DSX

DSX 是 DeepSeek Harness 的原生桌面外壳。它把官方 DSH 直接打包成双击即用的桌面应用，并额外内置了一个可供 AI 模型直接调用的 Chromium 浏览器。

核心亮点：内置 AI 浏览器 + 图片 OCR

DSX 在 Electron 中内置了一个真正的浏览器，并把浏览器与图片识别合并进同一个 dsx 插件：

默认后台常驻、隐藏运行，像 Codex 一样，不会因为模型调用浏览器就突然弹窗。
点击右上角的侧栏按钮才从右侧滑入显示，关闭时平滑滑出，并可左右拖动分隔条调整宽度。
支持多标签页、地址栏、前进/后退/刷新等完整交互。
通过一个自包含的 DSH Cordis 插件（packages/dsx）桥接，模型可直接调用 browser_open、browser_snapshot、browser_click、browser_type、browser_screenshot 等工具。
图片先 OCR 再进模型：你上传的图片会先经过多模态模型识别成文字，再交给当前使用的文本模型，DeepSeek 等纯文本模型也能直接看图。
语音输入：输入框右侧新增语音按键，录音后由同一个多模态模型（mimo-v2.5 等）转成文字插入输入框；录音中直接按发送键或回车，会先转写拼接再自动发送。
浏览器截图、图片 OCR 与语音输入共用同一套多模态配置：多模态模型接口地址、API Key、模型名称，以及「开启浏览器视觉」「开启图片 OCR」两个开关，都在「插件管理 → DSX」中配置，设置完全走 DSH 官方的插件设置接口。
首次升级会自动把旧插件 dsx-browser-tool 的设置迁移到新的 dsx 命名空间，已有配置不丢失。
插件以 npm 包名 @kemi-20/dsx 维护，后续可直接发布到 npm 供 DSH 按名安装。

在「插件管理 → DSX」中配置一个 OpenAI 兼容的多模态端点，例如小米 MiMo：

dsx:
  visionApiUrl: https://api.xiaomimimo.com/v1
  visionApiKey: 
  visionModel: mimo-v2.5

浏览器截图、上传图片 OCR、语音转写共用这一份配置，无需分别设置。
所有多模态请求都关闭模型思考（thinking: { type: "disabled" }），截图与图片只返回识别内容，语音只返回转写文本，不夹带推理过程。
语音转写由 DSH 插件后端直连 API（与 OCR 同一条链路），不经过浏览器页面，因此不受 CORS 限制，可直连任意 OpenAI 兼容网关。

旧插件目录 packages/dsh-browser-tool 已合并为 packages/dsx，不再被引用，可手动删除。

DSH 不再绑定众所周知的 127.0.0.1:3080：每次启动由操作系统分配一个随机端口，并生成一次性访问令牌。

所有 HTTP 请求与 WebSocket 升级都必须携带令牌（Electron 窗口自动带上 dsx-token Cookie），否则一律 401/断开。
浏览器、curl、其他本地进程都无法再直接访问 DeepSeek Harness 的 Web UI 或 API——只有 DSX 窗口本身能访问。
随机端口每次启动都不同，不存在可猜测的固定入口。

npm ci

# Windows NSIS 安装包
npm run dist:win

# macOS DMG（当前机器架构）
npm run dist:mac

# 未打包目录，便于本地快速检查
npm run dist:dir