dsh-napcat-bot

dsh-napcat-bot

DeepSeek Harness (DSH) 插件：内置 NapCat（随 tgz 一起分发），启用即自动启动、监听 6099，并且通过 NapCat 官方 WebUI API 自动开启 OneBot 正向 HTTP + 正向 WS，WS 断线自动重连、进程异常自动拉起，让 AI 通过 QQ 私聊 / 群聊与真人对话。

开箱即用：安装并启用插件 → 重启 DSH → 打开侧边【设置 → 集成 → NapCat QQ 机器人】→ 在「NapCat WebUI」标签页扫码登录 QQ → 完事。

接口地址、端口、OneBot access_token、WebUI 管理 Token 全部由插件自动生成与写入，不用手填、不用手抄、不用调试连接。

OneBot WS 固定 ws://127.0.0.1:3001；如果历史配置被写成了 6099，插件会自动纠正并落盘。

零外部 npm 依赖、可离线运行；不带 pnpm-lock.yaml，不会触发 pnpm 供应链校验。

安装

• 推荐：从 Releases 下载 dsh-napcat-bot-x.y.z.tgz，在 DSH 插件市场「导入本地包」里选择它。
• 源码：本仓库不含 vendor/（内置 NapCat 本体约 111MB 的第三方二进制，用 Release 分发更合适）。

clone 后可直接读改 lib/；要打包成可安装 tgz，请把 NapCat 解压到 vendor/napcat/ 再 tar -czf。

装好必须完全退出 DSH 再启动：服务端 lib/index.js 只在启动时加载一次。

2.8.0：联网搜索（手动 + 不懂自动查）

搜索后端直接用 DSH 自带的 `ctx.web.search()`（dsh-base 已挂 @deepseek-ai/dsh-web + dsh-web-search-deepseek，走 DeepSeek 原生搜索），所以不需要另填搜索接口和 Key；面板也支持填 SearXNG 等自定义接口。

两类触发

类型 · 条件 · 例子 手动（原有） · 命中关键词：帮我搜 / 搜一下 / 查一下 / 上网查 / 搜索 · 搜一下今天金价 自动（新增） · 本地规则先判：时效信息（新闻/价格/时刻/表/发售/比分）、现实实体（地点/参数/规格/教程/怎么设置）、带疑问但拿不准；拿不准时再让模型回一个词确认 · 今天金价多少？（没说搜，也去查）

不搜的情况：纯闲聊、情绪陪伴（想你了/抱抱/晚安）、玩梗（哈哈哈/笑死/这梗）、主观感受、人设对话（你叫什么）、 以及去掉标点后不足 4 个字的语气词。

优先级

强制语音 > 手动搜索 > 自动搜索 > 识图解读 > 普通闲聊 所以「发个语音说你好」永远直接朗读、不会去搜；发图 + 「搜一下这是啥」会先让主模型用一句短话点出图里是什么，再拿这句话去搜。

兜底与容错

• 搜索失败 / 无结果 → 回 呜，鱼鱼的小鳍划不动搜索引擎，暂时查不到这个哦（手动、自动同一套）。
• 没有可用搜索后端时（宿主没挂 web 且没填自定义接口）→ 直接跳过搜索、照常回答，不会突然回「查不到」。
• 所有搜索都 try/catch，超时 20 秒、同类查询 10 分钟内走缓存，插件不崩不刷屏。

配置 / 规则 / 日志

• 面板「联网搜索」：总开关、不懂自动搜索（默认开）、自动搜索前模型二次确认、自定义接口地址、Key、每次取几条。
• 管理 → 规则：可对单个私聊/群单独「不联网」或「只手动搜」。
• 日志：[SEARCH] manual: / auto: / ok provider=… n=… ms / fail … / skip / image-hint 。

2.7.0：识图默认「读梗接话」，下指令才描述画面

以前默认提示词是「简短描述这张图片内容」——本质是在让模型看图汇报，发张表情包回来一段画面说明，很出戏。 2.7.0 把两种模式分开，优先级由你这句话决定：

你说的话 · 模式 · 模型被要求做什么 只发图 / 「哈哈哈哈」/「你看这个」 · 接梗模式（默认） · 禁止描述物体、角色、文字、构图；只判断你发图的意图，读懂梗和情绪，直接接梗互动（例：呜！你好坏，居然喊一车肥鱼来欺负我🥺） 「描述一下这张图」「说说图片里面有什么」「图里长啥样」「详细讲讲画面」 · 描述模式 · 客观描述画面：元素、角色、文字（有就念出来）、构图

• 命中词表在 lib/vision.js 的 DESCRIBE_KEYWORDS，只收「明确针对图片内容」的说法，所以「你长啥样呀」不会误触发。
• 描述模式的提示词是硬编码的 DESCRIBE_PROMPT，不受面板提示词影响；面板里的「识图提示词（默认模式）」只管接梗模式。
• 兜底与容错：默认模式若模型仍在「图片里有…」式汇报，会自动带更硬指令重试一次；重试仍汇报就照发（不冷场、不死循环）。
• 历史默认提示词（「简短描述这张图片内容」等）在 __schemaVersion=10 迁移时自动换成新默认，用户自己改过的提示词保留。

其余链路一律没动：图片仍走 ctx.attachments 附件引用 + V4.1-Flash 原生视觉（同一条 user 消息里 text + image），识图开关、规则面板按会话覆盖、TTS 四种模式与强制语音、随缘主动发言、记忆、NapCat、风控全部原样。

新增日志：[VISION] mode: meme（默认接梗，不报画面） / describe: / report-retry。

2.6.0：主动发言改成「随缘」（去掉倒计时与次数上限，只留冷却）

2.5.0 是「安静满 N 秒 → 说一条 → 你必须回话才会有下一条」，本质还是个定时器，而且被「一轮一条」卡住。 2.6.0 换成随机心情判定：

维度 · 现在的行为 触发方式 · 安静下来后，每隔 20~45 秒（带抖动）做一次心情判定，没有固定倒计时 次数 · 完全取消上限（没有每日/每轮封顶），冷却过完、心情到了就来找你 概率 · 每次判定先抽「心情档位」（12% 忽然很想你 p=0.45 / 43% 一般 p=0.18 / 45% 懒得开口 p=0.07），再掷一次是否命中 —— 所以节奏天然不均匀，可能一晚上两三次，也可能一整天不吭声 冷却 · 发出一条后强制冷却（默认 180 秒，面板滑块 60~1800），冷却期内绝不再发 对话中 · 正在生成回复、或刚说过话（冷却内）→ 一律不插话 告别 · 收到「晚安 / 先睡了 / 先不聊了 / 晚点再说 / 拜拜…」→ 暂停随机触发，直到你重新发消息才恢复 群聊 · 默认关闭，只在私聊；规则面板可给某个群单独打开 内容 · 主模型 + 面板人设 + 最近 12 条记忆生成，短句优先；方向含「想念 / 关心 / 接旧话题 / 小鱼碎碎念」，不是固定句子 语音 · 主动那句照样走「想发就发」随机判定 失败 · 模型空回复 / 报错 → 一个字都不发

面板

AI 配置 → 主动发言：主动找我（随缘）开关（默认开）、冷却间隔滑块（60~1800 秒，默认 180）、群聊也允许。 状态行：主动发言：开启（随缘）· 冷却 180 秒 · 待机 1 个会话 · 已主动 3 · 没心情 12 · 收尾暂停 1。

日志

日志 · 内容 主动发言 待机 · 冷却多少秒后开始随缘判定 主动发言 触发 · 触发时间、空闲多久、p=命中概率 roll=骰子、进入多少秒冷却 主动发言 跳过 / 顺延 / 停表 · 没心情、正在回复、收尾语句 [PROACTIVE] · 主动发出的那句话原文

2.5.0：空闲主动发言（会接话，不会刷屏）

旧版是「每 N 分钟给最近活跃私聊群发一句问候」——那套已经删掉，生硬、会打断人、还容易刷屏。 新版走空闲触发 + 上下文生成：

维度 · 行为 触发 · 最后一条消息之后静默满 N 秒才考虑开口（默认 120 秒，面板滑块 30~600） 说什么 · 把「刚刚聊了什么 + 对方最后一句」交给主模型，按面板人设写成一句短话；不是固定句子 频率 · 同一段空闲最多一条；你回话后重新计时，进入新一轮 边界 · 正在生成回复时到点 → 顺延，绝不插话；你说「晚安 / 先不聊了 / 拜拜」→ 直接停表 群聊 · 默认关闭，只在私聊生效；规则面板可对某个群单独打开 语音 · 主动那句照样进「想发就发」随机判定，有心情就出声 失败 · 模型没给出内容 / 报错 → 一个字都不发（宁可不吭声，也不发套话）

面板

AI 配置 → 主动发言：开关（默认开）、空闲等待时长（滑块 30~600 秒，默认 120）、群聊也允许。 状态行会显示：主动发言：开启 · 空闲 120 秒触发 · 计时中 1 个会话（最近 98 秒后）· 已主动 3。

管理 → 规则 新增「主动发言（本会话覆盖）」：跟随全局 / 允许 / 本会话不主动 —— 可以给某个群开、给某个私聊关。

日志

前缀 · 内容 [napcat] 主动发言 计时中 · 什么时候排的计时、多久后检查、最后一句是什么 [napcat] 主动发言 已发送 · 空闲了多久才开口、之后重置计时 [napcat] 主动发言 跳过 / 顺延 / 停表 · 为什么没说话（未开启、已说过一条、正在回复、收尾语句） [PROACTIVE] · 主动发出的那句话原文（在「消息收发记录」里能看到）

2.4.0：识图改用主模型原生视觉（不再配两套模型）

为什么能这么干：DSH 的模型目录里 deepseek-flash（= DeepSeek-V4.1-Flash）本身就声明了 inputModalities: ["text","image"]，视觉是主模型自带能力，没必要再挂一个独立的识图接口。

做法

旧（≤2.3.1） · 新（2.4.0） 面板填「识图接口地址 + 识图 API Key + 识图模型名」 · 三个输入框全部删除，复用 DSH 里已填好的主模型与密钥 先调识图接口拿一句描述，再把描述拼进 prompt · 图片和文本同一次请求进主模型：[{type:'text'}, {type:'image', attachment}] 两套模型、两套密钥、两份计费 · 一套配置，文字和看图同一个模型

技术要点：QQ 图片先下载成字节 → ctx.attachments.saveImage() 存进 DSH 附件库拿 ImageAttachmentRef → 以 {type:'image', attachment} 进 user 消息；宿主的 deepseek 适配器 会自己 readImageRequest() 转成 base64 图片块发出去。直接塞 url 是不行的（适配器会判为 不支持的块，整条请求失败），所以必须走附件引用。

保留的东西

• 识图总开关（默认开）、识图提示词（默认「简短描述这张图片内容」，可改、持久化）。
• 规则面板仍可按群/私聊单独关识图、单独调语音概率。
• 识图回复照常进 TTS 判定（全部 / 关键词 / 性格随机 / 强制语音）。
• 强制语音仍是绕过 LLM 的预处理拦截：发个语音说你好 直接抠出「你好」合成发送。
• 识图关闭 / 图片取不到 / 类型不支持 / 附件服务不可用 / 主模型报错 → 一律走人设兜底台词。

日志

前缀 · 内容 [FORCE] · 命中哪个强制语音词、抠出的朗读文本（或「交给模型起稿」） [VISION] · 原生多模态 · 图 N 张 或 fallback（原因）；原因含 download / unsupported-type / no-url / no-attachment-service [MODEL] · multimodal · 带图 N 张请求主模型 · 返回 M 字 [TTS] · synth-ok（引擎 + 音色 + 耗时）/ fail / skip

同类报错 30 秒只写一条，插件不崩、不刷屏。

验收

1. 发「发个语音说你好」→ 直接发 QQ 语音，不经过模型，不会出现「鱼鱼不会按按钮」。
2. 发「一车肥鱼」表情包 → 图片随对话进 V4.1-Flash，小鱼语气回复（日志有 [VISION] 原生多模态 · 图 1 张 + [MODEL] multimodal）。
3. 不用填任何识图地址 / 识图 Key —— 用的就是 DSH 当前选择的主模型。

2.3.1：专项修复（强制语音只回文字 / 发图不识图）

真因（看日志就能确认）

1. 强制语音只回文字：两个原因叠加 ——

• ttsUrl 是空的，plan() 判定「无引擎」→ 只发文字；
• 指令走的是「先让模型说话，再决定发不发语音」，模型先回了「鱼鱼这小短鳍按不来按钮啦」，推脱话术检查里没覆盖「按不来」，于是这条推脱被当正文发出去了。

1. 发图不识图：visionEndpoint 是空的 → 直接 no-endpoint 兜底。

修法

① 强制语音改成「消息底层预处理拦截」，绕过 LLM 消息进来先解析指令，命中 发语音 / 发句语音 / 语音说xxx / 说出来 … 就把要念的正文抠出来，直接合成语音发送，完全不调模型（从根上不可能再推脱）。

• 「发个语音说你好」→ 朗读文本 = 你好 → 直接发语音；
• 「语音说你今天怎么样」→ 朗读文本 = 你今天怎么样；
• 只说「发语音」没给内容 → 才让模型起稿，但仍强制语音，并注入「禁止说不会发语音/按不了按钮」+ 回复里出现推脱就重试/清洗；
• 带图 + 强制语音 → 不走抠文本，走识图 + 人设起稿 + 强制语音（否则会把「这是啥」念出来）。
• 优先级最高：ttsMode=off、随机 0% 也照发。

② 内置离线语音引擎（真开箱即用） 没填 TTS 接口地址时，自动用 Windows 自带语音（SAPI）合成 WAV → 交 NapCat 发语音。零依赖、无需联网、无需 Key；本机实测 3.16 秒语音合成耗时 ~2.4 秒。填了接口则以接口为准。可在面板关闭（「接口没填时用系统内置语音」）或指定音色（Huihui / Xiaoxiao …）。

③ 识图接口自动预置 默认 visionEndpoint = zhipu（智谱，glm-4v-flash 有免费额度），模型名自动补，提示词默认「简短描述图片内容，不要冗长」，开关默认开 —— 只需要补一个 API Key 就能识图（面板会显示「缺 API Key → 补上即可识图」）。地址/提示词都能在界面改，保存即持久化。

④ 日志（面板「消息收发记录」直接看）

前缀 · 内容 [FORCE] · 是否命中强制语音、命中词、抠出的朗读文本 [VISION] · 是否触发识图、ok/fallback、原因（no-endpoint / auth / http-500 / no-url …）、识别到的内容 [TTS] · synth-ok（引擎 http/local + 音色 + 耗时）/ fail / skip（含 no-engine 原因）

同类报错 30 秒内只写一条，不刷屏；所有异常都降级为文字，插件不崩。

升级到 2.3.1 后必须完全退出 DSH 再启动。

2.3.0：强制语音指令 + 识图默认开箱即用

一、TTS 强制语音（内置关键词库，不用配）

只要这句话里命中下列任一说法，优先级最高：跳过模式（哪怕模式是「关闭」）、跳过随机概率，直接合成语音发出去。

发语音 发句语音 发条语音 发个语音 发一段语音 来句语音 来条语音 来段语音 语音说 用语音 语音回复 语音回答 语音念 语音读 说出来 念出来 读出来 念一下 读一下 说给我听 念给我听 唱一个

例：发「发个语音说你好」→ 直接发语音。

防推脱三层保险：

1. 生成前给模型注入定向提示：你能直接发语音，禁止回答「不会发语音 / 按不了按钮 / 没法发」；
2. 回复里仍出现推脱话术 → 带更硬指令自动重试一次；
3. 还在推脱 → 清洗掉推脱句，语音照发（messages.log 记一行 TTS retry）。

二、识图默认配置

• 识图开关默认开启；识图提示词默认「简短描述图片内容，不要冗长」（老配置里的旧默认值会自动迁移）。
• 接口地址支持预设短名，只填一个词就行，模型名会自动补：

填这个 · 实际地址 · 自动模型 zhipu · open.bigmodel.cn/api/paas/v4/chat/completions · glm-4v-flash（有免费额度） dashscope · dashscope.aliyuncs.com/compatible-mode/v1/chat/completions · qwen-vl-max openai · api.openai.com/v1/chat/completions · gpt-4o-mini siliconflow · api.siliconflow.cn/v1/chat/completions · Qwen/Qwen2.5-VL-72B-Instruct moonshot · api.moonshot.cn/v1/chat/completions · moonshot-v1-8k-vision-preview openrouter · openrouter.ai/api/v1/chat/completions · google/gemini-2.0-flash-exp:free ollama · 127.0.0.1:11434/v1/chat/completions · llava

也可以填任意完整地址（.../chat/completions）或只填 base 地址（https://api.openai.com/v1，会自动补 /chat/completions），自定义完整地址不会被乱拼。

API Key 只能你自己填（这个没法内置）。