🛩️ dsh-pilot — 给你的 DSH agent 一双会开车的手

English · DeepSeek Harness 插件

让 agent 在 DSH 对话里操控真实浏览器：打开网页、把页面当结构化文本读、点击、输入、按键、执行 JS、截图——你在 Web GUI 的可拖拽驾驶舱面板里实时围观，随时接管。

• 🚀 一条命令安装 —— dsh plugin --profile web add github:guo6x/dsh-pilot
• ⚡ 零运行时依赖 —— 走 Node ≥ 22 原生 WebSocket 直连 CDP，用你机器上已有的 Edge/Chrome
• 🔑 无需 API key —— 什么都不出本机，不需要视觉模型
• 📖 文本优先设计 —— agent 读的是 DOM 快照（标题/URL/正文/链接），纯文本模型照样上网，不烧视觉 token
• 👀 人在环中 —— 驾驶舱实时截图、地址栏、操作日志，agent 的一举一动都看得见

安装

dsh plugin --profile web add github:guo6x/dsh-pilot

重启 dsh web、刷新页面，侧边栏底部出现 ✈️ 按钮，点开即是驾驶舱。

要求：DSH web profile、Node ≥ 22、装了 Edge 或 Chrome。

agent 得到的工具

工具	作用
pilot_open	打开网址（首次自动拉起浏览器），返回标题/URL/正文快照
pilot_snapshot	把当前页面读成文本：标题、URL、可见文本（8k 字符）、链接、表单元素数
pilot_click	按 CSS 选择器点击元素（先滚动到可视区）
pilot_type	往输入框打字（走原生 value setter，React/Vue 表单能感知）
pilot_press	按键（Enter/Tab/Escape/方向键/单个字符）
pilot_screenshot	存 PNG 并返回路径（给有视觉的模型或人看）
pilot_eval	页面里执行 JS，拿 JSON 结果
pilot_close	关掉浏览器；下次调用自动重启

agent 直接用大白话说需求即可："打开登录页，填表，点提交，读出结果" —— 工具动词和这句话一一对应。

人得到什么

可拖拽驾驶舱浮窗：实时截图（2 秒刷新）、当前 URL + 标题、启动/关闭按钮、地址栏、最近操作日志。不想让它开了，一键关掉；想自己上手，随时接管。

原理

DSH 对话 ──pilot_* 工具──▶ 宿主插件 ──CDP(原生 WebSocket)──▶ headless Edge/Chrome
    ▲                             │
    └── 结构化文本快照 ◀───────────┘
GUI 驾驶舱 ◀──/dsh-pilot/state + /dsh-pilot/shot.png（仅回环）──┘

• 以 headless 模式启动 msedge/chrome，独立 --user-data-dir（OS 临时目录），调试端口 9222 起动态选；停止时整棵进程树杀掉、临时 profile 删除。