dsh-pet-watch · 桌宠陪看

给 dsh-pet 加一双眼睛：定时截屏 → 视觉模型点评 → 从桌宠气泡里说出来。

你看视频、打游戏、写代码的时候，它会跟着说一句。不是聊天机器人，是个会看屏幕的伴儿。

前置要求：必须先装 dsh-pet。本插件只负责"看"和"说"，气泡是 dsh-pet 画的。

---

安装

dsh plugin --profile desktop add dsh-pet-watch

装上后重启一次 DSH。设置里会出现「桌宠陪看」一页。

依赖

• dsh-pet ≥ 0.3.7
• Python ≥ 3.10，且要有 Pillow：

  python -m pip install pillow
  

  插件会优先用 DSH 自带的 Python，找不到再退到 PATH。

验证装好了

curl http://127.0.0.1:<你的 GUI 端口>/dsh-pet-watch/health
# {"ok":true}

ok:false 会带原因，多半是 dsh-pet 没装或版本不兼容。

---

设置项

字段	默认	说明
启用陪看	开	总开关
采样间隔	12–15 秒	越小越跟得上，也越费钱
动作避让	25 秒	你在 dsh-pet 里点播动作后，它暂停不打扰
开口概率	45%	没抽中的那轮直接跳过，不截屏也不调模型
最长沉默	60 秒	防冷场的强制上限
场景动作	开	识别到场景后播一段对应动作
记忆句数	5	记住最近说过/看到过的几句，防重复
目标桌宠	main	dsh-pet 里的 pets[].id
风格提示词	空	留空用内置人设
截图长边	1280 px	越小越省 token
看图模型	deepseek-flash	必须支持图片输入

设置页顶部会显示每小时花费估算（区间，因为推理长度会浮动）。默认配置大约 2–4 分钱/小时。

---

它是怎么工作的

每 N 秒
  ├─ 截全屏 → 缩到长边 1280 → JPEG
  ├─ 发给视觉模型，要它返回：
  │    {scene, comment, intensity, gist}
  │     scene     = 你在干什么（playing / watching-game / coding …）
  │     comment   = 那句吐槽
  │     intensity = 这一帧有多值得说（0-10）
  │     gist      = 这一帧在发生什么（留给下一轮，串起前后文）
  ├─ 按开口概率决定说不说
  └─ POST 到 dsh-pet 的 /broadcast → 气泡

几个设计取舍：

• 截图是唯一的内容来源，不做网页抓取、不搜索。
• intensity 会反过来调节下一轮的开口概率：画面热闹时更愿意说，安静时自己闭嘴。
• 动作避让：dsh-pet 每次说话都会强制播一段碎碎念动画，会顶掉你点的动作，所以点播后暂停一段时间。
• 记忆只活在进程里：重启 DSH 就清空，不做跨会话记忆。

---

已知限制

1. 依赖 dsh-pet 的私有接口。/dsh-pet-7340/broadcast 不是公开 API，dsh-pet 升级可能改掉。插件会做健康检查并在设置页提示，但无法自动适配。
2. 截全屏，包括你屏幕上的其他窗口。含敏感内容时请关掉。
3. 切到别的应用后它仍然在看，会点评你当前界面（这是特性，不是 bug）。
4. 推理模型偶发空回复，已内置重试；极少数情况下那一轮会静默跳过。

---

开发

git clone <repo>
cd dsh-pet-watch
# 本地安装（link，改代码后重装即生效）
dsh plugin --profile desktop add "$(pwd)"

改 index.js / client.js 后需要重启 DSH；改 watch_loop.py 只需在设置页点一次保存（会重启子进程）。

---

许可

MIT。图标与文案原创。