PC2005-cloud/dsh-pet
PC2005-cloud★ 38JavaScript最后同步: 2026-08-15
DSH 桌面宠物:一行命令安装现成宠物(28 个透明动画,即装即用),或内置素材链从 AI 视频自造专属宠物 | One-line install desktop pet for DeepSeek Harness + DIY asset pipeline
README 摘要
dsh-pet 🐾 一只住在 DeepSeek Harness Web 界面里的桌面宠物:待机呼吸、随机动作(含打瞌睡)、偶尔转向、屏幕漫游、点击反应、可拖拽。 这不是一个普通插件,而是 完整的三件套项目 : 任何人 clone 本仓库,都可以 从零生成自己的桌面宠物 ——换角色、换动作、换风格,全流程可复现。 快速开始(安装插件) 重启 dsh web ,宠物出现在右下角。 从零生成你自己的宠物(完整流程) ① 提示词 → 源视频 用 AI 视频生成工具(如可灵、Runway 等),按 prompts/桌面宠物 10 秒动作提示词.md 的配方生成 28 个 10 秒绿幕视频: - 视频比例 16:9,背景纯绿幕( 00FF00) - 人物位置/大小固定(头顶 20% 高度、脚底 85% 高度) - 动作全程在画幅内,首尾帧为标准正面站立 - 每段动画按秒分解(0-10s 各阶段动作) 生成结果放入 video/ (28 个 mp4)。 ② 源视频 → 透明动画(素材链) 依赖 :Python 3 + ffmpeg(素材链零第三方 pip 依赖,脚本自动用工作区 .tools/ 下的 ffmpeg)。 ③ 动画 → 插件 中间产物(step01-04)由脚本生成、不入仓库; video/ 源视频和脚本是成果、入库维护。 项目结构 插件功能 - 动画链 :每个动画(含待机)播完立即按概率选下一个——30% 待机 / 10% 转向 / 40% 动作 / 20% 移动,首尾相接永不停止 - 屏幕漫游 :朝 facing 方向行走,先检查空间、不走出屏幕 - 点击/拖拽 :点击有回应动画,可拖到任意位置 - 左右朝向 :所有动画可镜像,人物可朝左/朝右 - 落地对齐 :动画统一脚底线,宠物始终站在地面上 - 流畅切换 :双缓冲交叉淡入,切换无空白帧 运行效果 宠物实际运行在 DSH Web 界面中的样子: 效果预览 全部 28 个动画(360×360,插件实际播放用的资源)——GitHub 只对仓库内图片渲染内联预览,故此处用 GIF 演示;完整透明视频见 dsh-pet/assets/thumb/ : 待机 / 转向 移动 动作 点击回应 拖拽 注:动画为透明背景;GIF 预览中透明部分显示为页面底色,实际 webm 播放为透明。 文档 - 设计与实现 —— 架构、动画链模型、素材链、踩坑记录 许可 - 代码:MIT - 素材(动画/提示词):见仓库说明
在 GitHub 查看完整 README →分类
The first vision plugin for DeepSeek Harness, and the vision bridge for every text-only coding agent. Paste an image, get structured JSON evidence (OCR, layout, semantics). | 全网第一个 DeepSeek Harness 视觉插件,为 DeepSeek、GLM 等纯文本模型外挂视觉能力,粘贴图片即得结构化 JSON 证据(OCR、版面、语义)。
★ 1,700
Anionex/agent-vision-toolkit为纯文本模型"看图“设计更好的视觉工具箱和技能,支持多图理解,图片问答,前端UI还原、GUI 自动化等,并可选无缝接入多个主流agent,直接识别粘贴图片| A vision toolkit and skill designed for text-only llms — image Q&A, long-screenshot OCR, frontend UI restoration, and GUI automation, with optional seamless integration for Codex, Claude Code, Pi, Oh My Pi, and OpenCode
★ 884
Anionex/dsh-vision-toolkit让纯文本模型更好地做视觉任务的DeepSeek Harness插件:带意图的图片问答、长截图 OCR、UI 还原等|DeepSeek Harness-native integration for agent-vision-toolkit: image Q&A, long-screenshot OCR, UI restoration, grounding, pixel diff, Artifacts, and Web UI.
★ 405