Nigel211/dsh-text2img-compress

README 摘要

dsh-text2img-compress dsh-text2img-compress — 把 长文本渲染成图片 发送给 DeepSeek 视觉模型， 利用 每张图片 384 token 封顶 的计费规则压缩输入 token（ text-as-image token compression ）。 English · npm 效果示例 下图即插件渲染出的文字图片页（800×800 原图，18px，token 计费 = 384 ）： 一个 DeepSeek Harness（DSH）插件： 输入框右侧出现「图」开关，开启后， 超过阈值的长消息 在发送给模型前会被自动渲染为 文字图片（每张 800×800，恰好吃掉 384 token 上限）；模型看到的输入从上万 token 降到 几百到几千 ，而内容一字不差（所有文字都在图里）。由此带来两点直接收益： - ① 输入 token 大幅下降（约 4 5×），成本随之降低 ——消息之前的对话前缀逐字节不变， 而缓存命中不会因此降低 ； - ② 上下文窗口占用大幅压缩 ——同样的窗口能装下几十倍内容，为指令、推理步骤与工具结果 留足空间，长文档场景不再轻易被截断，模型表现更稳定。 原理 DeepSeek 视觉 API 对输入图片有固定计费规则（官方文档）： - 每张图片进入模型前自动缩放：更大图片等比缩到总像素约 800×800 等效； - 每张图片 token 数存在上限：384 个 —— 2000×2000 和 5000×5000 的图，缩放后一样是 384； - 多张图每张独立计费。 对长文本： 按文本发 → N 个 token；渲染成 800×800 的图 → 每 384 token/[页] 。 实测（2026-08， deepseek-v4-flash-vision-exp ，18px 字号）：约 9000+ 字的 DeepSeek 更新日志 （含大量日期、基准分数、模型名、URL）→ 7 页 ≈ 2688 token ，而文本约 10000+ token， 压缩约 4 5× 。字号越小越密（16px 约 1,600 字/页、18px 约 1,250 字/页，按中文全角估算）； 页数上限默认 10 （可在设置中调为 1–20）。 安装 然后重启 DSH、打开/刷新页面：输入框右侧、发送按钮左边出现「图」按钮。 需要当前模型是 视觉模型 （如 deepseek-v4-flash-vision-exp ）；模型名不含 vision 时 插件自动跳过转换（避免给纯文本模型发图片块导致报错）。 使用 1. 点击「图」→ 变为「图·开」（状态持久化，重启不丢）； 2. 旁边可选字号 14/16/18/20/22/24px（ 越大越易读、每页字数越少 ）； 3. 发送 ≥ 默认 600 字 的文本 —— 聊天里显示一条提示…

分类