# 对标 DSHA 的功能差距与落地路线 > 依据:DSHA 内测版全量源码(`18980663483/DSHA-prerelase` @ `codex/prerelease-190`, > 673 个 Java 文件 / 21M app 代码)+ 六路子代理逐包分析与本仓库逐项 grep 核实。 > 生成时间 2026-11-01。**只写「用户能感知到的功能与体验」差距**,不列权限清单。 --- ## 一、我们已经追平或反超的(不必再做) | 能力 | 我方实现 | DSHA 对应 | 判定 | | --- | --- | --- | --- | | 真 PTY 终端 | `app/src/main/java/app/dsh/mobile/engine/TerminalPtySession.kt` + `app/src/main/java/app/dsh/mobile/TerminalActivity.kt`(576 行、多标签、Termux `TerminalView`) | `PtySession.java` + `TerminalFragment.java` | 追平(v1.5.0-beta.7 补了 `stty sane`) | | 读屏结构化输出 | `DshAccessibilityService.dumpScreenCompact()`(压缩 6.8 倍)/ `dumpScreenJson()`;含 hint 文本 `p:`、勾选态 `v`/`o`、图标上下文关联、OCR 兜底 | `ScreenSnapshotReader` | 追平,细节更细 | | 悬浮状态条 | `app/src/main/java/app/dsh/mobile/StatusOverlay.kt`(914 行)+ `TickerBar.kt`(259 行,v1.5.0-beta.7 修好真机) | `dsh-status-overlay/lib/index.js`(421 行) | 反超(DSHA 无流式正文能力) | | 设备能力端点 | `AgentBridge.kt` **79 条**路由,26 个 `/dev/*` | `BridgeRoutes.java` 35 个枚举 | 反超 | | 局域网 Web UI | 已有(`docs/LAN_WEBUI.md`) | `LanProxyService` + `LanAuth` | 追平 | | 备份导出 | `DataExport.kt`(397 行)+ `BackupActivity.kt` | `backup/` 17291 行 | 功能少但基础在 | --- ## 二、真差距(按「用户可感知度 × 工作量」排序) ### P0 · 一周内可交付,用户天天能感知 #### 1. 屏幕操作凭据(ref + epoch) - **我们的现状**:`POST /tap-id`(`AgentBridge.kt:2363`)→ `DshAccessibilityService.tapById()`(`:1605`) **只按 viewId 查找、无一次性、无过期、无观察闸门**。 - **DSHA**:`ScreenNodeLeaseStore.java`(单树 200 节点、**30 秒过期**、先 remove 再校验一次性用过即焚) + `ScreenSemanticNode.java:25-39` 二次身份确认(refresh 后逐项比 windowId/enabled/password/editable/ clickable/scrollable/viewId/className/text/description,任一变即「不是同一控件」) + `ControlTaskAuthority.java:118-119` 的 `needsObservation` 总闸(换窗口立刻置回 true)。 - **用户感知**:AI 不会「点错旁边的按钮」,也不会拿上一次看到的坐标去点已经变了的界面。 - **落地**:新建 `engine/ScreenLease.kt`(纯 Kotlin,无 Android 依赖,可单测);`dumpScreenCompact` 输出的每个可点节点分配 `#n` 编号;`tapById` 改为 `tapByLease(leaseId)`。约 300 行。 #### 2. 工具权限三档(自动允许 / 每次询问 / 禁止) - **我们的现状**:`CapabilityGate` 只有「开/关」布尔,无「本次询问」。 - **DSHA**:`ScreenConfirmationPolicy.java` 三档 `MANUAL`/`CUSTOM`/`ALLOW_ALL`,默认 `MANUAL`, 解码失败 fail-closed 回退 `manual()`。 - **用户感知**:敏感 App(支付宝/微信/银行)可以设成「每次问我」,普通 App 设成「自动允许」。 - **落地**:`CapabilityGate` 增加 `POLICY_AUTO/ASK/BLOCK`;`DialogCap` 已有弹窗能力可复用; 权限中心加三档选择器。约 200 行。 #### 3. 确认三通道并行(通知 + 悬浮条 + Activity) - **我们的现状**:`UserPromptActivity` 单一通道 —— 用户切走 App 就看不见,只能干等。 - **DSHA**:`AssistantConfirmationWindow.java` + `showConfirmNotification` + `OverlayController.askConfirm` 三通道并行,谁先点谁生效;**60 秒超时算「无回答」而非拒绝**(`Decision(Boolean allowed, int windowId)` 的 `allowed` 可为 null)。 - **用户感知**:AI 请求操作手机时,不管用户在看什么都能批;不批也不会被当成拒绝。 - **落地**:`AgentBridge` 的确认请求改三路广播;新增 `notify` 通道(`NotifyCap` 已有)。 ### P1 · 两到三周 #### 4. 独立虚拟屏(VirtualDisplay) - **我们的现状**:**完全没有**。AI 只能操作真实屏幕,用户被迫让出手机。 - **DSHA**:`vscreen/` 27 个文件 8391 行;`app_process --server` 起的特权 Core 创建 `VirtualDisplay + ImageReader`; 需 Standard 版 + Android 11+ + ADB/Shizuku/Root 三者之一。 - **用户感知**:**这是最大的体验质变** —— AI 在后台用一块看不见的屏跑 App(下单、签到、刷任务), 用户照常用手机。 - **落地**:`Privilege.runPrivileged` 已有(Shizuku/Root 双通道),`RadioCap` 已大量使用; 需新建 `engine/vscreen/` 包,实现 Core 脚本 + `VirtualScreenManager`。**工作量最大,收益也最大**。 建议先做 go/no-go 验证:用现有 `su` 通道跑一个 `app_process` 创建 VirtualDisplay 看是否被 ROM 拦。 #### 5. 助手主动入口(长按 Home / 语音键) - **我们的现状**:无 `ASSIST` intent-filter。**DSHA 自己也没有**(全库零命中 `startLocal()` 是死代码)。 - **用户感知**:长按 Home 直接唤起 AI,比找 App 图标快。 - **落地**:Manifest 加 `ASSIST` + `VOICE_COMMAND` intent-filter + 透明 Activity 转发。 #### 6. 自动备份计划 - **我们的现状**:`BackupActivity.kt` 只有手动导出/导入。**无定时、无保留策略、无校验**。 - **DSHA**:默认开启,三种模式(每天指定时间 / 每隔 1–168 小时 / 停止 DSH 后), 保留最近 3 份已验证副本,运行中自动延后不打断,分范围备份(全量/只对话/只插件/只设置)。 - **用户感知**:重装 App 数据不丢。 - **落地**:`WorkManager` 周期任务 + `DataExport` 加 SHA-256 校验 + 保留策略。 ### P2 · 一个月+ #### 7. MCP Server(对外)✅ 2026-11-02 落地(stdio) - **我们的现状**:已实现 **stdio MCP server**(`app/src/main/assets/tools/mcp-device.mjs`), 36 个工具在启动时从 `EndpointCatalog` 派生 —— 新增端点自动出现在工具列表里,不需要改这里。 握手答 `2025-11-25`;**故意不实现 `server/discover`**:客户端收到 -32601 会回退到 `initialize`(协议规定的年代协商路径),而实现它就得同时兑现 2026 era 的 `ttlMs`/`cacheScope`/`resultType` 语义,我们并不做。 门脚本 `mcp`(`serve|list|selftest|probe`)便于引擎内自测。 - **DSHA**:内部 stdio 已实现(`dsha-android` 10 工具 / `dsha-vscreen` 15 工具), 对外 HTTP MCP **也还没有**(`ROADMAP.md:132` 仍是路线图)。**我们 36 : 25 领先, 且工具表是派生的而非硬编码。** - **用户感知**:Claude Desktop / Cursor 能直接调手机能力。 - **未做**:Streamable HTTP transport(需常驻监听 + 会话管理)。stdio 已覆盖 「本机客户端拉起来用」这一档;HTTP 的价值在远程/多客户端,等有明确需求再做。 - **踩坑**:`EndpointCatalog` 里 `POST /dev/sms` 曾登记两次(`to` 与 `number`), 而 `PersonalCap.smsCompose` 只读 `to` —— 已删错误那条,并把「目录 id 必须唯一」 写进 `scripts/probes/_test_mcp_device_server.py` 断言。 #### 8. 画中画(PiP) - 我们零命中,DSHA 有(默认关闭)。实现成本低,优先级看宝宝偏好。 #### 9. WebDAV 备份上传 - 我们零命中,DSHA 在阶段 4.3(也未实现)。可并入第 6 项一起做。 --- ## 三、DSHA 也没做好的(我们的机会窗口) | 维度 | DSHA 短板 | 我们的机会 | | --- | --- | --- | | **助手主动性** | 用户**完全无法主动唤起**(`startLocal()` 是死代码) | 加 ASSIST 入口即可反超 | | **语音** | 无 TTS、无唤醒词、无连续对话(自己承认「不是连续双向语音通话」) | 做完整的语音闭环 | | **TTS 反馈** | 全库 `TextToSpeech` 零命中 | 边执行边播报 | | **流式悬浮条内容** | `dsh-status-overlay` 421 行,只显示状态不显示 AI 正文 | 我们已有 `SessionTail`(v1.5.0-beta.7 修好) | | **MCP 对外** | 仍是路线图 | **已落地 stdio(36 工具,派生表)**,`2026-11-02` | | **插件权限** | 无 per-plugin 权限系统(自认「自动安装不是独立安全认证」) | 做细粒度插件授权 | --- ## 四、建议的推进顺序 1. **先修 P0 三项**(屏幕凭据 / 权限三档 / 确认三通道)—— 都是「让 AI 不乱动手」的体验, 改动都在我们已有架构内,风险低。 2. **同时做虚拟屏 go/no-go**(1 天验证)—— 这是唯一能形成代差的功能,先确认 ROM 是否放行。 3. 虚拟屏验证通过再排 P1 其余;不通过就跳过,把资源投到助手入口 + 自动备份。 4. P2 按宝宝的偏好排序。 --- ## 五、已在本轮修掉的两个真 bug(顺带产出) - `ZstdTail.kt` 漏跳过 zstd 帧尾校验和(descriptor bit 2)⇒ 真机只解析第 1 帧,悬浮条永远空白。 - `ZstdTail.kt` 漏注入 `OPENSSL_CONF` ⇒ engine 内置 node 启动即 `exit=13`,解压必失败。 - `TerminalPtySession.kt` 未做 `stty sane` ⇒ PTY 可能出现「按键无回显」。