dlinkclaw-openclaw 2026.9.18 → 2026.10.15

package/README.md

@@ -1,78 +1,79 @@
-# dlinkclaw-openclaw
-
-**DLinkClaw（朵联统一 AI 工作台）的 OpenClaw 接入通道插件**
-
-DLinkClaw 朵联统一 AI 工作台是一款企业级即时通讯 + 多智能体协作客户端，支持机器人、群组、语音、文件等多形态消息互通。本插件作为 **OpenClaw 的 channel 中继**，将你的 OpenClaw 网关安全地接入 DLinkClaw —— 让部署在家或公司内网的 OpenClaw 通过朵联工作台随时随地使用，实现内外自由连接。
-
----
-
-## 界面一览
-
-![DLinkClaw 朵联统一 AI 工作台](./docs/screenshot.png)
-
-> 截图：DLinkClaw 客户端 —— 左侧机器人/群组会话列表、中间多智能体对话区、右侧工作区/自动化面板。
-
----
-
-## 特性
-
-- **多 OpenClaw 实例**：可同时接入多个 OpenClaw 网关，每个实例独立部署、独立账号，工作台内自由切换。
-- **多 DSH 实例**：同样支持接入多个 DSH（DeepSeek）实例，与 OpenClaw 实例统一管理。
-- **更多 Agent 实例**：单个实例可暴露任意数量的 Agent（技术专家、研究员、文案专员、小红书助手等），在工作台中以机器人形式呈现。
-- **单聊 / 群聊**：支持与机器人一对一对话，也可拉入群组协作，群内多 Agent 可互相调用。
-- **双向中继**：OpenClaw 的回复、主动出站消息经 MQTT 中继到 DLinkClaw 客户端；客户端消息实时推送到 OpenClaw 会话。
-- **扩展能力**：内置语音合成 / 语音转写等扩展能力（`ext_capabilities`），开箱即用。
-- **安全接入**：AES 签名认证 + MQTT 加密通道，内网部署无需暴露公网端口。
-
-> 更多多实例、多 Agent 的能力与配置方式，请到**官网了解**：https://dlinkclaw.com
-
----
-
-## 客户端下载
-
-使用本插件需要 **DLinkClaw（朵联统一 AI 工作台）客户端**：
-
-👉 **下载地址：https://dlinkclaw.com**
-
----
-
-## 插件安装（OpenClaw 侧）
-
-```bash
-# 1. 安装插件
-openclaw plugins install npm:dlinkclaw-openclaw
-
-# 2. 添加 dlink 通道
-openclaw channels add --channel dlink
-
-# 3. 配置（填入朵联 apiKey / secret / baseUrl）
-openclaw configure
-```
-
-安装完成后，在 DLinkClaw 客户端中即可看到接入的 OpenClaw 机器人并开始对话。
-
----
-
-## 配置说明
-
-| 配置项 | 说明 |
-| --- | --- |
-| `apiKey` | 朵联平台分配的 apiKey |
-| `secret` | 朵联签名密钥（AES 加密通信用）|
-| `baseUrl` | 朵联服务回调 URL |
-| `accountId` | 账号标识，默认 `default` |
-| `mediaMaxMb` | 媒体大小上限（MB），默认 100 |
-
----
-
-## 使用说明
-
-1. 在 DLinkClaw 客户端登录并进入 **机器人** 列表。
-2. 添加/打开接入的 OpenClaw Agent 即可开始对话。
-3. 需要模型切换、上下文占用率等高级能力，请确保 OpenClaw 网关运行正常。
-
----
-
-## 许可
-
-[MIT](./LICENSE)
+# dlinkclaw-openclaw
+
+**DLinkClaw（朵联统一 AI 工作台）的 OpenClaw 接入通道插件**
+
+DLinkClaw 朵联统一 AI 工作台是一款企业级即时通讯 + 多智能体协作客户端，支持机器人、群组、语音、文件等多形态消息互通。本插件作为 **OpenClaw 的 channel 中继**，将你的 OpenClaw 网关安全地接入 DLinkClaw —— 让部署在家或公司内网的 OpenClaw 通过朵联工作台随时随地使用，实现内外自由连接。
+
+---
+
+## 界面一览
+
+![DLinkClaw 朵联统一 AI 工作台](https://dlinkclaw.com/dlinkclaw-app.png)
+
+
+> 截图：DLinkClaw 客户端 —— 左侧机器人/群组会话列表、中间多智能体对话区、右侧工作区/自动化面板。
+
+---
+
+## 特性
+
+- **多 OpenClaw 实例**：可同时接入多个 OpenClaw 网关，每个实例独立部署、独立账号，工作台内自由切换。
+- **多 DSH 实例**：同样支持接入多个 DSH（DeepSeek）实例，与 OpenClaw 实例统一管理。
+- **更多 Agent 实例**：单个实例可暴露任意数量的 Agent（技术专家、研究员、文案专员、小红书助手等），在工作台中以机器人形式呈现。
+- **单聊 / 群聊**：支持与机器人一对一对话，也可拉入群组协作，群内多 Agent 可互相调用。
+- **双向中继**：OpenClaw 的回复、主动出站消息经 MQTT 中继到 DLinkClaw 客户端；客户端消息实时推送到 OpenClaw 会话。
+- **扩展能力**：内置语音合成 / 语音转写等扩展能力（`ext_capabilities`），开箱即用。
+- **安全接入**：AES 签名认证 + MQTT 加密通道，内网部署无需暴露公网端口。
+
+> 更多多实例、多 Agent 的能力与配置方式，请到**官网了解**：https://dlinkclaw.com
+
+---
+
+## 客户端下载
+
+使用本插件需要 **DLinkClaw（朵联统一 AI 工作台）客户端**：
+
+👉 **下载地址：https://dlinkclaw.com**
+
+---
+
+## 插件安装（OpenClaw 侧）
+
+```bash
+# 1. 安装插件
+openclaw plugins install npm:dlinkclaw-openclaw
+
+# 2. 添加 dlink 通道
+openclaw channels add --channel dlink
+
+# 3. 配置（填入朵联 apiKey / secret / baseUrl）
+openclaw configure
+```
+
+安装完成后，在 DLinkClaw 客户端中即可看到接入的 OpenClaw 机器人并开始对话。
+
+---
+
+## 配置说明
+
+| 配置项 | 说明 |
+| --- | --- |
+| `apiKey` | 朵联平台分配的 apiKey |
+| `secret` | 朵联签名密钥（AES 加密通信用）|
+| `baseUrl` | 朵联服务回调 URL |
+| `accountId` | 账号标识，默认 `default` |
+| `mediaMaxMb` | 媒体大小上限（MB），默认 100 |
+
+---
+
+## 使用说明
+
+1. 在 DLinkClaw 客户端登录并进入 **机器人** 列表。
+2. 添加/打开接入的 OpenClaw Agent 即可开始对话。
+3. 需要模型切换、上下文占用率等高级能力，请确保 OpenClaw 网关运行正常。
+
+---
+
+## 许可
+
+[MIT](./LICENSE)

package/dist/package.json

@@ -1,6 +1,6 @@
 {
     "name": "dlinkclaw-openclaw",
-    "version": "2026.09.18",
+    "version": "2026.10.15",
     "description": "DLinkClaw OpenClaw channel plugin — 朵联 OpenClaw 接入通道",
     "keywords": [
         "DLinkClaw",
@@ -35,7 +35,8 @@
         "skills",
         "ext_capabilities",
         "openclaw.plugin.json",
-        "README.md"
+        "README.md",
+        "docs"
     ],
     "dependencies": {
         "axios": "^1.15.2",
@@ -54,7 +55,7 @@
         "typescript": "^5.3.3"
     },
     "peerDependencies": {
-        "openclaw": ">=2026.9.1"
+        "openclaw": ">=2026.10.3"
     },
     "openclaw": {
         "extensions": [

package/dist/src/services/index.js

@@ -4,6 +4,9 @@
  */
 import ClawServices from "./services.js";
 const AGENT_RELAY_MAP = new Map();
+// 2026-10-13 去重缓存（石头哥需求：更精准控制 + 减少不必要的 MQTT 推送）：
+// key=streamId，value=上次推送内容。同一 streamId 内容未变化时不重复推送。
+const LAST_PUSHED_CONTENT = new Map();
 //const BATCH_COUNT = 10;
 //const BATCH_TRAJECTORY_MAP: Map<string, Array<any>> = new Map();
 /**
@@ -133,6 +136,17 @@ export class CmdHandler {
                         }
                         if (label.includes('_')) {
                             const streamId = label.split('_')[1];
+                            // ⚠️ 2026-10-13 精准化（石头哥需求：更精准控制 + 减少不必要的 MQTT 推送）：
+                            // 1) 【不在插件侧】按"内容是否含 plan 复选框"拦截 —— kind:'plan' 就是客户端"中间文本气泡"的既定契约，
+                            //    拦截会连中间回复一起干掉（10-13 实测教训）。任务清单的识别放在【客户端】（严格复选框解析 + 空解析忽略）。
+                            // 2) 这里只做【去重】：同一 streamId 内容与上次相同则不再推送，去掉无意义的重复 MQTT。
+                            if (LAST_PUSHED_CONTENT.get(streamId) === content) {
+                                return;
+                            }
+                            if (LAST_PUSHED_CONTENT.size > 200) {
+                                LAST_PUSHED_CONTENT.clear(); // 简单上限保护，避免 Map 无限增长
+                            }
+                            LAST_PUSHED_CONTENT.set(streamId, content);
                             this.dlClient.publishProcessingState({
                                 streamId,
                                 content,

package/dist/src/services/services.js

@@ -10,7 +10,9 @@ import path from 'path';
 import WSClient from './ws-client.js';
 import { getOpenclawPath, getExtCapabilitiesDir } from '../utils.js';
 import { applyModelOverrideToSessionEntry } from 'openclaw/plugin-sdk/model-session-runtime';
-import { getSessionEntry, patchSessionEntry, resolveStorePath, listSessionEntries } from 'openclaw/plugin-sdk/config-runtime';
+// 2026-10-15 适配 openclaw 2026.10.3：config-runtime 子路径已被官方移除（2026-09-30 SDK owner 批准），
+// 下列符号现由 session-store-runtime 导出（同名、签名兼容：resolveStorePath/getSessionEntry/listSessionEntries 仍为同步，patchSessionEntry 为 async，调用处均已 await）
+import { getSessionEntry, patchSessionEntry, resolveStorePath, listSessionEntries } from 'openclaw/plugin-sdk/session-store-runtime';
 // 2026-09-06 适配 openclaw 2026.9.1：approveChannelPairingCode 不再导出，改走宿主 RPC（见 gateway-rpc.ts）
 import { setGatewayClient, approvePairingRequest } from './gateway-rpc.js';
 import { DEFAULT_ACCOUNT_ID } from 'openclaw/plugin-sdk/core';

package/dist/src/services/ws-client.js

@@ -263,6 +263,13 @@ export class WSClient extends EventEmitter {
         if (params.limit) {
             p.limit = params.limit;
         }
+        // ⚠️ 2026-10-09 修复（石头哥确认：客户端非活跃会话/旧会话显示不出来）：
+        // 原来 offset 没透传——客户端请求第二页(offset=20)时被丢弃，网关永远返回第一页。
+        // openclaw 侧活跃会话多时，第一页 20 条被活跃会话占满，排在后面的非活跃旧会话
+        // 客户端永远拿不到 → 客户端会话列表看不到历史会话。补上 offset 让客户端翻页真正生效。
+        if (params.offset !== undefined) {
+            p.offset = params.offset;
+        }
         return this.sendRequest({
             type: 'req',
             method: 'sessions.list',

package/ext_capabilities/workrelay-speak/CLONE_GUIDE.md

@@ -1,129 +1,129 @@
-# WorkRelay 语音合成（TTS）扩展能力 — 声音克隆配置说明书
-
-> 适用：已安装 workrelay-speak 扩展能力（默认 Kokoro 预设声音可用）的用户，
-> 需要**克隆自己的声音**（做视频配音、个性化语音等场景）时的进阶配置。
-
----
-
-## 一、原理说明
-
-- WorkRelay TTS 扩展能力基于 Docker 部署的 **Voicebox** 服务，默认使用 **Kokoro** 小模型（82M，50+ 预设音色，开箱即用）。
-- **Kokoro 不支持声音克隆**（只支持预设音色）。
-- **声音克隆需要 Qwen3-TTS（千问）模型**（1.7B，约 4.6GB），Voicebox 内置支持 zero-shot 克隆：
-  上传一段参考音频 + 逐字稿 → 生成克隆声音 profile → 用该 profile 合成语音。
-
----
-
-## 二、准备工作
-
-| 项目 | 要求 |
-|---|---|
-| 已安装 workrelay-speak 扩展 | Voicebox 容器运行中（`docker ps` 能看到 voicebox） |
-| 参考音频 | 1~5 段**清晰人声**（10~30 秒/段，44.1kHz 或 48kHz 更佳，无明显噪音） |
-| 逐字稿 | 每段音频对应的**逐字文本**（必须和音频内容一字不差，克隆质量关键） |
-| 磁盘空间 | ≥ 5GB（千问模型 4.6GB） |
-
-> 音频格式支持 wav / mp3 / m4a / webm 等（opuse/webm 会自动转码）。
-
----
-
-## 三、配置步骤
-
-### 第 1 步：下载千问 TTS 模型
-
-> ⚠️ 容器内直连 huggingface.co 通常不通（国内网络），需在**宿主机**预下载后放入容器缓存卷。
-
-```bash
-# 1) 安装下载工具（宿主机执行，一次性）
-python3 -m pip install --break-system-packages huggingface_hub
-
-# 2) 找到容器缓存卷路径
-HF_VOL=$(docker volume inspect voicebox_huggingface-cache -f '{{.Mountpoint}}')
-
-# 3) 下载千问 1.7B 模型（约 4.6GB，视网速 5~30 分钟）
-HF_LOC=$(python3 -m pip show huggingface_hub | grep Location | awk '{print $2}')
-sudo env PYTHONPATH="$HF_LOC" HF_HUB_DISABLE_PROGRESS_BARS=1 python3 -c "
-from huggingface_hub import snapshot_download
-snapshot_download('Qwen/Qwen3-TTS-12Hz-1.7B-Base', cache_dir='$HF_VOL')
-print('模型下载完成')
-"
-```
-
-### 第 2 步：让容器离线加载模型
-
-```bash
-# 在 Voicebox 仓库目录生成 override 配置并重建容器
-cd ~/.workrelay/voicebox
-cat > docker-compose.override.yml <<'EOF'
-services:
-  voicebox:
-    environment:
-      - HF_HUB_CACHE=/home/voicebox/.cache/huggingface
-      - HF_HUB_OFFLINE=1
-EOF
-docker compose up -d
-# 等待容器 healthy（约 30 秒）
-```
-
-### 第 3 步：创建克隆声音 profile
-
-```bash
-# 创建克隆 profile（cloned 类型）
-curl -X POST http://127.0.0.1:17600/profiles \
-  -H "Content-Type: application/json" \
-  -d '{"name":"我的克隆声音","description":"我的声音克隆","language":"zh","voice_type":"cloned"}'
-# 记下返回的 "id"（形如 xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx），下面用 <PROFILE_ID> 代替
-```
-
-### 第 4 步：上传参考音频样本
-
-```bash
-# 每段音频一条命令；reference_text 必须与音频内容逐字一致！
-curl -X POST "http://127.0.0.1:17600/profiles/<PROFILE_ID>/samples" \
-  -F "file=@/path/to/sample1.wav" \
-  -F "reference_text=这段音频里说的话，逐字写在这里"
-
-# 建议上传 2~5 段同一个人不同语句的样本，克隆效果更好
-```
-
-### 第 5 步：用克隆声音合成
-
-```bash
-# 方式 A：命令行直接合成（WR_VOICEBOX_PROFILE_ID 指向克隆 profile）
-WR_VOICEBOX_PROFILE_ID=<PROFILE_ID> \
-  ~/.workrelay/speak/workrelay-tts.sh "用克隆声音说的测试文字" /tmp/clone-test.wav
-
-# 方式 B：让 OpenClaw 默认用克隆声音回复（写入 profile_id 文件，覆盖默认预设）
-echo "<PROFILE_ID>" > ~/.workrelay/speak/profile_id
-```
-
-> 引擎无需手动指定：克隆 profile 未设引擎时，脚本自动使用 qwen（千问）。
-> 想切回默认 Kokoro 预设声音：`rm -f ~/.workrelay/speak/profile_id` 即可。
-
----
-
-## 四、验证
-
-```bash
-# 检查克隆 profile 及样本
-curl http://127.0.0.1:17600/profiles/<PROFILE_ID>
-curl http://127.0.0.1:17600/profiles/<PROFILE_ID>/samples
-
-# 试听合成的 wav
-ls -la /tmp/clone-test.wav
-```
-
----
-
-## 五、常见问题
-
-| 问题 | 原因 / 解决 |
-|---|---|
-| 合成报 `Profile not found` | profile_id 写错，或 profile 被删；重新创建并核对 |
-| 合成报模型下载失败/连不上 HF | 模型未预下载或 override 未生效；重做第 1、2 步 |
-| 克隆声音不像 | 样本太短/有噪音/逐字稿不匹配；换更清晰样本、多传几段 |
-| 想恢复默认声音 | 删除 `~/.workrelay/speak/profile_id` |
-
----
-
-*文档版本：2026-08-12（基于 WorkRelay workrelay-speak 扩展能力实测）*
+# WorkRelay 语音合成（TTS）扩展能力 — 声音克隆配置说明书
+
+> 适用：已安装 workrelay-speak 扩展能力（默认 Kokoro 预设声音可用）的用户，
+> 需要**克隆自己的声音**（做视频配音、个性化语音等场景）时的进阶配置。
+
+---
+
+## 一、原理说明
+
+- WorkRelay TTS 扩展能力基于 Docker 部署的 **Voicebox** 服务，默认使用 **Kokoro** 小模型（82M，50+ 预设音色，开箱即用）。
+- **Kokoro 不支持声音克隆**（只支持预设音色）。
+- **声音克隆需要 Qwen3-TTS（千问）模型**（1.7B，约 4.6GB），Voicebox 内置支持 zero-shot 克隆：
+  上传一段参考音频 + 逐字稿 → 生成克隆声音 profile → 用该 profile 合成语音。
+
+---
+
+## 二、准备工作
+
+| 项目 | 要求 |
+|---|---|
+| 已安装 workrelay-speak 扩展 | Voicebox 容器运行中（`docker ps` 能看到 voicebox） |
+| 参考音频 | 1~5 段**清晰人声**（10~30 秒/段，44.1kHz 或 48kHz 更佳，无明显噪音） |
+| 逐字稿 | 每段音频对应的**逐字文本**（必须和音频内容一字不差，克隆质量关键） |
+| 磁盘空间 | ≥ 5GB（千问模型 4.6GB） |
+
+> 音频格式支持 wav / mp3 / m4a / webm 等（opuse/webm 会自动转码）。
+
+---
+
+## 三、配置步骤
+
+### 第 1 步：下载千问 TTS 模型
+
+> ⚠️ 容器内直连 huggingface.co 通常不通（国内网络），需在**宿主机**预下载后放入容器缓存卷。
+
+```bash
+# 1) 安装下载工具（宿主机执行，一次性）
+python3 -m pip install --break-system-packages huggingface_hub
+
+# 2) 找到容器缓存卷路径
+HF_VOL=$(docker volume inspect voicebox_huggingface-cache -f '{{.Mountpoint}}')
+
+# 3) 下载千问 1.7B 模型（约 4.6GB，视网速 5~30 分钟）
+HF_LOC=$(python3 -m pip show huggingface_hub | grep Location | awk '{print $2}')
+sudo env PYTHONPATH="$HF_LOC" HF_HUB_DISABLE_PROGRESS_BARS=1 python3 -c "
+from huggingface_hub import snapshot_download
+snapshot_download('Qwen/Qwen3-TTS-12Hz-1.7B-Base', cache_dir='$HF_VOL')
+print('模型下载完成')
+"
+```
+
+### 第 2 步：让容器离线加载模型
+
+```bash
+# 在 Voicebox 仓库目录生成 override 配置并重建容器
+cd ~/.workrelay/voicebox
+cat > docker-compose.override.yml <<'EOF'
+services:
+  voicebox:
+    environment:
+      - HF_HUB_CACHE=/home/voicebox/.cache/huggingface
+      - HF_HUB_OFFLINE=1
+EOF
+docker compose up -d
+# 等待容器 healthy（约 30 秒）
+```
+
+### 第 3 步：创建克隆声音 profile
+
+```bash
+# 创建克隆 profile（cloned 类型）
+curl -X POST http://127.0.0.1:17600/profiles \
+  -H "Content-Type: application/json" \
+  -d '{"name":"我的克隆声音","description":"我的声音克隆","language":"zh","voice_type":"cloned"}'
+# 记下返回的 "id"（形如 xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx），下面用 <PROFILE_ID> 代替
+```
+
+### 第 4 步：上传参考音频样本
+
+```bash
+# 每段音频一条命令；reference_text 必须与音频内容逐字一致！
+curl -X POST "http://127.0.0.1:17600/profiles/<PROFILE_ID>/samples" \
+  -F "file=@/path/to/sample1.wav" \
+  -F "reference_text=这段音频里说的话，逐字写在这里"
+
+# 建议上传 2~5 段同一个人不同语句的样本，克隆效果更好
+```
+
+### 第 5 步：用克隆声音合成
+
+```bash
+# 方式 A：命令行直接合成（WR_VOICEBOX_PROFILE_ID 指向克隆 profile）
+WR_VOICEBOX_PROFILE_ID=<PROFILE_ID> \
+  ~/.workrelay/speak/workrelay-tts.sh "用克隆声音说的测试文字" /tmp/clone-test.wav
+
+# 方式 B：让 OpenClaw 默认用克隆声音回复（写入 profile_id 文件，覆盖默认预设）
+echo "<PROFILE_ID>" > ~/.workrelay/speak/profile_id
+```
+
+> 引擎无需手动指定：克隆 profile 未设引擎时，脚本自动使用 qwen（千问）。
+> 想切回默认 Kokoro 预设声音：`rm -f ~/.workrelay/speak/profile_id` 即可。
+
+---
+
+## 四、验证
+
+```bash
+# 检查克隆 profile 及样本
+curl http://127.0.0.1:17600/profiles/<PROFILE_ID>
+curl http://127.0.0.1:17600/profiles/<PROFILE_ID>/samples
+
+# 试听合成的 wav
+ls -la /tmp/clone-test.wav
+```
+
+---
+
+## 五、常见问题
+
+| 问题 | 原因 / 解决 |
+|---|---|
+| 合成报 `Profile not found` | profile_id 写错，或 profile 被删；重新创建并核对 |
+| 合成报模型下载失败/连不上 HF | 模型未预下载或 override 未生效；重做第 1、2 步 |
+| 克隆声音不像 | 样本太短/有噪音/逐字稿不匹配；换更清晰样本、多传几段 |
+| 想恢复默认声音 | 删除 `~/.workrelay/speak/profile_id` |
+
+---
+
+*文档版本：2026-08-12（基于 WorkRelay workrelay-speak 扩展能力实测）*