dsh-highres-vision

dsh-highres-vision

大肥鱼出来卖个萌

🐳 鲸鱼娘登场喵～ 如果这个小插件帮到了你，记得给仓库点个 ⭐ Star 喵！

星星越多，鲸鱼娘越开心，也会更有动力继续维护这个插件喵～ 💙

（求求啦喵～）

⚠️ 本插件专供 deepseek-v4-flash-vision-exp 模型使用。

该模型是 DeepSeek 的视觉多模态模型，支持图片输入；

本插件针对它的 800×800 等效缩放、单图 32MiB / 8192px 上限做了高清分块增强。

其他模型通常不支持图片输入，或无法获得同样的高清识图效果。

DeepSeek Harness 高清识图增强插件（v0.2.0）。 （本身也是由 deepseek v4 flash vision exp 开发()） 整合两个能力：

1. 放宽图片限制

• 单图 32 MiB
• 单边 8192px
• 单请求 600 张
• inline 总量 64 MiB
• base64 累计 44 MiB

1. 高清分块识图

• 注册 highres_read 工具
• 自动定位当前会话最近一张用户图片
• 生成整图 + ≤800×800 高清分块（overlap 自动：40/80/120px）
• 通过宿主 read_image 把整图和每个分块注入模型
• 不覆盖宿主 read_image，read_image 保持原样
• agent/pre-step 提醒：仅当出现 >800×800 的大图且模型未调用 highres_read 时提示

🆕 v0.2.0：纯 Node 实现。 分块引擎从 scripts/tile_image.py 改为 lib/tile.js（基于 jimp），

不再依赖系统 Python 与 Pillow。dsh plugin add 安装后开箱即用。

文件结构

dsh-highres-vision/
├── package.json
├── cordis.patch.yml          # 放宽限制 + 挂载插件
├── lib/
│   ├── index.js              # highres_read 工具 / pre-step 提醒
│   └── tile.js               # 纯 Node 分块引擎（jimp）
├── README.md
├── LICENSE
└── .gitignore

分块逻辑（完整版）

1. 定位原图

• 优先自动定位当前会话最近一张用户图片；
• 也支持传入 file_path / attachmentId。

1. 判断是否需要分块

• 宽和高都 ≤ 800×800：只返回整图，不分块；
• 任意一边 > 800×800：生成整图缩略图 + 多个子块。

1. 子块生成规则

• tile = 800px
• overlap 自动：

• 相邻块至少重叠指定像素，最后一块贴原图边缘；
• 每块尽量接近 800×800，避免边缘细节被切丢。

1. 注入模型

• 先 read_image 整图缩略图；
• 再逐块 read_image 所有子块；
• 模型基于“整图 + 全部分块”输出完整识别结果。

1. 清理

• 识别完成后清理本次临时目录；
• 不清理附件库。

示例

以上块数为按当前算法的大致结果，实际以脚本输出为准。

⚠️ Token 消耗提示

• highres_read 会把 1 张整图 + N 张子块 全部注入模型；
• 每张图片都会消耗视觉 token，所以总消耗远高于直接识别一张原图；
• 图片越大，子块越多，消耗越大：
• 3840×2160 约 19 张图（整图 + 18 子块）
• 5120×2880 约 41 张图（整图 + 40 子块）
• 如果用户只需要粗略描述/整体判断，可以直接用模型视觉能力，不需要调用本工具；
• 只有需要 OCR、小字、局部细节 时才建议使用；
• 可用 max_tiles 限制最多读取的子块数，降低耗时与成本。

安装

方式一：从 GitHub 安装（推荐，收录后可直接用）

dsh plugin add github:azwosile/dsh-highres-vision

重启 DSH Desktop 后，限制 patch 与 router 首轮工具配置完全生效。

方式二：本地开发安装

dev_install_package /path/to/dsh-highres-vision

或：

dev_inject_plugin /path/to/dsh-highres-vision

v0.2.0 起无需 Python / Pillow，Node >= 18 即可（依赖 jimp 会在安装时自动装好）。

⚠️ 兼容性说明（风神插件）

如果你使用 router-standard（风神插件），它的“RL 接口还原”会在第一轮只暴露极少数工具。

如果没有把 highres_read 加进 preserveTools：

• 模型第一轮看不到也调不了 highres_read；
• pre-step 提醒会提示它调用，但工具不可见，等于没用；
• 第一次调用工具也会因此失败/不可见。

需要手动加：

# <profile>/.agent-presets/router-standard/agent.cordis.yml
preserveTools:
  - infinite_gen1_profile
  - skill
  - highres_read

或改用不收敛首轮工具面的预设（如标准 preset / 全工具 preset）。

简单说：未改动的 router-standard 不兼容本插件的首轮工具调用，装好后务必按上面配置。

使用

模型识图时：

用户上传大图（>800×800）
  ↓
pre-step 提醒：请先调用 highres_read
  ↓
highres_read()
  ↓
自动定位附件 → 切块 → 返回整图 + tiles
  ↓
模型基于整图和分块输出完整识别结果

回滚

dev_uninject_plugin dsh-highres-vision

dsv4fv开发