dsh-guide-dog

主要功能

• 提供图像/视频/语音/音乐/文本等多模态生成工具，基于 MiniMax 各模型（image-01、MiniMax-H3、music-3.0 等）。
• 通过 guide_dog_vision / guide_dog_inspect 为无原生视觉能力的模型（如 DeepSeek）提供图像识别与结构化审查（前端设计、图表、截图、OCR）。
• 生成的媒体文件同源托管并在对话工具卡片中内嵌预览（图片/音频/视频）。
• 内置系统提示片段，指导 Agent 在需要视觉核查的任务中自动调用检查工具。
• 支持实时语音通话模式：VAD/按键说话轮流机制、流式分句 TTS 与打断（barge-in）、写操作前的共识确认、悬浮双胶囊 UI。
• 内置网页搜索工具 guide_dog_search。

适合什么时候用

• 使用无原生视觉能力的模型（如 DeepSeek）时，需要审查前端设计、截图、图表或生成的图片。
• 在 DSH 工作流中需要直接生成图像、视频、音乐或语音等媒体内容。
• 希望在网页端与 Agent 进行免手动操作的实时语音对话。

安装后会多出什么

使用前需要

• 需要 MiniMax 账号/API 鉴权（通过 mmx CLI），并具备网络访问权限。
• 通过 github-source 方式安装（未发布到 npm），需使用 dsh plugin --profile web add 命令。
• 部署/更新静态 web-profile bundle 后需要重启 DSH（dsh web）才能生效。