fix(desktop): STT 首次启动自动授权与静默超时默认值 + opencode.ai 思考级别支持 - #8067
Open
dxdw2021 wants to merge 40 commits into
Open
Conversation
桌面端斜杠菜单（SlashMenu/ArgMenu/InvocationBadge）此前直接显示 后端传来的英文描述，技能（/explore、/research 等）与参数提示 （/goal status、/mcp add 等）从未经过本地化。新增前端 i18n 覆盖： - 新增 lib/slashI18n.ts：按命令名查 slash.cmd.*、按命令+标签查 slash.arg.*，键不存在时回退到后端原文（用户技能/自定义命令 /MCP 提示保持原样） - en/zh/zh-TW 三个语言包补齐全部内置命令、内置技能描述与 结构化参数提示（goal/skill/mcp/hooks/effort/language/currency /memory/theme/plugin/reasoning-language） - SlashMenu、ArgMenu（新增 commandName）、RichComposerInput 改为使用本地化描述；Composer 传入当前斜杠命令词 - 调整 zh/zh-TW 语言包 gzip 预算（52/53 → 56/57 KiB），容纳 新增翻译键 Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
feat(desktop): 斜杠命令描述与参数提示支持中文 i18n
Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
在输入框右下角增加语音转文本（STT）按钮，移植自 edge-stt-bridge：
- Go 内嵌桥接服务（stt_bridge.go + go:embed stt_page.html），随机端口
本地 HTTP + WebSocket，Edge 专用 profile 运行 Web Speech API 识别页，
转录经 runtime.EventsEmit("stt:transcript") 推送前端
- 设置页新增"语音输入"开关（[desktop] stt_enabled，默认关闭），
Composer 麦克风按钮联动显示/隐藏；关闭或应用退出时停止识别并清理 Edge
- 前端 Composer 收到 final 转录后插入光标处（复用撤销/历史）
- bridge.ts 新增 STT 绑定方法 + onSTTTranscript 订阅
- gorilla/websocket 由 indirect 转 direct
Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- internal/config/render.go: [desktop] 手写 TOML 渲染器补上 stt_enabled 输出，否则设置开关写入内存成功但配置文件无该字段，reload 后 开关弹回"关"（表现为无法启用） - SettingsPanel/Composer: 设置保存后派发 reasonix:desktop-settings-changed 事件，Composer 重新读取 stt_enabled，麦克风按钮即时出现/消失 - styles.css: .set-seg__btn 补 cursor:pointer（悬停手指样式）， :disabled 时 not-allowed + 半透明 - dev.bat: 重写为纯 ASCII（cmd 用 GBK 解析批处理，UTF-8 中文注释 乱码后会被当作命令执行导致无法启动），并补 -tags native_webview2loader Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- 语音输入设置新增：显示识别页面开关、不说话自动停止（静默秒数可调）、 开始/停止全局快捷键（录制式输入，支持 alt/ctrl/shift/win 组合） - 识别页支持后台隐藏运行（Win32 ShowWindow，不移出屏幕保证录音正常）， 任务栏图标不再残留；关闭识别页后重连自动重新拉起页面 - 热键注册不依赖服务启动（启动即注册），修复多次配置后失效问题； 转圈中可点击取消（CancelTrySubagentProfile） - 输入框新增增强提示词按钮：使用当前会话模型润色输入，支持二次增强 与还原原文；运行中转圈、悬停显示取消叉叉 - 转录连续插入输入框；StartListening/StopListening 主动推送状态事件， 输入框按钮与识别页状态实时同步 - 自动授权麦克风（--use-fake-ui-for-media-stream） Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- 上下文窗口进度条恒 0%：ContextSnapshot 在 executor 未就绪时返回 window=0，前端分母为 0 恒显 0%；改为用当前 tab 模型配置的上下文 窗口兜底，保证分母始终有效 - 增强提示词切换窗口后错位：EnhancePrompt 改为按发起请求的 tabID 取模型（而非请求到达时的活动 tab），结果回到发起窗口 - 增强/试运行冲突提示中文化，并补充 [subagent-try] 日志便于定位 二次增强失败是冲突还是网络问题 - 关闭语音输入时按 profile 目录清理所有 msedge 进程（原只杀主进程， Edge 多进程子进程残留不退出） Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- 新建 BrandLogo 内联 SVG 组件：彩虹渐变（7 色循环）+ 流动动画 - 替换 App.tsx（workbench/经典布局）与 Welcome.tsx 的 <img> 引用 - img 加载 SVG 不播放动画且渐变引用不可靠（实测白色）， 改内联 DOM SVG 后用 CSS transform 动画驱动 gradient 流动 - SMIL <animateTransform> 经 React 渲染不可靠（实测不播放）， 改用 CSS @Keyframes 驱动 linearGradient；prefers-reduced-motion 降级 - 保留 logo-wordmark.svg 原文件（不再被前端引用） Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- SMIL/CSS transform 映射驱动 SVG 渐变在 WebView2 中不可靠 （实测不播放/不变化），改用 requestAnimationFrame 每帧直接设置 gradientTransform 平移，兼容性最好 - 移除 prefers-reduced-motion 降级：按需求动画必须实现，不随 系统"减少动画"设置禁用 Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- 新建 BrandSymbol 内联 SVG 组件：启动画面图标（logo-symbol.svg 图形） 彩虹渐变 + rAF 流动动画，与 BrandLogo 效果一致 - StartupSplash 替换 <img> 引用为 BrandSymbol；"Reasonix" 品牌名加 彩虹渐变文字（CSS background-clip: text + 流动动画） - 测试适配：TrySubagentProfile 中文冲突提示的断言更新 Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- enhancePrompt 发起时绑定 originDraftKey（独立绑定），await 期间 切到其他窗口时，结果写回发起窗口的 draft，不污染当前窗口 - 修复"会话1 增强结果串到会话2 输入框"的问题 Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- stt:transcript 事件携带发起识别的 tabID（Go sttTranscriptPayload.TabID， STTStart(tabID) 记录），前端 onSTTTranscript 按 tabID 只插入发起窗口 输入框，其余窗口写入对应 draft（切回可见），多窗口语音输入不交叉错乱 - BrandLogo 渐变驱动修复 SVGTransformList 类型错误 （createSVGTransformFromMatrix → ownerSVGElement.createSVGTransform） - 补充 STT 桥接测试 Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- onSTTTranscript 订阅回调在首帧闭包中创建，直接引用 insertSTTTextAtCaret 会拿到首帧版本（draft/selection 绑定陈旧），切换会话后转录可能写入 旧 draft、"能识别但不输入"；经 ref 中转始终调用最新实现，插入当前 可见窗口输入框 - 移除误提交的 reasonix-desktop-res.syso 构建产物 Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- config 新增 [desktop] stt_auto_stop_on_switch（默认关）+ setter + 渲染 - Go 绑定 SetDesktopSTTAutoStopOnSwitch；前端 bridge/types/SettingsView 同步 - Composer：开启该设置时，切换到其他对话窗口自动停止语音识别 （tabId 变化 effect 调用 STTStop） - 设置面板新增开关 + en/zh/zh-TW 三语言包 Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- launchEdge 添加 --no-first-run/--no-default-browser-check/ --disable-background-networking/--disable-component-update/--disable-sync， 减少 Edge 首次启动的无谓初始化与后台检查，缩短"加载界面"耗时 - TrySubagentProfile 补充 [subagent-try] 起止耗时日志，便于定位 增强/试运行慢是模型调用还是网络 Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- onSTTTranscript 同时处理 interim（isFinal=false）与 final： interim 实时上屏（pendingInterimRef 占位，删旧插新替换不重复堆积）， final 到达时先移除 interim 占位再正式插入 - 解决"识别返回慢"：此前只插 final，而 continuous 模式下 final 需等 断句才产生，interim 实时却被丢弃；现在说话即上屏 - insertSTTTextAtCaret 支持 prevSnippet 参数做替换 - 修正 STT setter 测试断言（默认 0 = 桥接层 10s） Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- interim 停止更新 1.2s 后自动固定当前句（清空占位），不等引擎 final （引擎 final 需更长静音+网络往返，可能几秒后才到） - final 到达时仍正常提交（prev 替换去重，不重复上屏） - 配合 interim 实时上屏，说话即显示、停顿即定稿，响应更快 Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- 麦克风按钮 Tooltip 显示实时识别文字（interim 预览）：识别中即时反馈， final 提交/停顿后清空 - 修复转录重复：停顿自动提交后记住已上屏 interim 句（committedInterimRef）， final 到达时用它去重（删旧插新），不再全文重复插入 - 新增 .composer-stt-tooltip__interim 预览样式 Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- 转录逻辑回归简单可靠：interim 只显示在麦克风按钮上方预览（不插入 输入框），final 才插入输入框——输入框只有 final，彻底消除 interim/final 交替导致的重复输入 - launchEdge 启动前按 profile 清理残留 Edge 实例：dev 热更新/多次启用后 旧实例连旧端口残留（累积占内存、识别页连旧端口导致转录失效）， 定向清理不误杀用户 Edge Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- EnhancePrompt 注入最近 6 轮 user/assistant 对话作为意图参考， 增强模型能补全省略的主语/目标/约束，产出更贴合上下文的提示词； 工具轮跳过、推理内容不注入（recentConversationContext，锁外取历史） - 能力注册表补 deepseek-v4-flash-free：此前 base_url 非 *.deepseek.com 的网关（如 opencode.ai）上该模型被判为非 deepseek 协议，sub-agent tool_calls 轮不回传 reasoning_content → DeepSeek API 400 "reasoning_content must be passed back"，增强提示词偶发失败 - 测试：flash-free 协议判定、上下文折叠 helper、STT/config 既有测试修复
外部 722c59b 在 WS 连接建立时新增 sttStateEvent 推送（结束按钮加载态）， 测试的通用 emit 计数器把该连接事件也计入，导致空 final 断言误报。 改为只统计 sttTranscriptEvent 类型。
- 三语言包（en/zh/zh-TW）新增 effort 级别键（auto/disabled/low/medium/ high/max/adaptive/enabled） - EffortSwitcher 触发器与下拉项接入 useT 本地化（未定义键回退原始值） - Composer effort 标题同步翻译 - dev.bat 移除杀正式版进程行（两个版本可同时运行），并修复非 ASCII 注释（em dash 乱码导致脚本无法运行），文件保持纯 ASCII Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- stt_bridge.go: 语音链路增强（含转录事件 TabID、Edge 清理等） - stt_page.html: 识别页交互与转录上报增强 - Composer: STT 按钮/转录插入适配 - bridge/locales: 语音相关绑定与文案补充 Co-Authored-By: AtomCode (deepseek-v4-flash) <noreply@atomgit.com>
- TrySubagentProfile 补分段计时日志（[subagent-try] ready: model/effort/耗时） 与重试日志（retry n/m delay err），dev 控制台可区分"模型生成慢"与 "限流/网络重试耗时"，定位"增强按钮转好久"的真实成因 - event.Event 新增 RetryDelay 字段并复用 Err 承载重试原因（additive）， agent.stream() 的 RetryNotify 回调填入，增强/主会话共用 - 重试事件经 enhance:progress 事件 emit 到前端；按钮转圈时实时显示 已等待秒数，限流重试时显示"重试中(n/m)"，消除无反馈长转的焦虑 - 前端三语文案 composer.enhanceRetrying；新增 tryRunEventSink 单测 Cache-impact: none — 仅 desktop 前端展示与 headless try-run 日志/事件 Cache-guard: 无缓存敏感路径改动（internal/event 与 internal/agent 的 event.Retrying 结构字段为 additive，不影响 system prompt 缓存前缀）
- EffortSwitcher 触发按钮加 Tooltip（auto 显示模型默认值，与模型下拉一致） - STT 热键输入框（alt+s/alt+w）右侧新增独立重置按钮，参照快捷键设置页样式 - 附带：STT 即说即输/自动停止默认秒数 10→6、AGENTS.md 文档纳入仓库
- docs/dev-notes/2026-08-09-desktop-voice-effort.md：本次开发内容与排障记录 - STT 全局热键行迁移至快捷键设置页：录制式 key 按钮 + 独立重置（恢复默认 alt+s/alt+w）
- STT 启动确认窗口超时自动重试并保持"启动中"提示，避免首次启用反复手动点击 - 权限未授予时显示识别页授权、授权后自动隐藏窗口；getUserMedia 探活加超时兜底 - handleWS 收到页面状态时无条件 emit listening/starting，修复识别后按钮一直转圈 - 静默超时未配置（0）时使用默认 6s，与设置 UI 显示一致（此前被钳制为 3s） - 热键 stop() 后显式注销，修复重新注册时热键被旧线程占用 - opencode.ai 网关支持思考级别（binary knob），修复 big-pickle 模型无下拉框 - 移除窄容器断点对思考模式下拉框的隐藏
github-actions
Bot
added
v2
- effort: opencode.ai 网关接受标准 reasoning_effort 深度级别（low/medium/high）， 修正误判为 binary 旋钮导致下拉框只剩"启用/关闭"且切换报错的问题 - 安装器: 安装开始无条件 taskkill 结束所有运行中的 Reasonix 进程（不限版本 目录），解决旧版本目录主程序未关闭、同版本覆盖激活失败的问题 - 签名: 将 minisign 公钥嵌入 verify.go（key ID D4C779FC4795FBE1）， 更新源可注入 fork 构建 - AGENTS.md: 补充发布/签名/STT/effort 关键约定
|
我都是用讯飞输入法作为语音转文字的输入方案的，感觉就没必要这个软件自己再维护一套语音转写方案了，而且识别率也还不错，也能设置转换的偏好词。 |
移除 `!heroMode` 条件，与 CSS 断点修复配套，确保 effort 下拉框 在所有模式下始终可见。
added 5 commits
August 10, 2026 18:17
# Conflicts: # desktop/frontend/scripts/check-bundle-budget.mjs # desktop/frontend/src/App.tsx # desktop/frontend/src/components/Composer.tsx # desktop/go.mod # internal/agent/agent.go # internal/event/event.go
- repolint baseline 更新：合并上游后 App.tsx 等文件大小超出预算 - bundle 体积预算 2200→2230 KiB：合并上游引入更多前端代码
# Conflicts: # desktop/frontend/scripts/check-bundle-budget.mjs # desktop/frontend/src/components/Composer.tsx # desktop/frontend/src/components/SettingsPanel.tsx # desktop/settings_app.go # internal/config/config.go # internal/config/render.go # tools/repolint/baseline.json
- bridge.ts: 与 wails 重新生成的 bindings 对齐（移除 Generated 中已不存在的 AutoResearch/Workbench 方法，补齐 ExternalOpenersForTab 等 4 个） - check-bundle-budget.mjs: 语言包预算 56/57→57/58 KiB，raw 预算 2230→2240 KiB
# Conflicts: # desktop/frontend/scripts/check-bundle-budget.mjs # desktop/tabs.go # tools/repolint/baseline.json
Author
|
感谢反馈！关于 STT（语音转文字）集成，补充几点设计考量：
当然这确实是可选能力——保留外部输入法方案完全可行，两者可以共存。也欢迎指正实现细节上的问题，方便继续改进。 |
added 4 commits
August 11, 2026 23:08
- render.go: 移除重复的 expand_thinking 输出（reasoning_display.go 已输出）， 修复 config.toml TOML 解析失败导致启用语音输出报错 - check-bundle-budget.mjs: initial JS gzip 400→410 KiB、raw 2240→2280 KiB
# Conflicts: # desktop/frontend/scripts/check-bundle-budget.mjs # desktop/frontend/src/App.tsx # desktop/frontend/src/components/Composer.tsx # desktop/frontend/src/lib/bridge.ts # desktop/frontend/src/locales/en.ts # desktop/frontend/src/locales/zh-TW.ts # desktop/frontend/src/locales/zh.ts # internal/config/edit.go # tools/repolint/baseline.json
# Conflicts: # tools/repolint/baseline.json
# Conflicts: # tools/repolint/baseline.json
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
2 participants
Add this suggestion to a batch that can be applied as a single commit.This suggestion is invalid because no changes were made to the code.Suggestions cannot be applied while the pull request is closed.Suggestions cannot be applied while viewing a subset of changes.Only one suggestion per line can be applied in a batch.Add this suggestion to a batch that can be applied as a single commit.Applying suggestions on deleted lines is not supported.You must change the existing code in this line in order to create a valid suggestion.Outdated suggestions cannot be applied.This suggestion has been applied or marked resolved.Suggestions cannot be applied from pending reviews.Suggestions cannot be applied on multi-line comments.Suggestions cannot be applied while the pull request is queued to merge.Suggestion cannot be applied right now. Please check back later.
变更内容
桌面端语音输入（STT）与思考级别选择器的系列修复：
handleWS收到页面状态时无条件 emitlistening/starting，修复识别已开始但按钮一直转圈stop()后显式UnregisterHotKey，修复重新注册时热键被旧线程占用IsOpencode识别；opencode.ai 接受标准reasoning_effort深度级别（low/medium/high），修正此前误判为 binary 旋钮导致下拉框只剩"启用/关闭"、切换报错的问题
解决旧版本目录主程序未关闭、同版本覆盖安装激活失败的问题
.composer-meta__control--effort的隐藏，下拉框始终可见verify.go（key ID D4C779FC4795FBE1）；更新源可注入（
githubManifestFallback改为 var，fork 构建可覆盖）补齐 AppBindings 新增 binding（AutoResearch/Workbench），repolint baseline 与
bundle 预算同步更新
测试
go build/go test（STT、热键、effort）通过tsc --noEmit、快捷键录制测试 25/25、composer-keyboard 34/34 通过Documentation-impact: updated - 新增 docs/dev-notes/2026-08-09-desktop-voice-effort.md 开发笔记，并更新 AGENTS.md 发布/签名/STT/effort 约定
Cache-impact: low - 新增/修改 desktop STT 桥接（stt_bridge.go）、updater manifest 注入（updater.go var）、effort 能力判定（internal/config/effort.go）与前端 bridge.ts 绑定类型，均不影响 system prompt 缓存前缀
Cache-guard: 无缓存敏感路径改动（internal/agent、internal/event 为 additive 字段），既有 CI 缓存校验覆盖
System-prompt-review: SivanCola / esengine - 请审查本 PR 的 system prompt 相关改动（本次未触碰 internal/prompt 与缓存前缀逻辑，需维护者确认后合并）