Back to directory

dsh-tab-complete

In a curated listMaintenance: Active

dingchenhui0618-arch/dsh-tab-complete

The composer predicts what you are about to type. Inline ghost text sits on the caret, measured against the editor's own font and line box, and Tab turns it into real text (Esc ignores it). The prediction is one short call through the session's own model router, seeded with your draft and the last few turns of the conversation, so an empty composer also gets a next-prompt guess written in the user's voice; suggestions that merely restate the assistant are dropped. Host side is one HTTP route with sub-path endpoints (loopback-only, 64 KB body cap, 2-minute result cache, 20-second miss cache, one in-flight call per session); client side is one 0-height overlay registered on conversation.input.overlay, with insertion guarded by the composer's draftRev CAS and a setDraft fallback. IME composition and slash commands are skipped. 16 node:test cases, zero runtime dependencies, real screenshots in docs/.

View on GitHub
$ dsh plugin add dsh-tab-complete

Install

dsh has no central install command — add this plugin’s entry (documented in its README) to your profile or patch config, then restart.

How installs work

1

stars

0

forks

JavaScript

Language

MIT

License

2026-10-21

Created

2026-11-09

Last push

README

dsh-tab-complete

CI license

在 DeepSeek Harness 的输入框里,用当前对话和你已经打的字,预测你接下来要输入的内容:灰色幽灵文本贴在光标后面,按 Tab 一键填入,按 Alt+→ 只收第一句,按 Esc 忽略。

这是 Codex Pro「下一步输入预测」的 DeepSeek Harness 版本。区别只有一处:预测走你自己的模型路由,不吃订阅额度。

用着还行的话,点个 ⭐ 就够了——插件市场的「搜插件」按 GitHub star 排序,star 是这个插件能被人翻到的唯一杠杆。

输入到一半时的幽灵文本

三个键

键 作用
Tab 整句收下(最快的路径:一次按键,直接可发)
Alt+→ 只收第一句,剩下的继续当幽灵;一句一句往下收,改起来比整段删掉轻松
Esc 丢掉这条,本轮不再问

Alt+→ 只在建议里确实还有第二句时才提示(幽灵后面会多一个 Alt+→ 小标签),单句建议按了等同于 Tab,不会误伤。

建议里有两句时,Tab 和 Alt+→ 两个提示都出现

它什么时候会给建议

时机 行为
你在输入框里打字 停手约 0.28 秒后,把这句话补完
你刚发完一条消息、输入框是空的 基于这段对话,预测你的下一句(用户口吻,不是助手口吻)
候选是助手刚说过的话的复述 直接丢弃,不显示
候选是「先查日志,再跑测试」这类执行步骤 直接丢弃——那是助手该干的事,不是你会说的话
你在用输入法(IME)拼字 不预测,避免和候选栏打架
输入框以 / 开头 不预测,那是命令面板

给的是整句而不是半句:一次 Tab 就能直接发出去,不需要你接着往下想。对话里的文件、函数、版本号会被沿用;模型编不存在的路径(src/plugins、index.ts 这种)会被提示词按住。

只把「你和助手说过的话」喂给模型——技能目录、运行时上下文这类框架注入会被 isScaffolding() 挡掉。这很关键:它们一旦混进去就会吃光上下文预算,让预测变成对着技能列表瞎猜。

它会越用越像你。 每次你按 Tab 收下建议,那句话就被记进 ~/.dsh/tab-complete-style.json(最多 40 条,只在本机),之后作为「他以前收下过的写法」参与提示词。同一句话收下第二次、只是尾巴更长时,会替换旧的那条而不是占两个槽位(实测 40 条里有 5 对是这种重复,占掉 25% 预算)。看不顺眼可以清空:

curl.exe "http://127.0.0.1:3080/dsh-tab-complete/style"                       # 看记了什么
curl.exe -X POST "http://127.0.0.1:3080/dsh-tab-complete/style" -d '{"clear":true}'   # 清空

发完一句话后预测你的下一句

按 Tab 之后:幽灵文本变成真正的文字,光标停在末尾,接着就能改。

按 Tab 后的结果

和同类比,数字说话

这个品类在 DSH 市场里已经很挤:截至 2026-11,公开的「预测下一句 + 幽灵文本 + Tab 收下」插件至少有 16 个。挑几个最能打的:

插件 星 它的长处
Lphehe/dsh-composer-assist 17 设置面板:自动/逐词/两者/仅手动、建议栏或行内、置信度门槛、接受学习(默认关)
Xiaofei-fei/dsh-prompt-history 10 终端式输入框:↑/↓ 历史、前缀搜索、Ctrl+R,外带预测
studyzy/dsh-suggest-prompt 7 工程最完整:脱敏、语义过滤(助手口吻直接丢弃)、负缓存、快捷键录制
Stijnus/dsh-composer-predictions 2 Alt+↑/↓ 换候选 + 草稿内联补全

它们都比这个插件功能多。这个插件只在三件事上不一样:

  1. 给数字,而不是给形容词。 同类 README 里几乎找不到效果数据(一家的 README 直接写 not_evaluated:「60 条质量集尚未跑完,不能证明优于同类」)。下面这张表是本插件在真实会话上跑出来的,方法在「它是怎么被调的」一节,可复跑。
  2. 会主动闭嘴。 开头是执行动词、又带技术对象(日志/配置/测试/文件…)或「先…,再…」计划的预测不显示——那是助手该干的活。实测这类占 13%,平均 2.21 分,且没有误伤任何一条高分预测。
  3. 空输入框也能一次 Tab 发出去,而且和「打了一半」共用同一条链路(部分同类只做其中一种)。

实测(真实会话样本,另一模型当评审打 0–10 分,判据是「这句话像不像你本人会紧接着发出来」):

场景 平均分 及格(≥7) 说明
空输入框,猜你下一句 ≈3 0 / 15 收到结果后你往往直接换话题,模型没有依据
你已经打了几个字 ≈4.7 2 / 15 方向被你限定住了,这才是它擅长的
0.2.0 旧版(不分场景) 3.6 1–2 / 20 提示词里混进了框架注入,在对着技能目录瞎猜

也测了「多给几条候选、挑最好的」这条路:3 条候选里最好那条平均只有 3.33 分,36 个候选 0 个及格。所以这个插件没做候选轮换——方向错不是多给几次机会能救的,不如用 Alt+→ 让你改得轻松。

安装

插件是标准的 DSH bundle:宿主半边注册一条 HTTP 路由,客户端半边挂在 conversation.input.overlay 插槽上。

在 profile 目录(~/.dsh/profiles/<profile>/)里加两处:

// package.json
{
  "dependencies": {
    "dsh-tab-complete": "link:D:/Projects/dsh-tab-complete"  // 或 npm 版本号
  },
  "dsh": {
    "profile": {
      "bundles": ["...", "dsh-tab-complete"]
    }
  }
}

然后安装并重启 Harness:

cd $env:USERPROFILE\.dsh\profiles\desktop
pnpm install

重启后窗口里的输入框就有这个能力;已经在跑的会话不会丢,会话记录是落盘的。

配置

宿主侧配置写在 bundle 的 cordis.patch.yml 对应条目下,全部可省略:

- id: dsh-tab-complete
  config:
    enabled: true
    debounceMs: 280        # 停手多久后请求
    maxTokens: 64          # 生成上限(一句话够用;调大只会更慢)
    maxCompletionChars: 180
    contextMessages: 6     # 送给模型的历史消息条数
    contextChars: 2200
    minDraftChars: 0       # 空输入框也预测,设成 2 就要求先打两个字
    suppressSteps: true    # 丢弃「先查日志,再跑测试」这类助手口吻的执行步骤
    provider: ""           # 留空则用当前会话的默认模型路由
    model: ""

运行时可查状态、可临时开关(内存态,重启复位):

curl.exe http://127.0.0.1:3080/dsh-tab-complete/state       # 需要浏览器同款 cookie
curl.exe -X POST http://127.0.0.1:3080/dsh-tab-complete/enabled -d '{\"enabled\":false}'
curl.exe "http://127.0.0.1:3080/dsh-tab-complete/transcript?sessionId=<id>"   # 这次补全真正会发给模型的对话
curl.exe "http://127.0.0.1:3080/dsh-tab-complete/prompt?sessionId=<id>&draft=<草稿>"   # 完整 system + user 提示词

速度

一次建议 = 静默时间(默认 280ms)+ 模型首 token 延迟。第二段来自模型本身,插件替不了它;所以补全走流式:第一个 token 到达就把幽灵画出来,之后逐字长出来,而不是等整句生成完再一次性出现。

如果仍然嫌慢,可以给补全单独指定路由(不影响主会话):

- id: dsh-tab-complete
  config:
    provider: <provider>
    model: <model>

别用推理型模型。 它们会先把 token 花在思考上,maxTokens: 64 全部被吃掉,流里一个可显示的字都没有——表现是「一次都不出幽灵」,不是慢。实测 glm-5.3-flash、qwen3.7-plus 就是这样,deepseek-flash 这类直出模型的 p50 约 2.4 秒。要换模型,先跑一次:

curl.exe -X POST "http://127.0.0.1:3080/dsh-tab-complete/replay" -H "content-type: application/json" -d "{\"messages\":[{\"role\":\"user\",\"text\":\"你好\"}],\"draft\":\"\",\"provider\":\"<provider>\",\"model\":\"<model>\"}"

返回里 completion 为空就说明这个模型不能用。

同一「会话 + 草稿」在缓存里命中是 0 延迟;GET /dsh-tab-complete/state 里的 lastMs 就是上一次真实耗时。

成本与隐私

  • 每次预测是一次独立的小模型调用(maxTokens: 64,一句话),不写进会话记录,也不消耗 Harness 的上下文。
  • 只接受来自 loopback 的请求;请求体上限 64 KB。
  • 同样的「会话 + 草稿」结果缓存 2 分钟;"模型也没想出来"缓存 20 秒,避免空输入框反复花钱。
  • 同一会话同时只保留一个在飞请求,新请求会中断旧的。
  • 采纳记忆只写在 ~/.dsh/tab-complete-style.json,不联网、不进 git,{clear:true} 一键清空。
  • 使用计数只在 ~/.dsh/tab-complete-stats.json:收了 / 收一句 / 按 Esc 各多少次,没有别的。

它到底有没有用:线上计数

离线评测回答「改得对不对」,线上计数回答「这几天值不值」。所有幽灵被怎么处理都会被记下来,跨重启保留:

curl.exe http://127.0.0.1:3080/dsh-tab-complete/state

Read the full README on GitHub →

DSH Plugins is an independent community directory of DeepSeek Harness plugins. Not affiliated with or endorsed by DeepSeek. Third-party plugins are not security-audited — review the source before installing.

New DeepSeek Harness plugins, weekly. No spam.