dsh-super-cu
用于通过 UI Automation 控制 Windows 桌面的 DSH bundle：提供带有稳定元素 ID 的紧凑语义快照（cu_show），以及批量鼠标、键盘、窗口和等待/断言操作（cu_do）。
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add github:suntham-t/super-cu#3dbf70de08915b69436612ad15509fc113884581Super Cu 以 dsh-super-cu 发布，当前版本为 1.5.0。Plugin Hub 会校验它的 manifest，并保存精确安装来源，便于复现安装结果。
Windows 电脑操作插件（DeepSeek Harness / DSH bundle） — 让智能体看得懂界面、点得准、还快。 用 UI Automation 语义文本取代截图循环：默认不截图、不猜坐标、一次调用批量做完多步。
A Windows computer-use bundle for DeepSeek Harness. Two agent tools —
cu_show(observe) andcu_do(act) — built on UI Automation with stable element ids, pattern-first actions, batched steps and a visual fallback. No dependency on screenshots for the normal path.
实测（同机对比 windows-mcp 4.0.3；1.2.0 为成对交织 A/B） | |
|---|---|
| 观察延迟 p50（controls，max_nodes=300） | 28 ms（大 Chromium）/ 92 ms（Notepad）/ 129 ms（Explorer） vs 1059 ms → 快 8-38× |
| 文本体积（Edge 15 标签页） | 3 308 字符 vs 31 261 → 小 9.45×（~1305 vs ~9472 tokens；1.2.0 与 1.1.2 逐字节相同） |
| 元素级稳定 id | 跨快照 100% 复用（旧方案只有坐标） |
| 交互元素召回率 | 100%（93/93） |
| 冷启动到 tools/list | ~256 ms vs 6 993 ms（1.1.2 是 745 ms，-70.8%） |
| 长会话内存 | id 表 20000 / 窗口缓存 32 上限（LRU，id 不复用） |
| 工具数 | 2 个 vs 20 个 |
EnumWindows（~5 ms），UIA 只进目标窗口（旧方案每次枚举整桌面 UIA ≈420 ms/次）。BuildUpdatedCache 取回整棵 raw 子树与属性（1.2.0）：属性读取在本进程完成，
大窗口快 8.6×、Notepad 1.7×；任何异常自动回退逐节点 walk，SUPER_CU_NO_CACHE=1 可强制回退。initialize/tools/list 不导入 uiautomation/Pillow，
冷启动 256 ms；预热用原始线程，不阻塞协议循环。max_nodes 个交互元素，收集满即停；输出逐字节相同、召回 100%。cu_do 完成多步（含等待与断言），把 N 个来回压成 1 个。RuntimeId → 进程内自增 int，同一元素跨快照 id 不变（实测复用率 100%）；
失效时按 (类型, 名字) → AutomationId → 祖先路径 语义重定位后继续执行原动作。invoke / setvalue / select / toggle / expand / focus 走 UIA Pattern
（后台生效、不抢焦点、不动鼠标），不可用才回退真实点击。ct:名字 命中多个候选时报 AmbiguousError 并列出候选，绝不猜。SetProcessDpiAwarenessContext(PER_MONITOR_AWARE_V2)，
使 UIA rect / 抓屏 / 点击落在同一物理像素空间（150% 缩放下旧做法会偏 1.5 倍）。@n:0.42,0.31（0–1，相对最近截图），换算在服务端完成，模型不做算术。expect / wait 在同一次调用里确认结果，而不是"做完就走"。disabled 控件、pattern_unavailable、剪贴板被占用、未知按键 —— 都返回
ok:false + 可操作建议，不静默成功。cu_show — 观察（默认纯文本，~25–130 ms；1.2.0 缓存快路径）win #39719780 "无标题 - 画图" 2030x1271 @264,159 [focus]
obs 226n/145 shown 239ms controls cut=budget(+61 hidden)
[6] document "开发高效精准的ComputerUse插件"
[7] button "新建会话" [i]
[15] edit "搜索会话名称" ~
[57] tabitem "对话"
元素行 = [稳定 id] 类型 "名字" + 能力字母（e expand > t toggle > s selection > v value > i invoke > c focusable）+ 状态字符（* focus / + selected / - disabled / ~ offscreen）。
cut=tree 表示节点树被截断，cut=budget(+N hidden) 表示字符预算裁剪 —— 两者可同时出现。
主要参数：window（标题/进程名/#hwnd）、view（controls/text/all）、filter、max_nodes、
screenshot、region、max_image_width。
cu_do — 动作（一次调用多步）{"steps": [
{"op": "set", "target": "#8713", "text": "关键词", "expect": "关键词"},
{"op": "key", "keys": "enter"},
{"op": "wait", "text": "搜索结果", "timeout_ms": 3000}
]}
#id（推荐） / ct:名字 / @n:ux,uy（视觉） / @img:x,y / @x,y（物理屏幕）→ 建议；未执行的步骤跳过activate（含最小化还原、托盘隐藏窗口 SW_SHOW）op 一览：
| 类别 | op |
|---|---|
| 鼠标 | click dblclick rightclick hover drag（可 hold_ms，to 支持 #id 拖到元素上）scroll scroll_to |
| 键盘 | key type paste hold（按住 N ms） |
| 鼠标按住 | hold_mouse（left/right/middle，按住期间 100 ms 心跳） |
| UIA | invoke toggle select expand collapse focus set |
| 窗口 | activate launch close minimize maximize window_move（x,y[,w,h]） |
| 系统 | clipboard（mode: get｜set） |
| 控制 | wait（wait_kind: text/element/window/idle/change/gone） assert |
cu_show {"marks": true} — Set-of-Mark 截图：给每个可交互元素画编号方框（编号就是 #id），
模型"看得到"也能"点得准"。不加这个参数时返回体与 1.0 逐字节一致。clipboard — 读/写剪贴板（写入后回读校验，用完恢复用户原剪贴板）。window_move — 把窗口挪开/改大小（被别的窗口挡住时特别有用），越界自动 clamp。scroll_to — 把元素滚进视口（ScrollItemPattern 优先 → 父容器有界滚动 → 明确失败）。drag.to 支持 #id / ct:名字 — 拖到目标元素中心（拖文件进聊天、拖卡片到目标）。scope=desktop 同进程提示 — 同一进程的多个窗口标 [同进程 xN]（Office 的 SDI 多窗口由此暴露）。docs/RESEARCH.md：对比 Windows-MCP / OmniParser / computer-use 规范后，
采纳了 5 条"不引入视觉模型、不扩权限面"的交互原语，并明确拒绝了 5 条（会拖慢或越权的）。BuildUpdatedCache 取回整棵子树，大 Chromium 窗口快 8.6×、
Explorer -39.5%、Notepad -44.5%；任何异常自动回退逐节点 walk（SUPER_CU_NO_CACHE=1 强制回退）。tools/list→首次 cu_show 从 480 ms 降到 12 ms（客户端有空闲时）。CoInitializeEx 导致首次真实 cu_show 报「尚未调用 CoInitialize」的竞态
（单元 + 真实进程回归测试）。文本格式、工具 schema、快照契约均未变。docs/OPTIMIZATION.md、docs/OPT-AFTER.md、docs/OPT-VERIFY.md；
环境开关 SUPER_CU_NO_CACHE / SUPER_CU_NO_PREFETCH / SUPER_CU_SETTLE_MIN_MS。OpenAI 2026 版 computer-use driver 的 9 个动作（screenshot / click / double_click / drag / keypress / move /
scroll / type / wait）现在都能通过 cu_do 表达，且保留语义层优势：
click 新增 button：left/right/middle(滚轮键)/back/forward（含 XBUTTON1/2）scroll 新增 axis：x（横向滚轮/横向 ScrollPattern）/ ydrag 新增 path：任意路径点数组（CUA drag.path），给 path 时 to 可省略modifiers：ctrl/shift/alt/win 按住执行（CUA keys 等价物）invoke / set / toggle / select / expand / collapse
在最小化窗口上自动走后台模式，步骤行带 bg；也可显式 background:true（步骤或整批），单步
background:false 覆盖回前台。click / key / paste / drag / scroll / type 给 background:true 会
0ms 报错并提示改写，而不是静默抢焦点/还原窗口。cu_show 窗口行新增 min / max 标记；最小化窗口的 rect 是图标位置，不能拿来算坐标。invoke/set（会标 focus_stolen，因为微信自己会抢前台）；
Win11 记事本最小化后内容树不暴露，需要先 activate。详见 docs/MINIMIZED.md。要求：Windows 10/11、Python 3.11+、DSH >= 0.2。
git clone https://github.com/suntham-t/super-cu.git
cd super-cu
./setup.ps1 # 自动探测 python、安装 Pillow + uiautomation、把绝对路径写进 cordis.patch.yml
然后在 DSH 里：插件 / Plugins → 安装本地插件（install from folder）→ 选这个目录。
重新开一个会话，工具 mcp__supercu__cu_show / mcp__supercu__cu_do 就出现了。
本插件以 DSH bundle 形式分发：
package.json声明dsh.bundle.patch，cordis.patch.yml通过官方@deepseek-ai/dsh-mcp-client行拉起一个常驻 Python MCP server（stdio）。 目录结构可直接被plugin_manager(install_bundle)或插件面板安装。
本仓库按 awesome-dsh-plugin 的收录要求准备：
package.json 声明 dsh.bundle、根目录有 cordis.patch.yml、仓库带 dsh-plugin topic。
市场条目位于 .market/suntham-t__super-cu.yml，
用 ./submit-to-market.ps1 一键投稿（fork → 上传条目 → 开 PR，无需克隆 200MB 索引仓库）。
package.json DSH bundle 清单（dsh.bundle.patch）
cordis.patch.yml MCP client 行（setup.ps1 写入本机路径）
setup.ps1 一次性安装：python 检测 + 依赖 + 路径替换
src/server.py MCP stdio JSON-RPC、两个工具、坐标/断言/状态
src/bridge.py UIA 快照 / 稳定 id / 解析 / 动作 / 截图 / wait
src/windows.py win32 窗口枚举、激活升级链、剪贴板、DPI
src/compact.py 紧凑格式化（去噪 / 折叠 / 预算 / cut 标记）
src/dpi.py DPI 三空间合一
src/gui_lock.py 多智能体共享桌面的互斥锁
src/mock_bridge.py 离线 mock（协议层测试用）
tests/ 单测 + 真机集成测试（GUI 部分）
bench/opt/ 可复现基准（baseline / after / 成对 A/B / fixtures）
bench/verify/ 独立验收（parity / golden / 协议 / 性能门禁）
SKILL.md 给智能体的操作手册
docs/CONTRACT.md 完整接口契约（实现细节）
docs/OPT-*.md 1.2.0 优化报告 / 基线 / 对照 / 验收
docs/images/ 真实任务截图
@n 误差 worst 0.71 px；50 次 id 解析 0 失败）、
输出质量审计（影子 text 残留 0）。/fill
盖了一栋 7×7 带门/窗/屋顶的房子。tests/test_bridge.py 真实 55 项（缓存 parity/回退/marks/内存上限/动作）+
--unit-only 24 项；tests/test_server.py 197 项 mock 协议测试；独立验收见 docs/OPT-VERIFY.md。docs/OPT-AFTER.md；
基准可复现：python bench/opt/bench.py --help。| notepad | ppt |
| minecraft | paint |
screenshot=true + @n 坐标，慢且依赖视觉。view=text 取不到正文（TextPattern 为空）→ 用 controls（TextControl 的 name 就是文本）。cu_show 一次确认，别重复搜索/点击。SetCursorPos 无法转视角；要用游戏内命令或键位。cu_do 建议 ≤10 步（批量期间持有 GUI 锁，其它智能体会等待）。MIT © 2026 suntham-t
dsh-super-cu is a DeepSeek Harness bundle that gives an agent two tools — cu_show (a compact,
token-cheap accessibility snapshot of one window with stable element ids) and cu_do (a batched
action runner with waits/assertions). Compared with screenshot-based computer use it is 8-38× faster on snapshots
(28 ms for a large Chromium window) and returns 9.5× less text; cold start is ~256 ms.
Element ids are reused across snapshots (100%). Accuracy comes from
UI-Automation patterns, refusing ambiguous targets, DPI-space unification, normalized fallback
coordinates and loud failures. Works on Windows 10/11 with Python 3.11+; install with setup.ps1
then add the folder in DSH's plugin manager.