dsh-text2img-compress
将长文本渲染成图片发送，以压缩 LLM 输入 token（DeepSeek 视觉模型，每张图片最多 384 token）— 基于图片的文本 token 压缩，适用于 DeepSeek Harness
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add dsh-text2img-compress@0.1.3Text2img Compress 以 dsh-text2img-compress 发布，当前版本为 0.1.3。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。
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：
下图即 DeepSeek 官网中文写作示例《端午咸》（news250528）， 1,036 字 = 804 token（DeepSeek-V3 tokenizer 实测），默认 18px 渲染为单张 800×800 = 384 token：
| 内容 | 文本 token | 13px | 18px |
|---|---|---|---|
| 中文《端午咸》 | 804 | 1 页 = 384（2.1×） | 1 页 = 384（2.1×） |
| 英文论文引言（DeepSeek-OCR 2，arXiv 2601.20552，3,873 字符） | 767 | 1 页 = 384（2.0×） | 2 页 = 768（0.96×，无收益） |
| 中文长篇：鲁迅《故乡》全文 | 3,409 | 3 页 = 1,152（3.0×） | 5 页 = 1,920（1.8×） |
中文长篇《故乡》13px 示例页（第 1/3 页）：
同是中文，4,974 字的长篇在 13px 下比 18px 再省 40%（1,920 → 1,152 token）—— 因为一篇短文往往连一页都填不满（此时 13px 与 18px 同为 1 页、无差别），而篇幅一长，页面容量才开始真正决定压缩比。
说明：
- 英文大于等于 18px 压缩几乎无收益——英文每 token ≈ 5 字符，与 18px 图片每 token 约 5.9 字符相当； 英文建议 13px（约 2×）或直接用文本；
- 中文 18px 约 2.1~2.5×，且字数越长、字号越小，中文优势越大；
DeepSeek 视觉 API 对输入图片有固定计费规则（官方文档）：
对长文本：按文本发 → N 个 token；渲染成 800×800 的图 → 每 384 token/[页]。
实测（deepseek-v4-flash-vision-exp，18px）：以《端午咸》（见上方示例图）为例——
1,036 字 = 804 token（DeepSeek-V3 tokenizer 实测）→ 1 页 = 384 token（约 2.1×）。
真实增益取决于字号与语言：中文 18px 约 22.5×、1213px 约 4.66×（每页约 2,3002,900 字）；
英文正文约 1~2×（每 token ≈ 5 字符 vs 图片每 token 约 5.9 字符）。页数上限默认 10
（可在设置中调为 1–20）。
# 有 DSH CLI：
dsh plugin --profile web add dsh-text2img-compress@0.1.3
# 或直接 npm 安装：
npm install dsh-text2img-compress
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）。
设置项（settings 命名空间 text2img，也可在 DSH 设置面板 →「文本转图压缩」页 编辑）：
| 字段 | 默认 | 范围 | 含义 |
|---|---|---|---|
enabled | false | 布尔 | 总开关（等价于输入框右侧「图」按钮） |
fontPx | 18 | 12–22（1px 步进） | 字号：越大越易读、每页字数越少 |
threshold | 600 | ≥100 | 最小字符数：更短的消息保持纯文本 |
maxPages | 10 | 1–20 | 最多图片页数（DSH 附件上限 20 张/消息）；超出自动回退纯文本 |
✅ 适用（"读懂大意/高保真阅读"）：
⚠️ 不适用（需要逐字精确）：
maxPages 默认 10 页 ≈ 约 13,000 字 @18px；可在设置中调到 1–20）：插件会自动回退纯文本，绝不截断；准确率提示：通用视觉模型不是 OCR 专用模型。建议根据实测选择字号—— 18px 是压缩与可读性的折中；对精度要求高用 22px，对预算极端敏感用 12px。
agent/pre-step（官方 waterfall），把进入模型的用户消息中
单个文本块、≥ 阈值、当前模型为视觉模型的，用 @napi-rs/canvas 渲染成 800×800 PNG 页，
经 attachments.saveImages 落盘为 ImageBlock 后替换原文本块；
任何失败都回退纯文本，绝不丢内容、不中断会话。conversation.input.right 槽位注入「图」开关 + 字号下拉；
状态通过 DSH settings（ctx.settingsScope.bind）持久化，与 Host 共享同一命名空间。pnpm install
pnpm build # tsc (host+types) + tsdown (client bundle)
pnpm typecheck
结构：
src/index.ts Host 插件（settings + agent/pre-step 替换）
src/render.ts 文本 → 800×800 PNG 页（@napi-rs/canvas，词边界换行）
src/ui/index.ts Client 插件（「图」开关 + 字号下拉）
cordis.patch.yml 组合补丁（一行 insert）
MIT