mjs # 零依赖构建,产出 lib/
node --test # 70 个测试
面板截图是怎么来的
node scripts/preview.mjs 4174 起一个本地预览服务:它把真实的 lib/client.js 挂在同一个 React 替身上渲染,并把 /dsh-sfx-pad/* 转发给正在运行的 harness。然后用无头 Chrome 按 1000×1180、1.5 倍缩放渲染:
chrome --headless=new --screenshot=docs/screenshot-1.png \
--window-size=1000,1180 --force-device-scale-factor=1.5 \
http://127.0.0.1:4174/
为什么不直接截桌面端窗口:桌面端 web 的浏览器会话 token 只活在自己的进程里(dsh-client-connection 用 WeakMap 按宿主存 launch token),外部浏览器拿不到登录态,也就不该去拿。这个预览页拿的是真实 host 数据(state、SSE、音频字节都来自运行中的服务)和真实组件与样式,省掉的只有外层应用外壳——所以它显示的是真事件,不是摆拍。
零依赖:src/ 是手写源码,scripts/build.mjs 把它们复制进 lib/ 并内联样式表,没有打包器、没有 npm install、没有会在 CI 上执行的安装脚本。
测试分六组:
cues—— 音垫表与磁盘上的 WAV 字节一致(riff 头、时长与声明对得上、不是静音文件)policy—— 静音档、应用匹配、增益、脏配置降级triggers—— 命令文本与退出码的真实形状,含「不发声」的反例store—— 偏好文件损坏、只读目录、原子写host—— 用 stub ctx 驱动真实apply():五个事件、路由、音频字节、SSE、卸载client—— 用window.__ModuleLoader__真跑lib/client.js,钉住两个插槽的注册与卸载
参考与差异
- 骨架:零依赖构建、
cordis.patch.yml、host/client 双半区、README 与测试结构,照用户指定的dsh-warden(同一位作者)搭的。两个仓库各自独立实现,没有 fork,没有 clone 后在别人的仓库上改,也没有搬运代码。 - 方向证据:
ziyouti/dsh-read-aloud证明了「语音类插件只处理把文字读出来」这个观察,本插件补的是另一半(事件 → 声音),与它没有代码关系,也没有复用它任何实现。 - DSH 接口:
tools/pre-execute、tools/result、agent/status、agent/error、approval/request、conversation.view、conversation.input.left都是当前 harness 真实存在的事件与插槽,用cordis_inspect_query逐条核对过签名,不是猜的。
License
MIT