dsh-llm-web-bridge

DSH（DeepSeek Harness）Web 插件：把第三方网页版大模型（Gemini、ChatGPT、豆包、自定义站点）接入你的 agent 工作流——通过真实浏览器驱动，而非 API。

consult_llm 全局工具：agent 需要独立审核、第二意见、代码审查、翻译、红队挑战时自动调用网页 LLM
多站点适配器：Gemini / ChatGPT / 豆包 / 通用（新增站点 = 写一个适配器文件）
文字对话记录为主 + 实时画面按需开启
单活跃站点：一次只在线一个 LLM，手动切换，省资源
会话健康检测：定期探测登录态，失效时面板提示 + 一键重连

特性

能力	说明
多站点	`gemini` / `chatgpt` / `doubao` / `generic`（自定义选择器）
双显示模式	文字对话记录（默认）\| 实时截图（按需）
持续会话	同站点内连续消息延续同一对话；`fresh:true` 才新建
站点命名	面板可给每个站点自定义显示名
认证多格式	智能解析 JSON / DevTools 表格 / Netscape / cookie 字符串
反检测	有头模式（Xvfb）+ 真实登录态复用 + 导航重试
健康检测	会话失效自动探测 + 面板状态栏 + 重新连接
结束符机制	提示词要求模型输出"回答完成，请检查。"，可靠取回完整回复

安装

# 1. 运行时依赖
python3 -m venv <BASE>/.venv
<BASE>/.venv/bin/pip install playwright
PLAYWRIGHT_BROWSERS_PATH=<BASE>/.pw-browsers <BASE>/.venv/bin/playwright install chromium

# 2. 中文字体（可选，否则中文显示方块）
#    下载 Noto Sans SC 到 <BASE>/.fonts/，配置 FONTCONFIG_FILE

# 3. Xvfb（可选，有头模式，绕过 Cloudflare/验证码更有效）
#    conda: conda create -n xvfb-clean -c conda-forge xvfb  或系统包管理器安装

# 4. 安装插件到 DSH web profile
cd ~/.dsh/profiles/web
dsh plugin --profile web add dsh-llm-web-bridge
# 或本地: dsh plugin --profile web add "link:<本插件路径>"
# 重启 dsh web

配置

所有运行时路径通过环境变量或插件 config 配置：

环境变量	默认	说明
`DSH_BRIDGE_BASE`	插件数据目录	运行时数据（cookie/日志/截图）
`DSH_BRIDGE_DAEMON`	`<BASE>/daemon/browser_daemon_webllm.py`	守护进程路径
`DSH_BRIDGE_PYTHON`	`<BASE>/.venv/bin/python`	Python 解释器
`DSH_BRIDGE_BROWSERS`	`<BASE>/.pw-browsers`	Playwright 浏览器
`DSH_BRIDGE_FONTCONFIG`	`<BASE>/fonts.conf`	中文字体配置
`DSH_BRIDGE_XVFB`	`xvfb`（PATH）	Xvfb 二进制

也可在 cordis.patch.yml 的插件 config 中设置 headless / display / xvfbBin / daemonPath 等。

认证（每站点独立）

面板 ⚙️ 配置 → 选站点 → 粘贴 Cookie（5 种格式自动识别）。文件：<BASE>/cookies_<site>.json。

⚠️ ChatGPT / Cloudflare

必须包含 cf_clearance 和 __cf_bm（在你的真实浏览器通过 challenge 后由 Cloudflare 种下）：

登录 chatgpt.com → F12 → Application → Cookies → 复制全部
粘贴到面板 → 保存 → 自动重载（插件自动重建该站点浏览器 context，无需手动重启）
cf_clearance 绑定浏览器指纹，跨环境可能失效 → 更新 cookie 即可自动生效

⚠️ 豆包

豆包（doubao.com）有字节验证码风控（rmc.bytedance.com 滑块），headless 无法通过；有头模式下可能静默拒绝。适配器已内置，可用性取决于运行环境。

使用教程

1. 面板直接对话（人机交互）

直播面板在输入框上方，默认文字记录模式：

输入问题 → 回车 → 网页 LLM 回复 → 记录在下方
切"📷 实时" → 显示浏览器实时画面（按需开启）
站点下拉切换（Gemini / ChatGPT / 豆包 / 自定义）
标题栏状态点：绿=会话健康，红=会话异常（点"重新连接"）

持续会话：同站点连续发送（不带 fresh）延续同一对话——适合"一个项目开一个对话持续聊"。

2. 融入 agent 工作流（核心用法）

consult_llm 是全局工具，注册在 agent 的工具列表里。有两种触发方式：

触发方式 A：agent 自动调用

主 agent 判断需要"外援"时自动调用（独立审核、交叉验证、代码审查等场景）。你不需要做任何事——只要在对话里提出需求，agent 会自行决定调用：

用户：审查一下 src/utils.ts 的这段代码有没有问题
→ agent 判断需要外援 → 自动调用 consult_llm { ... }

触发方式 B：显式指定（推荐，可控性更高）

在对话中明确要求使用网页 LLM，并可用 role 指定角色。agent 会把你的话翻译成工具调用：

用户：用 Gemini 的代码审查角色看看这段代码
→ agent 调用 consult_llm { provider: "gemini", role: "code-review", ... }

用户：让网页 LLM 从红队角度挑战这个结论
→ agent 调用 consult_llm { role: "adversary", ... }

指定角色的方式

角色通过 consult_llm 的 role 参数传入，两种途径：

对话里说（agent 帮你填）：
- "用翻译角色翻译这段" → role: "translator"
- "红队挑战一下这个方案" → role: "adversary"
工具参数直接写（如果你直接操作工具）：
- role: "code-review" / "review" / "translator" / "adversary" / "reasoner" / "editor" / 自定义角色名
- 留空 = 自由对话（不套角色）

💡 提示：想让 agent 总是用某个角色，就在需求里说清楚，例如"每次审查代码都用 code-review 角色"。

代码审查完整示例：

用户：审查一下 src/utils.ts 的这段代码，用代码审查角色
agent → 调用 consult_llm {
  provider: "gemini",
  role: "code-review",
  context: <src/utils.ts 的内容>,
  question: "审查这段代码：检查正确性、边界情况、安全性、可读性和性能"
}
→ Gemini 在真实网页里审查并返回意见 → agent 汇总给你

结论交叉验证——主 agent 完成分析后，让独立 LLM 复核：

agent 完成推理后 → 调用 consult_llm {
  role: "adversary",
  context: <agent 的结论>,
  question: "从红队视角找出这个结论的所有漏洞"
}

翻译：role: "translator" + context: 原文 → 专业翻译。

3. 内置角色详解

角色名	用途	适用场景
`review`	独立审核员：查事实错误、逻辑漏洞、遗漏，给改进建议	审查文档/方案/结论（默认角色）
`code-review`	资深代码审查：正确性、边界、安全、可读性、性能，指出 bug 并给修复建议	代码审查
`translator`	专业翻译：保留语气与术语	中英互译、文档翻译
`adversary`	红队对抗：找反驳点、反例、风险、未考虑场景，越尖锐越好	结论压测、方案找茬、风险预判
`reasoner`	严谨推理：逐步推导、显式检查每一步逻辑	逻辑题、数学题、复杂分析
`editor`	资深编辑：润色表达、结构、用词，说明主要改动	文章润色、文案改写

4. 自定义角色

面板 ⚙️ → 输入角色名 + 提示词 → 保存。之后 role 填角色名即可。

示例：

保存 {name: "国学大师", prompt: "你是精通国学的大师，引经据典，文风典雅"}
发送 role: "国学大师" → 模型按国学大师风格回答

自定义角色适合：法律顾问、产品经理、架构师、面试官等任何你需要的"人设"。

5. agent 自动调用参数

参数	说明
`question`	问题（必填）
`provider`	`gemini`(默认) / `chatgpt` / `doubao` / `generic`
`role`	内置或自定义角色名（留空=自由对话）
`context`	待审内容（代码/文本/结论，可选）
`fresh`	`true`=新建对话开始新工作流；默认延续当前上下文

6. 工作流建议

审核流程：主 agent 产出 → role: review 复核 → 汇总分歧点
双模型交叉：Gemini 主用 + ChatGPT 备用（provider 切换），同一问题对比答案
项目对话归档：一个项目一个会话，chat_log_<site>.jsonl 自动记录，可回溯
角色模板化：把常用审查/写作角色存为自定义角色，团队共享

API

路由	说明
`GET /dsh-llm-bridge/api?action=sites`	站点列表 + 当前站点
`POST ...switch-site`	切换站点
`GET ...status`	文字记录 + 状态
`GET ...list-roles`	内置 + 自定义角色列表
`POST ...save-role`	保存自定义角色 `{name, prompt}`
`POST ...delete-role`	删除自定义角色 `{name}`
`GET ...auth-status` / `POST ...configure-cookie` / `POST ...clear-auth`	认证管理
`GET ...health-status` / `POST ...reconnect`	会话健康检测 + 重连
`GET ...daemon-status` / `POST ...daemon-start/stop`	守护进程管理
`POST ...send`	发送消息
`POST ...action`	操作（new-chat / stop / screenshot）
`POST ...rename-site`	站点命名
`GET /dsh-llm-bridge/frame.jpg?site=xx`	实时截图（按需）

站点适配器

lib/adapters/
├── index.js     # 注册表
├── gemini.js    # Gemini（参考实现）
├── chatgpt.js   # ChatGPT（CF 注意事项）
├── doubao.js    # 豆包（验证码限制）
└── generic.js   # 通用（可配置选择器）

每个适配器：findEditor / send / lastMessage / newChat / detectLogin / stop。

文件布局

dsh-llm-web-bridge/
├── package.json / cordis.patch.yml / LICENSE / README.md / CHANGELOG.md
├── .github/               # Issue/PR 模板 + CI
├── lib/
│   ├── index.js       # Host：API + consult_llm + 守护管理 + Xvfb
│   ├── client.js      # Client：面板（记录/实时/状态栏/配置/角色）
│   └── adapters/      # 站点适配器（gemini/chatgpt/doubao/generic）
└── daemon/
    └── browser_daemon_webllm.py  # 浏览器守护（headless/headed）

常见问题

ChatGPT 卡"请稍候"：Cloudflare challenge，等几秒或重试导航；确认 cookie 含 cf_clearance；有头模式（Xvfb）显著改善。
改了代码不生效：正式插件启动时加载，改后重启 DSH。
守护状态误判：外部杀进程后先"⏹ 停止"再"▶ 启动"。
中文方块：装中文字体 + FONTCONFIG_FILE。

安全说明

Cookie 仅存本机 <BASE>/，不上传任何第三方；API 仅限 localhost。
自动化访问网页 LLM 请遵守各站服务条款；建议使用临时账号。
本项目仅供学习研究；使用者自行承担账号风险。

License

MIT

dsh-llm-web-bridge

Установка

README