@dickpy/dsh-imagegen
AI image generation plugin for the dsh web GUI: text-to-image and image-to-image through configurable provider channels (gpt-image-2 / grok-imagine-image / nanobanana series / seedream-5.0-pro / dall-e-3, with native xAI Grok Imagine, Google Nano Banana a
The plugin will be installed here. Keep web if you are unsure.
npx -y @deepseek-ai/dsh plugin --profile web add @dickpy/dsh-imagegen@1.6.0
Imagegen is published as @dickpy/dsh-imagegen and currently resolves to version 1.6.0. The Hub verifies its manifest and preserves the exact installation source for reproducible installs.
无限画布 自由编排 · 电商套图 一键成套 · 对话生图 连续编辑 · 画廊 资产沉淀
dsh-imagegen 是 DeepSeek Harness（DSH）的原生 AI 图像工作台。配置任意 OpenAI 兼容生图接口后，Agent 对话生图、/edit_image 斜杠命令连续编辑、多模型并列对比、多来源案例模板库与画廊资产管理都在同一个窗口完成；电商模式能把一张商品图扩展成主图、卖点图、场景图等一整套商品视觉。生成任务由宿主进程排队执行，不卡界面、不打断对话，图片也不必在多个工具之间来回搬运。
前置条件：已安装 DeepSeek Harness 和 Node.js 20+。
dsh plugin --profile web add @dickpy/dsh-imagegen
安装后重启 dsh web，侧边栏的“新会话”入口会变成“新会话 / 生图”双 Tab（Windows 如遇 PowerShell 脚本策略限制，请使用 dsh.cmd）。
首次使用：
让 Agent 帮你安装 —— 将下面内容直接发给 DSH、Codex 或其他 coding agent：
用 dsh plugin --profile web add @dickpy/dsh-imagegen 安装 AI 生图插件。完成后重启 dsh web，点击“新会话 / 生图”中的“生图” Tab，并在「设置 → 生图配置」中管理渠道。
从 Release 安装 —— 从 GitHub Releases 下载目标版本的 tgz 后执行：
dsh plugin --profile web add <下载路径>/dickpy-dsh-imagegen-<版本号>.tgz
升级与回滚 —— 重复执行 add 命令即可更新到最新版；面板打开时也会自动检测新版本，出现顶部横幅后可在线更新，完成后重启 dsh web 生效。渠道配置、历史记录和画廊数据由 DSH 宿主保存，正常升级不会清空。需要固定版本时，使用 @dickpy/dsh-imagegen@<版本号> 或指定 Release tgz。
顶部导航切换到「无限画布」，在节点图上组织 AI 创作：图片节点、文本节点与生成配置节点自由摆放（新建画布自带一组文本 + 配置节点开箱即用），拖动节点左右两侧的圆点即可连线，拖动画布边缘或按住空格 / Ctrl 平移，滚轮缩放（5%–500%）。
文本节点提供提示词、图片节点作为参考图，连线到生成配置节点即可出图并继续串接
~/.dsh/dsh-imagegen/canvas），支持多项目管理与重命名；多窗口同时编辑时保存冲突自动按服务端进度重试合并；旧版本画布数据自动迁移到新结构。画布新增文件节点：在空白处右键「添加文件节点 / 上传文件」，或直接把文件拖进画布即可建节点；空节点点击也能上传。
.exe / .bat / .ps1 / .js / .html / .svg 等脚本与可执行扩展名会被浏览器与宿主两侧拒绝；除下面列出的可预览类型外，资源一律以 application/octet-stream + attachment 返回，HTML/SVG 一类的标记永远不会被内联渲染。application/pdf + inline 返回）；<audio> / <video> 直接播放，宿主支持 HTTP Range，进度条可拖动；.doc、.tiff、7z/rar）给出本地化说明，仍可下载或用技能处理。任意图片 / 文本 / 文件节点（生成配置节点除外）的悬浮工具条与右键菜单都有**「技能」**入口，技能把节点内容交给模型或 Agent 继续加工，结果以新节点 + 连线回到画布（运行只产出草稿，仍由浏览器写入文档）。
内置动作：
| 技能 | 适用节点 | 说明 |
|---|---|---|
文本润色 polish.text | 文本 | 更正式 / 更口语 / 更短 / 扩写，或自定义指令 |
图片描述 describe.image | 图片 | 视觉模型读出内容，产出可继续当提示词用的文本节点 |
内容抽取 extract.content | 文件、图片 | 文本 / 代码直接解码，OOXML（pptx/docx/xlsx）、ODF、PDF 抽取正文（PDF 依赖 FlateDecode 文本流，扫描件请配合 OCR 技能） |
图片转可编辑 PPT ppt.fromImages | 图片 | 重任务：驱动本机 image-to-editable-ppt 技能，产出 .pptx 文件节点 |
<工作目录>/<画布>/<任务>/input|output），让 Agent 用真实工具跑完整流水线。画布会自动列出本机 ~/.dsh/skills 下可被模型调用的所有技能（菜单里 id 形如 skill:<名称>），并按其自述与 frontmatter 判断轻量 / 重任务。image-to-editable-ppt 属于长任务技能，需要你自行安装；它的图片后端可以直接在下面的「技能配置」里填，插件会调用它自己的 editppt config 写进 ~/.editppt/config.yaml。
底部 Dock 的**「技能库」**按钮打开管理面板，不用手敲文件系统：
SKILL.md（blob 链接）/ 任意 git 地址 / zip 地址，一行一个。GitHub 走 codeload 归档下载，不依赖本机 git；其他 git 地址回退到 git clone --depth 1（非交互、180 秒超时）。SKILL.md 且 frontmatter 的 name 合法后才落到 ~/.dsh/skills。在线安装区位于面板顶部，已安装列表移到下方，每条带大小与配置 / 卸载操作。<name>.md 都能识别）。~/.dsh/skills 由宿主的技能监听器看着，装完即出现在技能菜单里，不需要重启。技能过去只能靠文档手敲命令行或改 dotfile 配自己的密钥 / 后端。现在技能可以在 SKILL.md 旁边放一份 skill.config.json 声明要什么、怎么生效，技能库面板会把它渲染成表单：
string / secret / boolean / number / select，可标 required、给默认值与说明；command（无 shell、按数组参数执行技能自带的 CLI，如 editppt config …）或 file（物化一份配置文件，~ 展开、拒绝 .. 逃逸与 DSH 主目录控制文件）；role('secret') 字典（脱敏存储），表单只显示「已设置 / 未设置」，命令回显里也会替换成 •••；密钥永不出现在运行目录、清单或提示词里；image-to-editable-ppt 插件内置了一份配方（图片 API 密钥 / 地址 / 模型 + 可选 PaddleOCR token，走 editppt config），所以上游还没带声明时也能开箱配置；技能自带声明永远优先。格式、边界与安全规则见 docs/skill-config.md。没声明配置的技能行为不变：面板只给通用提示，仍按它自己的文档 / 让 Agent 配置。
「设置 → 生图配置」新增无限画布技能分组：
canvas/runs。顶部导航切换到「电商模式」，把一张商品图扩展成一套可发布的商品视觉：配置区分为「主图参考图」（商品主体 / 包装 / 细节，最多 4 张）与「风格参考图」（可选 1 张）两组，填入商品名称与参数信息，勾选套图结构（主图、卖点图、场景图、细节图、规格图、使用图）与每种用途的数量即可提交。
左侧分组配置（主图参考图 / 风格参考图 / 参数信息），结果区主图居左、其他用途居右
点击“新会话 / 生图”中的“生图”Tab，工作区按“历史记录 | 生图区 | AI 对话”三栏排列：文生图一句提示词起步，图生图上传参考图精准改图；顶部导航可在普通生图、画廊、无限画布与电商模式之间切换。右侧对话面板默认收起，点击头部的「对话」按钮随时展开；参数栏宽度可拖拽调整并自动记忆。
历史记录 ｜ 生图区 ｜ AI 对话 三栏同屏，一次可生成多张，支持全屏缩放与翻页
生成参数与效率
开启“允许 Agent 调用生图”后，从生成到修改都在 DSH 内完成：
| 步骤 | 在哪操作 | 发生什么 |
|---|---|---|
| 生成 | 在对话里直接说，或在生图区输入提示词 | Agent 调用 generate_image，或工作台提交任务，由宿主排队执行 |
| 查看 | 工具结果旁 / 工作台画布 / 全屏预览 | 图片内联显示在对应位置，支持缩放、翻页、复制提示词 |
| 加入对话 | 结果卡或画廊点“加入对话” | 图片进入当前会话，自动适配附件限制，无需手动上传 |
| 继续编辑 | 对 Agent 说，或输入 /edit_image … | 以上一张成图为参考提交图生图，只需描述要改的地方 |
两种继续编辑的方式：
| 直接对 Agent 说 | /edit_image 斜杠命令 | |
|---|---|---|
| 怎么用 | 在对话里描述修改要求，如“把背景改成夜景” | 输入 /edit_image 把背景改成夜景 |
| 背后发生什么 | Agent 携带该图片的引用调用 edit_image 工具提交图生图 | 命令直接调用插件配置的图片模型 |
| 是否经过对话模型 | 是，可结合上下文理解模糊意图 | 否，对话模型不支持图片输入时同样可用 |
| 适合 | 需求复杂、需要 Agent 记住整体目标 | 快速、明确的一次性修改 |
两种方式都不必重新上传图片，也不必重新描述全部需求——第二轮只需要说变化。
第一轮，让 Agent 生成一张项目海报：
帮我为 dsh-imagegen 设计一张 16:9 横版项目海报。深色未来感背景，青蓝和紫色霓虹光效；画面中心展示 AI 生图工作台，包含赛博城市、人物肖像、雪山和抽象流体四张示例图；下方展示 Agent 对话生图、多模型对比和画廊三个能力区。整体干净、专业、有产品发布感，不要杂乱的小字。
第二轮，基于刚才的成图继续修改：
保留当前海报的整体构图和深色科技风。把中心的赛博城市替换成更明亮的夜景，增强青蓝与紫色的边缘光；底部“Agent 对话生图”区域更突出，其他两项保持弱一级。不要重新生成一张完全不同的海报。
Agent 会把上一轮图片作为参考图提交图生图任务，因此第二轮只需要描述变化。
| 工具 | 用途 |
|---|---|
generate_image | 提交文生图任务；完成后在工具结果旁显示图片，并返回可继续编辑的图片引用。传 wait_for_completion: false 可改为后台模式，稍后用 get_image_generation_task 查询。等待上限 300 秒，超时自动取消。 |
edit_image | 以已有图片为参考提交图生图任务；引用需原样传入之前工具返回的图片对象。 |
get_image_generation_task | 查询任务状态；完成时显示图片并返回下一步编辑所需的引用。 |
cancel_image_generation_task | 取消排队中或正在执行的任务。 |
配置了多个生图模型时，Agent 会先询问你想用哪个，而不是擅自选择；未配置 API 地址、密钥或模型时，会明确引导到「设置 → 生图配置」，不会静默失败。
同一个提示词在不同模型上往往呈现完全不同的构图、质感与文字处理。打开“多模型对比”，勾选多个已配置模型，插件会以相同参数提交任务，并在画布和全屏预览中并列展示，方便挑出真正适合当前任务的模型。
同一提示词在三个模型下的并列结果，画布与全屏预览均支持对比视图
只有一句“画只猫”也想出好图：点击增强按钮，插件会把简短想法发给一个对话模型扩写成结构完整的生图提示词，再提交生成；增强模型可复用生图 API 凭据。未配置增强模型时会弹窗引导，并自动打开设置页的对应卡片。
随插件内置两个来源共 980 余条 gpt-image-2 提示词案例（含参考图），没有灵感时可以先看看别人怎么写。
多来源标签页独立切换，案例详情含参考图、作者署名与原链，可一键回填
满意的图片可从结果卡、全屏预览或历史记录一键加入画廊；画廊中的图片也能直接加入当前对话，再用 /edit_image 修改。画廊为持续积累作品设计：左侧筛选，右侧瀑布流或整齐网格，点击任意图片即可打开大图预览。
左侧分类筛选带计数，右侧瀑布流 / 网格可切换
打开「设置 → 生图配置」。每个提供方都有独立的 API 地址、密钥和模型目录，可同时配置多个服务；预置了 OpenAI、智谱、xAI、字节火山方舟（Seedream）、阿里云百炼（Qwen-Image）、MiniMax（image-01）等常用渠道，也可添加任意自定义 OpenAI 兼容渠道。
「设置 → 生图配置」
| 配置项 | 说明 |
|---|---|
| 提供方 | 预置提供方可直接选择，也可添加自定义渠道。 |
| API 地址 | OpenAI 兼容接口根地址，例如 https://api.openai.com/v1，插件会自动追加图像接口路径。 |
| API 密钥 | 每个提供方单独配置；密钥仅保存在 DSH 宿主侧，浏览器与 Agent 都拿不到明文。 |
| 模型目录 | 保存地址和密钥后点击“检测可用模型”，插件会过滤聊天、Embedding 等非图片模型；没有 /models 的网关可手动添加并设置别名。 |
| 提示词增强模型 | 可选。选择一个支持 /chat/completions 的模型，通常可复用生图 API 凭据；电商模式的「AI 帮写」也使用它。 |
| 本地图片存储目录 | 可在设置中指定历史记录、素材库和无限画布图片的本地根目录；留空使用 ~/.dsh/dsh-imagegen。修改后新图片写入新目录，已有数据不会被删除。 |
| 允许 Agent 调用生图 | 默认开启。关闭后 Agent 不能提交、查询和取消任务，侧边栏工作台不受影响。 |
关于“检测可用模型”
/images/generations、/images/edits 和 { data: [{ b64_json | url }] } 格式响应。/images/generations 若返回 { data: [{ status, task_id }] } 提交结果，插件会自动轮询 GET /v1/tasks/{task_id}（指数退避，最长 240 秒）直到完成，自动展开 url 数组并下载成图；兼容 submitted / pending / processing 与 completed / succeeded 等常见状态词，上游失败原因原样透传，取消任务会同步中断轮询。无需专用预设，任意 OpenAI 兼容渠道自动生效。grok-imagine-image 与 grok-imagine-image-2.0（地址 https://api.x.ai/v1），图生图使用其 JSON image_url 协议，比例和清晰度映射为 aspect_ratio 与 resolution。nanobanana2 / nanobanana2-lite / nanobanana-pro（也识别官方 gemini-3.x-image* ID），清晰度映射为 image_size（1K/2K/4K）。seedream-5.0-pro（也识别 seedream-4.x、doubao-seedream-…），文生图与图生图统一走 /images/generations，参考图以 JSON image 数组发送。https://dashscope.aliyuncs.com/api/v1 的 DashScope 原生 multimodal-generation 接口（不是 OpenAI 兼容接口），支持 Qwen-Image 2.0 / 3.0 系列文生图与图像编辑，比例自动映射为 宽*高 尺寸。该渠道不能复用于提示词增强。glm-image，文生图质量参数映射为 hd；当前不支持图生图，选择编辑模型时会被自动排除。https://api.minimax.io/v1（国内站 https://api.minimaxi.com/v1）的原生 /image_generation 接口（不是 OpenAI 兼容接口）。支持 1:1 / 16:9 / 4:3 / 3:2 / 2:3 / 3:4 / 9:16 / 21:9 宽高比，一次最多 9 张，图生图以单张参考图作为 subject_reference（人物/主体参考）发送——它是主体一致性参考而非像素级编辑，适合“同一人物换场景”，不适合局部修图。MiniMax 的 /models 只列出聊天模型，请直接使用预填的模型目录。~/.dsh/dsh-imagegen/，由你控制；画廊图片按内容去重，模板展示图经宿主同源代理按需拉取与缓存，文件访问有严格白名单。inline 请求下以内联响应返回，且响应带 X-Content-Type-Options: nosniff，其余资源一律以下载方式返回。image-to-editable-ppt 之类的第三方技能由其自身文档决定外部依赖（OCR Token、图片后端等），这些凭据由该技能管理，本插件不读取也不上传它们。欢迎加入 QQ 群，一起交流 DSH、AI 生图和插件使用体验，也欢迎分享提示词、工作流与改进建议。
pnpm run typecheck
pnpm run build
pnpm run watch
node scripts/smoke.mjs
改完源码后要装进本机 GUI 验收，打一个本地 tgz 再覆盖安装即可（面板不会热更新宿主半，装完重启 dsh web）：
pnpm pack --pack-destination . # 生成 dickpy-dsh-imagegen-<版本>.tgz
dsh plugin --profile web add ./dickpy-dsh-imagegen-<版本>.tgz