dsh-v4flash-tiler
DSH 插件：将超大聊天图片自动切分为带标签的网格块（包含行/列元数据、支持重叠处理、隔离多图片组），使 DeepSeek 视觉模型保留精细细节，而不是缩小至约 ~800px。
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:doublehappy123/dsh-v4flash-tiler#bfa360e8663996bf4f4ae836ec342c647b920524V4flash Tiler 以 dsh-v4flash-tiler 发布，当前版本为 0.2.0。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。
点击下方 Badge 复制 Markdown，粘贴到 README 即可。
验证 package.json 声明的 GitHub 仓库，即可管理这个公开页面。认领后，Hub 会优先安排当前版本的安全扫描，并在通过后公开展示结果。
认领这个 Plugin →DeepSeek 视觉模型的大图自动分块插件：在聊天里发送超大图片时，宿主自动把它切成多块高清图块（带行列坐标标注）再送入模型，让细小文字、图标、图表细节不再被 800×800 的自动缩放抹掉。本仓库根目录即官方发布说明（publish.zh.md）所述的组合包，可直接 dsh plugin add 安装；Python 切块引擎位于 engine/。
DeepSeek 视觉模型接收图片时会自动缩放（大于约 800×800 等效像素即整体缩小，单张 token 上限约 384），超大截图、密集小字、图表细节因此丢失。本插件把大图切成最多 9 块、15% 重叠的小图块，让每块保持原始清晰度，并向模型提供网格、每块（行,列）坐标、重叠说明，使其能按坐标拼回整图；一条消息多张图时，每张原图的块自成一组并明确禁止跨图混拼。
# 1) Python 引擎（插件在运行时调用 python -m v4flash_tiler.driver）
pip install -e ./engine # 或 pip install ./engine
# 2) 组合包 → profile（纯 JS 无需构建，GitHub 直装即可）
dsh plugin --profile web add github:doublehappy123/dsh-v4flash-tiler
# 或本地：dsh plugin --profile web add ./dsh-v4flash-tiler
# 3) 重启 DSH（该 profile）
每个 profile 插件栈独立，需按 profile 分别安装。CLI 手动分析模式额外需要
DEEPSEEK_API_KEY；自动分块不调用 API。
engine/ 安装后）：
v4flash-tiler --image screenshot.png --mode auto --dry-run # 只看分块计划
v4flash-tiler --image screenshot.png --prompt "提取全部文字" # 调 API 分析
from v4flash_tiler import DeepSeekVisionClient
result = DeepSeekVisionClient().analyze_image("large.png", prompt="分析这张图")
package.json # 组合包 manifest：dsh.bundle.patch
cordis.patch.yml # 插件行（id: v4flash-tiler）
lib/index.js # Host 半边：agent/pre-step 自动分块
engine/ # Python 引擎（v4flash_tiler 包 + CLI + 测试）
MIT