Green DSH Desktop

给 DeepSeek Harness（DSH）做的开源桌面应用：一边用 AI 干活，一边看清这次对话花了多少电、排了多少碳、省了多少钱。

无论你跑本地模型，还是接云端 API（DeepSeek / OpenRouter / 自建中转站…），它都能把每一次请求的能耗、碳排和费用算清楚、亮出来，并在烧钱烧碳的时候提醒你。

English · 中文

它能做什么

1. 开箱即用的 DSH 桌面版

自带 Node.js 24 运行时和完整 DSH 发行版，装完即用，不需要 Node / pnpm / Python；
完整的 DSH 对话体验：模型管理、会话、工具调用、技能、子代理、工作流都在；
Windows 安装包 + 便携版（zip 解压即用）。

2. 能耗 / 碳排控制台（主窗口）

页面	你能看到什么
控制台	本地碳排、本地能耗（估算与实测并列）、云端碳排（公开系数估算）、已省 API 费用；近 30 天碳排和按任务轮次碳排两张柱状图；硬件实时环图
会话	每个会话的 token、能耗、碳排、电费、省 API 费用
硬件监测	NVIDIA 显卡全量遥测（显存 / 使用率 / 温度 / 功耗，多卡支持）；核显作为扩展监测；CPU / 内存曲线
预警	超支和异常提醒，见下
数据源	接入 OpenRouter 或自有中转站，拉取真实花费与 token 用量
参考数据	每个系数的出处与年份，全部可查证
碳台账	每一步的 JSONL 明细、实测能耗列、一键导出 CSV
日志 / 设置	harness 输出、碳强度 / 电价 / API 价格等基线设置

3. 两条计量路径（核心设计）

本地模型 → 实测：检测到 NVIDIA 显卡后，持续采样功耗并积分，得到真实能耗，并按时间归属到每个请求步骤；需要每个模型自己的系数时，一键标定出本机的 J/token；
云端 API → 公开系数估算：云端只能看到 token，因此 token→能耗一律用公开权威系数（不用本地标定去推演云端）。

4. 预警：在烧钱烧碳时提醒你

阈值类：单会话能耗 / 费用、近 1 小时 / 24 小时费用、中转站日均花费；
异常类：单步能耗离群（稳健 z 分数）、上下文重读（输入:输出比过高，反复重读上下文的无效消耗）、空转 / 重试循环（连续多步几乎没有产出）、缓存命中率偏低；
严重级预警同时弹桌面通知。

5. 对话内嵌仪表盘

聊天窗口右上角常驻碳排卡片：本会话碳排 / 能耗 / 电费、已省 API 费用、本地 vs 云端对比、每轮能耗柱状图、全部会话累计。

6. 本地小模型开箱支持

自带 Qwen2.5-0.5B（CPU 推理）的接入脚本和 provider 配置，一条命令起服务，即刻体验"本地模型 + 实测计量"的完整闭环；换更大的模型只需改一行模型路径。

截图

控制台总览	对话内嵌仪表盘

硬件监测（NVIDIA 多卡）	预警

会话明细	数据源（中转站）

参考数据（系数与出处）	碳台账明细

下载安装

从 Releases 下载：

文件	说明
`Green DSH Desktop Setup x.x.x.exe`	Windows 安装包（可选安装目录，桌面快捷方式）
`Green DSH Desktop-x.x.x-win.zip`	便携版，解压即用

安装包未做代码签名，首次启动 Windows SmartScreen 会拦截一下：更多信息 → 仍要运行。升级直接运行新版安装包，会话 / 凭据 / 台账 / 设置自动保留。

快速上手（三步）

装好打开 → 首次会提示配置模型（DSH 设置页里填 API Key，或用本地模型）；
点「打开对话」干活 → 正常聊天、写代码，什么都不用改；
回到控制台 → 碳排、能耗、费用、轮次图、硬件曲线都在实时刷新；在「设置」里调好电价 / API 价格 / 碳强度，数字就是你的真实口径。

想试本地模型：

powershell -ExecutionPolicy Bypass -File scripts\start-local-model.ps1

然后在应用里选「本地 llama.cpp（Qwen2.5-0.5B）」即可（需先下载模型，见脚本内注释）。

数据与方法（简述）

本地：token 用量 → 标定系数 → 能耗（有 NVIDIA 时以实测为准）→ 电网碳强度 → 碳排；
云端：token 用量 → 公开系数 → 能耗 → 碳排；
费用：API 牌价 vs 本地电费。

所有系数都标注来源与年份：

类别	数值	来源
中国电网	0.5777 kgCO₂e/kWh（2024）	生态环境部《2024 年电力碳足迹因子》
美国电网	0.3497 kgCO₂e/kWh	US EPA eGRID 2023
云端 per-token	0.0006 Wh / 输出 token	Epoch AI 2025
云端 per-request	0.24 Wh / 0.03 gCO₂e	Google Cloud 2025-08-21
本地标定	H20 请求级拟合（R² ≥ 0.998）	本项目实验

边界说明（诚实优先）：无 GPU 实测时的本地数值是 token-profile 估算而非硬件实测；云端数值是基于公开系数的估算，不是厂商实测；碳排 = 能耗 × 电网碳强度，属工程估算，非认证核算。

从源码构建

git clone 
cd green-dsh-desktop
npm install

# 1) 打包 green-meter / 仪表盘插件（需要 DSH 源码 checkout，可用 DSH_CHECKOUT 指定路径）
npm run vendor:plugins

# 2) 组装内置 harness（npm 安装 DSH 发行版 + 本地插件）
npm run pack:harness

# 3) 放入 Node 运行时（复制本机 node.exe 到 resources/runtime/）

# 4) 运行 / 打包
npm start
npm run dist

局限与说明

目前主要在 Windows 上开发验证；Electron 跨平台，macOS / Linux 构建路径未验证；
本地实测依赖 nvidia-smi（NVIDIA 显卡）；无 NVIDIA 时本地数值退化为估算，核显仅作扩展监测（只有使用率）；
对话数据（会话 / 凭据 / 台账）保存在安装目录的 resources/harness/dsh-home，卸载前请先备份（升级会自动保留）。

致谢

DeepSeek Harness 与 Cordis —— 本应用是 DSH 的插件化桌面发行版；
green-meter（本项目作者的能耗计量插件）提供 token-profile 标定；
llama.cpp —— 本地推理；
Electron —— 桌面壳；
能耗 / 碳排参考数据来自生态环境部、US EPA eGRID、Epoch AI、Google Cloud 的公开披露。

License

MIT

green-dsh-desktop

Install

README