DDDFXYqiming/dsh-vision-skill

README 摘要

dsh-plugins / dsh-vision-skill DeepSeek Harness（DSH）标准插件版识图技能 —— 把本仓库 General skills/vision-skill （源自 Qwen 官方动态分辨率方法）包装成 DSH 原生插件。 零框架补丁：插件本身只使用官方扩展接缝（ ctx.skills.register / ctx.tools.register / ctx.credentials / ctx.sessions / ctx.webServer / client 注入），可随 DSH 版本升级。 v0.4 起直接贴图走 paste-to-path，不再需要 pi-ai 补丁 ；旧补丁只作为兼容保留，并附带还原脚本。 能力一览（8 工具 + 1 运行时 skill） 名称 说明 vision （运行时 skill） 模型按需加载的识图指令；加载后自动激活下列工具（渐进式暴露） vision analyze 识别本地图片（6 模式：general/ocr/table/code/error/ evidence 结构化证据 + budget 含 mega 超高清 16M 像素） vision ocr 独立 OCR：提取全部可见文字，保持原始排版 vision ground 定位目标（如「微信图标」），返回像素坐标框 + 归一化坐标 vision detect 枚举一类元素（默认所有 UI 元素），编号 + 像素坐标框 vision dominant colors 主色分析（本地像素算法，无需视觉 API） vision long screenshot ocr 超长截图分块 OCR：切块（带重叠）→ 本地 tesseract 优先 → VLM 兜底 → 合并全文 vision clipboard 剪贴板图片兜底识别（paste-to-path 失败/特殊场景的手动通道） vision activate 渐进式暴露兜底：skill 加载后工具未自动出现时调用一次 工程化特性 - 渐进式工具暴露 ：全局只挂 1 个轻量激活工具，完整工具集在 skill 加载成功后按 Agent 挂载（省上下文）； progressive: false 可回退为全局注册。 - paste-to-path 直贴（v0.4.2 起输入框显示 📎 chip） ：client 插件在 capture 阶段截获粘贴图片，用 input.insertReference 插入图片 chip；发送时 codec.serialize 才同源 POST 到 /dsh-vision-skill/paste 、落盘工作区 .dsh-vision/pasted/ ，并把路径文本交给模型。消息里没有 image 块，因此 DSH 不再报 MODEL DOES NOT SUPPORT…

分类