开发规划（ROADMAP）

September 6, 2026 · View on GitHub

这里是"未来要做什么"的单一存档点：把想法、规划、已讨论未落地的方案都记在这里， 而不是散落在聊天记录里。README 只放"现在有什么"；ROADMAP 放"以后想有什么"。 每条规划建议带 状态：规划中 / 进行中 / 已完成 与一句"为什么做"。

规划中

1. 多平台适配（Mac / Linux）

  • 状态：规划中（当前仅 Windows 实测）。
  • 为什么：dsh web 是跨平台产品，用户不只有 Windows。
  • 现状：Host 逻辑已在 CI 的 ubuntu-latest 上跑通（node scripts/test-host.mjs）； 未验证的是浏览器语音（speechSynthesis 的 Mac/Linux 语音引擎行为、getVoices 时序）、 dsh plugin add 路径分隔符等。
  • 待办：在 Mac / Linux 各跑一遍 docs/release.md §3 全新安装模拟 + §4 手动验收； 把发现的差异记进 docs/platform-notes.md（新建），README"平台支持"随之更新。

2. 更多 TTS 供应商

  • 状态：本地 TTS 已落地（v0.3.0：local provider，Kokoro-82M v1.0，英文播报， 部署见 docs/local-tts.md）；更多供应商（如中文本地模型、其他云服务）规划中。
  • 为什么：豆包是付费云服务；本地 TTS 可免费、离线、隐私最好（内容不出本机）。
  • 现状：provider 适配层已覆盖 browser / volcengine / local（归一逻辑在 lib/voice-compat.js 的 ttsProviderOf）；新供应商的接入规范见 docs/providers.md。
  • 待办：按 docs/providers.md 的契约接入下一个供应商并写探针； local 的长文整段合成可考虑分段（见 docs/pipeline.md §4.3 已知限制）。

3. Client 半（lib/client.js）测试覆盖

  • 状态：规划中。
  • 为什么：Client 是手写 UI 半，目前只有 CI 语法冒烟（node --check），无行为测试。
  • 方向：等 tsdown/TS 化落地后，把设置页/朗读按钮/流式播放的可测逻辑抽成可单测的纯函数 （参考 voice-compat.js 的做法）。

4. 文档-代码一致性 CI 守护

  • 状态：规划中。
  • 为什么：此前审计修过一批"注释引用了不存在的文档/文件名漂移"， 靠人盯会复发（AGENTS.md 约定"三处一起改"）。
  • 方向：加一个零成本 CI 步骤——校验 lib/*.js 注释里引用的 docs/*.md 都存在、 README 无本机绝对路径、音色/语种清单 Host 与 Client FALLBACK_META 一致。

5. 安全加固收尾（低危）

  • 状态：规划中。
  • 为什么：当前同源校验已挡跨站 CSRF；以下属于纵深防御，非阻塞项。
  • 待办：getConfig 对 apiKey 脱敏回传（只回传掩码，避免设置页/日志明文）； 考虑把 apiKey 改存 dsh 的 credential 域而非 settings.yaml 明文。

已完成（近几轮）

  • 开源发布前审计与脱敏（本仓库：安全/隐私/SSOT/文档/测试，见 CHANGELOG）。
  • 安全收尾：/voice/audio 与 /voice/api 同源校验统一、custom 端点 https/wss 强制、音频路由 TTL/容量上限、非流式 speak 互斥。
  • 重播 1h 免重合成（服务端缓存 cache_config + 参数指纹防串音）。
  • 音调细粒度 pitch（连续半音）替代五档 pitchLevel，兼容层集中到 voice-compat.js。

已讨论未落地（想法池，捡起来再做）

  • 播报历史（已朗读过的内容可回看/复听列表）。
  • 语速/音调/音量的单条消息级临时覆盖（不写全局配置）。
  • 把"转写质量 A/B 评测"做成可重复脚本（当前靠耳朵）。