dsh-chatnode-wechat

把微信变成你 DSH agent 的遥控器。

在微信里跟你的 DeepSeek Harness agent 对话、看图、收推送、批权限——不用开电脑， 不用打开网页 GUI。

你（微信） ⇄ iLink ⇄ wechat-gateway ⇄ wechat-conversation-node ⇄ DSH agent 会话

这是一个 DeepSeek Harness bundle， 经由腾讯官方 clawbot iLink 协议（ilinkai.weixin.qq.com）连接个人微信号。

版本 v0.2.2 · MIT · 86 项离线单测全绿（无需微信账号）· 一轮真机冒烟通过（2026-09）

---

30 秒上手

git clone https://github.com/PRTS168/dsh-wechat-suite.git
cd dsh-wechat-suite
pnpm install && pnpm build
dsh plugin --profile <你的profile> add .

pnpm login      # 扫码配对微信号，写入 WEIXIN_* 凭据
pnpm setup      # 交互式向导，填完白名单等占位项（自动备份 cordis.patch.yml）

然后重启 dsh web，在微信里给 bot 发一条消息。

要填的两样东西（缺了桥会安全地保持空闲，绝不把消息喂给模型）： ① allowFrom 白名单；② WEIXIN_BOT_TOKEN / WEIXIN_ACCOUNT_ID / WEIXIN_BASE_URL。 首屏只想跑通文字的话，OCR / 生图 / 语音 / 邮件都可以先不配。

---

它解决什么问题

场景	在微信里怎么做
出门在外想让 agent 干活	直接发消息，就是聊天；回复会做微信化排版（标题转【】、代码块缩进、表格去线）
发张图让 agent 看	直接发图。多模态模型自己看图；纯文本模型自动回落 OCR
想说不想打	发语音，自动转写后交给 agent；也能让它用克隆音色回你语音
长任务不想一直盯着	回合中每 digestIntervalSec 一条心跳摘要，出结果才推正文
权限请求在电脑上弹窗	微信里收到编号提示，回 /yes / /no；超时默认拒绝
想让它主动提醒你	自然语言设提醒（按联系人隔离、重启补发）、每日早安天气
想看/收文件	文档、视频双向收发；/send <路径> 推本地图

---

功能一览

消息

能力	说明
双向文字	出站自动微信化排版；入站带 [发送于 YYYY-MM-DD HH:mm] 时间戳
双向图片（v0.2.2）	原生 image 块或 OCR 文本，按路由模型声明的模态自动切换；/识图 可运行时强制
双向语音	入站自动转写（XingChenASR，或直接用微信自带转写）；出站 speak 用克隆音色，mp3 附件送达
双向文件与视频	入站解密落盘并保留原文件名；wechat_send_file / wechat_send_video 发回
摘要式出站	不刷屏工具调用：心跳摘要 + 按 maxMessageChars 分块限速

控制

命令	作用
/sessions /use N /new /stop /status	会话管理：列表、切换、新建、停止、状态
/model	两步菜单切换模型路由
/perm	两步菜单切换权限预设
/识图 [auto|native|ocr]	图片识别模式；不带参数则报告当前模式与路由模型
/早安 on|off|status|test|HH:MM	每日天气推送开关
/开灯 /开灯1|2|3 /关灯	通过 HTTP 控制 ESP32 PWM 灯
/yes /no（1/2）	回应权限请求

工具（给模型用）

generate_image 文生图 · speak 语音回复 · send_email 纯文本邮件 · wechat_send_image / wechat_send_file / wechat_send_video 推送本地媒体 · set_reminder / list_reminders / cancel_reminder 定时提醒

运维

• Web 管理页：设置 → 插件 →「微信桥配置」 —— 白名单、模型路由、媒体 Key、 克隆音色、路径、限流全在浏览器里改；密钥脱敏，保存进 cordis.patch.yml 并自动备份。
• 人设编辑：同一个页面里选 preset、改人设正文并保存；「复制为新 preset」可整目录复制。
• 会话隔离：桥只认 wechat- 前缀会话，与网页 GUI 共用 SessionStore 也不会串台； 重启后自动 resume 最近会话。

---

适配 DeepSeek 4.1 多模态（v0.2.2 重点）

图片有两种送达方式，由路由模型自己声明的模态决定：

模式	模型拿到什么	何时使用
native	真正的 image 内容块，模型自己看图	路由模型声明了图片输入
ocr	【OCR 识别结果】 文本 + 文件路径	路由模型是纯文本

• imageInput: auto（默认）读 llm.listModels() 的 inputModalities 自动决定； native / ocr 可强制。若聊天路由是纯文本，auto 还会在其他路由里找视觉模型。
• imageInputModel 可以把「只用于图片」的路由钉到另一个模型——文字走便宜的、 图片走视觉模型。

⚠️ 声明才是开关

harness 在请求上游就按模型声明的 inputModalities 闸门拦图片——声明成纯文本， 图片根本不会被发送。而 DeepSeek 适配器内置的模型目录早于 4.1 多模态：它把 deepseek-v4-flash 记为纯文本，唯一声明了 image 的 deepseek-v4-flash-vision-exp 又已下线。所以要显式声明：

llm-deepseek:
  models:
    - id: deepseek-flash
      inputModalities: [text, image]

这个 models: 列表是整体替换插件内置目录、不是追加——要把你实际路由到的 每个 id 都列上（本项目 profile 钉的是旧别名 deepseek-v4-flash，漏掉它那条路由 就不再解析）。

观测到的拒绝会被记住：某个路由真的拒过一次图片后会被抑制 3 小时，后续图片 直接走 OCR，不再每张图都烧掉一个回合——因为「声明」只是对端点的声称，不是检验。

---

先读这里

• 一个账号一个轮询者。 iLink 每个 bot token 只允许一个鉴权轮询者。同一微信 账号同时跑第二个本实例（或其他 iLink 客户端），会导致 HTTP 403 与消息丢失。 请为桥准备一个专用微信号。
• 协议细节逆向而来。 iLink 报文格式是从既有客户端归纳的，尚未见公开的官方 文档；录制样本在 test/fixtures/inbound.ndjson，CI 不需要真账号。
• 仅供参考。 已在一套特定环境实测通过，不代表开箱即用。所有 <...> 都是 需要你填入的占位符。

不适合你的情况

• 你需要群聊——本桥按设计只做一对一私聊。
• 你需要原生语音气泡 / 视频气泡——iLink 不支持，语音与视频都以文件附件送达。
• 你想多账号 / 多实例共用一个 token——会被 403 锁。

---

架构

两个可分离的 Cordis 插件：

插件	职责
wechat-gateway（WechatGateway）	iLink 服务（ctx.wechat）：扫码登录、鉴权长轮询、重连退避、发送重试与限流熔断、typing 指示、加密 CDN 媒体上下行
wechat-conversation-node	微信 ⇄ DSH 桥：白名单闸门、会话寻址、命令、多模态媒体（原生图/OCR/STT/TTS/生图/文件/视频）、提醒与早安、摘要出站、审批、邮件

---

安装与配置

前置：Node >= 20、pnpm、一个专用微信号、一个 DSH profile。

pnpm login     # 扫码配对，写入 WEIXIN_BOT_TOKEN / WEIXIN_ACCOUNT_ID / WEIXIN_BASE_URL
pnpm setup     # 交互式；只改写 profile 的 dsh-chatnode-wechat 段，先备份

非交互式也可以用：

pnpm setup --yes --set allowFrom=<你的微信id>@im.wechat --set siliconflowKey=sk-...

allowFrom 必填且没有宽松默认值：缺失时启动即失败；不在白名单的发送者只记日志、 绝不喂给模型。

主要配置项（完整见 profile 的 cordis.patch.yml）：

dsh-chatnode-wechat:
  allowFrom: ["<你的微信id>@im.wechat"]   # 硬白名单，必填
  agentPreset: wechat                     # 人设 preset（仓库外自建，可选）
  agentProvider / agentModel              # 模型路由
  imageInput: auto                        # auto | native | ocr
  # imageInputModel: <provider>/<model>   # 图片专用路由（可选）
  digestIntervalSec: 300                  # 回合中心跳间隔（0=关）
  approvalTimeoutSec: 600                 # 审批超时 → 默认拒绝
  maxMessageChars: 2000                   # 微信单条上限，超出分块
  sendChunkDelayMs: 1500                  # 出站分块间隔
  # 媒体能力（都可选，不配则该能力降级）
  ocrApiKey / ocrModel: deepseek-ai/DeepSeek-OCR / ocrBaseUrl
  imageGenApiKey / imageGenModel: Kwai-Kolors/Kolors / imageGenDir
  sttApiKey / sttModel: XingChenAGI/XingChenASR-V3.2-Ultra
  ttsApiKey / ttsModel: FunAudioLLM/CosyVoice2-0.5B / ttsVoice: speech:<音色uri>
  # send_email
  smtpHost / smtpPort: 465 / smtpUsername / smtpPassword / smtpFromName
  # 路径（都有默认值，见下）
  mediaDir / reminderFile / morningFile / esp32BaseUrl / cwd

网关调优键的坑：bundle 的 Config schema 声明了 longPollTimeoutMs、 retryDelayMs、rateLimitCircuit* 等网关参数，但只有 baseUrl/cdnBaseUrl/token/accountId 四个键会被转发给网关——在 profile 里配其它键 不会生效。要调网关请直接给 WechatGateway 挂配置。

---

审批

微信没有按钮，所以权限请求渲染成编号文本提示，在聊天里回答：

#1 needs your confirmation
tool: bash
reason: run a destructive command
reply /yes to allow, /no to reject (1/2 while exactly one is pending)
no reply within 10 minutes -> automatically denied

/yes 授予 allowed-once；/no 拒绝；超时走 DSH 默认的拒绝。桥只回答它当前 驱动的那个 agent 的请求，其余沿 answerer 链下传。

---

开发

pnpm install
pnpm build          # src/ → lib/（tsc）+ 客户端 bundle（lib/client.js）
pnpm typecheck
pnpm test           # node --test test/*.test.ts —— 86 项，无需微信账号
pnpm smoke          # 真机手动冒烟

• test/fake-ilink-server.ts 实现 iLink 端点（长轮询、sendmessage、sendtyping、 getconfig、扫码登录、加密 CDN 下载），回放 test/fixtures/inbound.ndjson； 入站→会话→出站全链路可离线跑（.github/workflows/ci.yml）。
• 测试分布：gateway 18 / node 24 / markdown 9 / morning 6 / picker 4 / reminders 4 / patch-config 7 / vision 10 / email 4 = 86。
• 诚实标注的盲区（暂无单测）：OCR 成功/失败分支、语音下载→ASR 全流程、媒体上行 （fake 服务器无 /upload）、/send、/help、ESP32 灯控、重启 resume，以及 原生图片块本身——vision.test.ts 用 stub 目录覆盖模式判定， attachments.saveImage 只在真机上跑。真机冒烟覆盖主路径。
• DSH 是开发者预览版，@deepseek-ai/* 依赖钉在 0.1.1-rc.2。

改动生效三步：pnpm build → 重启 dsh web → 微信里发条新消息触发。

---

已知限制

• 出站语音/视频是文件附件（mp3/mp4），不是原生气泡——iLink 限制； silk.ts 与 gateway.sendVoice() 作为未启用的备用保留（silk 需外部 ffmpeg + pilk，不在依赖里）。
• 部分命令回执仍含 emoji，未与人设的禁 emoji 规则统一。
• mediaDir/generated 下生成的图片与语音暂无自动清理。
• 微信 silk 编码语音的 STT 待真机验证（m4a 已验证）。
• 只面向一对一私聊；群聊按设计忽略。

风险

风险	缓解
iLink 独占锁——同一 token 两个轮询者 → 403 且丢消息	专用账号；检测到 403 时给出醒目致命错误并停止轮询
DSH v0.1 变动频繁	钉住 @deepseek-ai/* 版本；CI 按钉住版本跑
协议细节未见于公开文档	报文格式从既有 iLink 客户端归纳；有真实报文录制样本（test/fixtures/inbound.ndjson）
运行时会在仓库根落盘含凭据的文件	client-config.json / account.json 已加入 .gitignore

---

版本历史

见 Releases、 CHANGELOG.md（逐条技术变更）与 releases/（各版本发行说明）。近期：

• v0.2.2 — 适配 DeepSeek 4.1 多模态：原生图片 输入（与 OCR 可切换、/识图 命令）、send_email、凭据加固；86 项测试
• v0.2.1 — Web 管理页与人设编辑
• v0.2.0 — /perm 接线、pnpm setup 向导、 双向文件与视频、入站时间戳

Roadmap

• 近期：群聊（可选、风险较高）、多账号、与 hermes/openclaw 共存的共享轮询代理
• 远期：复用 node/ 层的企业微信 / 钉钉 / 飞书 bundle

致谢与来源

本仓库是 Jesse-njx/dsh-chatnode-wechat 的非官方个人分支，从上游快照 2bd4c15（2026-08）分出。它不是上游项目的官方 发布，也与上游作者无隶属关系。原始提交历史与早期贡献的署名完整保留并归属上游作者； 基础协议以上游为准。

License

MIT — 见 LICENSE。