- Accueil
- Plugins
- Vision, voix et multimodal
- dsh-mo-image
dsh-mo-image
cm-silence/dsh-mo-image
Plugin DSH pour générer et modifier des images avec des conseils de prompt adaptés au modèle, via un modèle d’image compatible OpenAI.
Installer
dsh plugin --profile web add github:cm-silence/dsh-mo-imageREADME
dsh-mo-image
给 DeepSeek Harness 用的生图插件。
配置一个生图模型后,可以直接在对话里让模型生成图片,或用参考图做局部修改、融合和版本迭代。
功能
- 文生图:生成新图、重做
- 图片编辑:保留原图,只改指定部分
- 参考图:支持 1–16 张本地图片或 URL
- 多模型:不同提供商、不同模型可随时切换
- 选择器皮肤:默认跟随原版对话模型选择器;检测到 Codex 风格美化插件时自动切换同款弹层
- 模型感知提示词:按当前模型注入对应的写法、公式和约束
- 对话内直接显示生成结果
安装
要求:
- DSH >= 0.2.1-rc.2
- Node.js / pnpm(DSH 已自带)
从 npm 安装(推荐):
dsh plugin --profile desktop add dsh-mo-image
从 GitHub 安装:
git clone https://github.com/CM-Silence/dsh-mo-image.git
dsh plugin --profile desktop add link:./dsh-mo-image
也可以直接使用仓库地址:
dsh plugin --profile desktop add github:CM-Silence/dsh-mo-image
安装后确认 profile 的 dsh.profile.bundles 中包含:
"dsh-mo-image"
然后重启 DSH。
更新
DSH 每次启动会查一次 npm 上的最新版本(registry.npmjs.org,不通时退 registry.npmmirror.com)。有新版时,设置 → 生图模型 页顶部会出现「有可用更新」:点开能看到版本号和这次改了什么,点「更新」后插件在后台换成新版本,重启 DSH 后生效。
更新说明来自包里的 CHANGELOG.md(按版本从 jsDelivr / unpkg / npmmirror 读取);那个版本没写说明时,对话框显示「暂无更新说明」。
- 用
link:方式安装的开发环境不会自动改文件,点更新只会提示你自己git pull。 - 检测和安装都走 npm:点更新时按
dsh-mo-image@x.y.z的版本规格安装,不依赖 GitHub。从 npm 安装的走 DSH 原生的updateBundle(先卸旧版再装新版,装失败会自动装回旧版);早期用github:装的会被换成 npm 版——这条「先卸载再装」的路径没有 DSH 的自动回滚,所以 npm 安装失败时会按原来的规格装回去,并明确提示「更新安装失败,已装回原来的版本」;万一连装回也失败,会提示你去插件管理里重装,不会静默失败。 - 没有桌面版的插件管理器时,手动更新:
dsh plugin --profile desktop add dsh-mo-image
维护者发版:
npm run release -- minor # 改版本号、写 CHANGELOG、跑测试、打 tag、推送、建 Release
npm run release -- 0.4.1-rc1 --publish # 指定版本并同时发到 npm(rc 走 next 标签)
npm run release -- minor --dry-run # 只看会做什么
发布到 npm 时,-rc / -b / -a 版本会自动用 --tag next,只有正式版才顶掉 latest。
配置
打开:
设置 → 生图模型
添加一个提供商:
| 项目 | 填写内容 |
|---|---|
| API 地址 | OpenAI Images 兼容地址,通常以 /v1 结尾 |
| API 密钥 | 对应平台的 Key |
| 模型 ID | 例如 gpt-image-2.5-flare |
| 显示名称 | 可选;对话里的模型名,留空就用模型 ID |
保存后,在对话输入框右侧选择当前生图模型。
「模型目录」沿用 DSH 对话模型设置页的模型行:拖动手柄(或聚焦手柄后按上下方向键)调整顺序,顺序就是选择器里的顺序;「获取可用模型」会把上游列出的模型连同显示名一起带回来,已加入列表的模型默认勾选,勾选结果就是新的模型列表。
内置了几家官方或大型模型平台,也可以选择“自定义模型 API”,填写自部署或其他兼容接口。
多语言
插件接入 DSH 的 locale 服务,设置页和右下角生图模型选择器会跟随 设置 → 通用 → 语言 立即切换,支持 DSH 内置的 8 种语言:中文、English、日本語、Español、Français、Deutsch、Русский、Português。
- 文案源是
locale/messages.csv:一行一个 key,一列一种语言,UTF-8 无 BOM。改文案只改这个表;用 Excel 编辑时请走「数据 → 从文本/CSV」并选择 UTF-8。 - 改完运行
npm run build:locales,把字典写进lib/client.js的生成块;npm run check:locales在测试里校验生成块没有过期。 - 新增一种语言:在 CSV 增加一列(小写 BCP 47 id),同步更新
scripts/build-locales.mjs的BUILTIN_LOCALES,再生成一次即可;测试会按这个常量校验列顺序。DSH 端还要能提供这个 locale,插件才会注册出可选语言。 - 覆盖范围:设置页、模型选择器、用户可见的报错和 aria-label。工具描述、系统提示词和技能文案不参与翻译。
- 宿主设置接口的报错会附带稳定的
code/params(见lib/localized-error.js),前端按当前语言重写整句;工具调用和宿主日志仍保留原始中文,模型看到的提示词不受影响。新增宿主错误时,在SERVER_ERROR_CODES里加 code,并在 CSV 加serverError.<code>。 - 缺 key 时按 DSH 的 locale 回退链回退到英文,再回退到 key;没有 locale 服务的环境(例如纯单测)回退到中文。
选择器皮肤
生图席挂在输入框右侧(conversation.input.right),默认沿用 DSH 原版对话模型选择器的类名与结构:类名从当前样式表解析,菜单、搜索、分组、键盘行为和原版对齐;只改 CSS 的主题会自动覆盖到它。
如果对话席被 dsh-codex-model-effort-selector 这类接管型美化插件替换,插件会检测 .cmes-* DOM 并切换成同一套 Codex 皮肤:
- 质量占据「推理等级」的位置:滑条按当前模型实际公布的档位排列(Auto 紧挨着 Off,不会被当成最高档),每档一色;拖动/键盘/Home/End 都可改档,最高档触发紫罗兰、星尘动画和「更快消耗使用额度」提示。
- 点弹层中间的档位标题进入 provider → 模型两级下钻,带搜索、当前勾选和「N 档」徽标。
- ★ 提示词优化 是左侧工具(真正写进
defaults.promptOptimization,不是 Codex 的纯视觉 Fast;悬停显示 Codex 两行卡片「提示词优化 / 用量更多」,开启时滑条走 fast-mode 星尘动画),齿轮是右侧「其他设置」工具,只放尺寸设置,内容超高时可滚动。 - 弹层通过 portal 挂到
document.body,不赌输入区祖先没有 transform/filter/backdrop-filter,避免定位偏移和被裁剪。
未知的接管型插件没有公共协议,插件只采样它触发器的尺寸/字号/颜色做通用降级,弹层仍用宿主 token 自绘;这样并排不违和,但不承诺逐像素一致。想做到 1:1,需要和对方约定皮肤标记或 CSS 变量。
使用
直接对模型说:
画一张 1024x1024 的电商主图,白色背景,产品居中。
或者:
以这张图为基础,只把背景换成浅灰色,产品和文字不要动。
模型会在需要时调用:
- mo_image_settings:读当前配置(模型、提示词优化开关、该模型的写法);本会话读过且配置没变时可以不调
- mo_image_generate:文生图 / 重做
- mo_image_edit:参考图编辑 / 局部修改
工具接收 prompt、negative_prompt、images;model 可选,尺寸和质量仍由生图选择器控制(工具不接收 size / quality)。
一步确认配置:mo_image_settings 返回一个很小的 JSON——当前提供商和模型的唯一 id、提示词优化开关、一句该模型的写法提示(Auto 模式下再加可选模型 id):
{"provider":"comfyui","model":"flux-2-klein-4b.safetensors","promptOptimization":true,"hint":"自然语言散文,主体+动作前置,30–80 词;英文优先;无 negative prompt;完整写法没读过时先加载对应 skill,读过就不用再加载"}
提示词优化开启时,hint 末尾会带这半句:完整写法(skill 里的模板与示例)只在当前模型的还没读过时才要加载,读过就不用重复加载;优化关闭时没有这半句,因为那时直接照用户原话写。
系统提示词的 mo-image-prompt 节里有一行「配置状态」,由每个会话自己的快照决定:新会话还没读过时提示先调 mo_image_settings;读过之后只要配置没变就一直显示「一致」,模型可以直接生图,不必每轮重读。用户在设置里换了模型、切了提示词优化开关或改了尺寸/工作流参数后,这一行会变回「改过」(改回原值、中间没有对话则不算变化)。读取或交接会把这刻的配置锁成快照:之后配置再变只会产生新快照、让下一次调用重新判断,不会反过来影响已经发出去或已经锁定的那次生成。同一个会话里重复读一次配置,返回的是 {"unchanged":true,"hint":"…"},不会再把整份配置重复一遍;上下文被压缩、已经看不到那份配置时,传 refresh:true 重读一次即可。
漏读不会报错:没读过(或读了之后配置又变了)就调用生图/改图工具,不会发请求、也不会红字报错,而是返回 {"path":"","needsSettings":true,"settings":{…}}——把当前配置直接交回给对话模型,让它按新写法重写提示词再调用一次。这样既不会用旧模型的口径生成图片,也不会因为一次手快的调用在界面上留下一条失败记录。
model 是可选的核对项:不传就用用户选中的那一项(提供商 + 模型 id 一起核对,不同提供商的同名模型不算同一个),传了不一致的值直接拒绝;Auto 模式下必须从当前提供商的模型列表里挑一个。传了 provider 也会核对,不一致同样拒绝——工具永远不会替用户切换提供商或模型。
Auto 行:模型选择器第一行是“自动”(英文界面为 Auto)。只有选中它,对话模型才享有模型选择权;选中后系统提示词会列出可选模型。没有配置任何模型时(所有提供商的模型目录都为空)不显示自动行,直接显示“还没有模型,去设置 → 生图模型添加”。
配置是权限级锁定:插件用 ctx.tools.guard() 注册了全局工具守卫,任何工具调用只要目标是 mo-image/config.json 或 /api/mo-image/config(写文件、shell 命令、HTTP 请求都算),都会在执行前被拒绝,而不是靠提示词"请求"模型别改。守卫只看目标字段,不会误伤正文里出现同样字符串的插件源码编辑。它挡不住刻意混淆的 shell 命令(base64、字符串拼接),真正的硬边界仍然是宿主是否给该 Agent 开 shell。
图片读取:默认不读生成图,也不描述画面;只有用户明确要求"看看这张图"时才允许读。
质量档位
质量档位由「当前模型」决定,宿主通过 /api/mo-image/config 的 capabilities 下发。原版皮肤里,没有官方质量参数的模型隐藏这一行;Codex 皮肤里显示「此模型未提供质量档位」,尺寸仍从齿轮进入,提示词优化用左上角星标切换。GPT-Image 的 Auto 是模式而不是画质档,滑条里紧挨着 Off 放,不排到最高档。
| 模型族 | 质量行 | 选项 |
|---|---|---|
| OpenAI GPT-Image | 显示 | Off / Auto / Low / Medium / High |
| OpenAI DALL·E 3 | 显示 | Off / Standard / HD |
| Ideogram 3 | 显示 | Off / Turbo / Default / Quality |
| Google Gemini / Nano Banana | 隐藏 | 只有尺寸/比例,没有 quality |
| xAI Grok Imagine | 隐藏 | 只有 resolution,没有 quality |
| Recraft | 隐藏 | 没有 quality |
| Stability AI | 隐藏 | 没有 quality |
| Together AI | 隐藏 | 没有 quality |
| Fireworks / Novita | 隐藏 | 取决于网关;默认不显示 |
| SiliconFlow / 火山方舟 / 百炼 / BigModel | 隐藏 | 没有统一的 quality 参数 |
| A1111 / ComfyUI / SwarmUI / 本地 OpenAI 兼容 | 隐藏 | 没有统一 quality;用各自的 steps/cfg |
切换模型时,选择器会从目标模型的档位里选一个合法默认值;旧配置里的 max、high 等值会收敛到目标模型支持的最近档位(例如 GPT-Image 的 max → High),不会再由对话模型填 Max。
依据:OpenAI Images API(GPT-Image 的 low/medium/high/auto、DALL·E 3 的 standard/hd)、Ideogram 3 API(rendering_speed)。Gemini、xAI、Recraft、Stability、Together、本地后端没有统一的官方 quality 字段,所以隐藏质量行。
提示词优化
生图模型选择器里新增「提示词优化」,默认 On(原版皮肤在首页一栏;Codex 皮肤是弹层左上角由三颗四角星组成的 AI 星标,悬停显示 Codex 两行卡片「提示词优化 / 用量更多」):
- On:保持现在的行为,按当前模型的提示词方言扩写/整理 prompt。
- Off:要求模型尽量把用户原话直接传给生图工具,不扩写、不补风格/光线/构图,也不自动补 negative prompt;只有用户明确说“优化/改写提示词”时才优化。
- 提示词优化只影响
prompt文本;模型、尺寸、质量始终由选择器控制,工具不接受这些参数。 - 设置会写进
config.json的defaults.promptOptimization,默认 true;旧配置没有这个字段时按 On 处理。 - 提示词优化和生图技能是分开的:生图/改图时仍会加载
mo-image-generation/mo-image-editing技能获取调用与输出规则;Off 只跳过技能里的公式和模板。 - 工具描述和系统提示词会同时提示 Off 语义;编辑时同样使用用户原话或最小必要的修改说明。
数据
新生成的图片保存在当前会话工作区:
<cwd>/generated-images/
<cwd> 来自 DSH 会话的 session.header.cwd。找得到 cwd 时不再写入插件状态目录,因此在「工作区可修改」权限下可以直接写项目;只有拿不到 cwd(例如非会话调用)时才回退到:
$DSH_HOME/mo-image/out/
旧版本已经生成在 $DSH_HOME/mo-image/out/ 的图片不会被迁移,旧的 /api/mo-image/preview/<basename> 链接仍然能打开。
预览 URL 使用 HMAC 签名,不暴露任意文件读取:签名 key 固定保存在 $DSH_HOME/mo-image/preview.key,图片本体留在项目目录。新图片的 /api/mo-image/preview/<token> 链接在宿主重启后仍然有效。
建议把 generated-images/ 加进项目的 .gitignore,避免把生成图误提交。
给其它插件读状态(moImageStatus)
0.7.0 起,插件在宿主注册只读服务 moImageStatus。同一个宿主里的插件可以:
const service = ctx.get('moImageStatus')
if (service?.contract >= 1) {
const status = await service.describe()
}
describe() 返回一份快照,不写配置,也不依赖浏览器状态:
| 字段 | 含义 |
|---|---|
contract | 契约版本,当前 1 |
version | 插件版本号 |
ready / configured / missing | 是否可用,以及缺哪一项(provider / baseUrl / key / model) |
provider | { id, name, baseUrl, optionalKey, protocol, adapter } 或 null |
model / auto / models | 当前模型;Auto 时 model='auto' 并带候选列表 |
key | { ok, source, ref },source 为 optional / credentials / env / config |
capabilities | { generate, edit, editModels, maxRefs, size };edit 按适配器 / ComfyUI 工作流判断,editModels 是 Auto 下可改图的模型,maxRefs 为 16 |
defaults / promptOptimization | 选择器里的尺寸、质量与提示词优化开关 |
调用方必须自己处理服务不存在的情况:0.6 及更早版本没有这个服务,按旧的文件格式回退即可(工作台就是这么做的,并会标注 source: 'legacy')。
配置保存在:
$DSH_HOME/mo-image/config.json
API Key 不写进 config.json。旧版配置里的明文 key 会在第一次读取时迁到 DSH 凭据库:
$DSH_HOME/.credentials.yaml
配置文件只保留 apiKeyEnv: MO_IMAGE_<provider>_API_KEY 这样的引用;同名环境变量也可以直接生效。Web 客户端只拿到 hasKey / keySource,不会收到明文;宿主在每次请求前通过 ctx.credentials.resolve(ref) 解析一次,密钥轮换后下一请求自动生效。凭据库按 DSH 的规则只允许当前 OS 用户读取(POSIX 0600;Windows 由 ACL 决定),但同一用户的 agent 进程仍可能读到,它是“不把密钥放进配置和浏览器”的隔离,不是对抗同 UID 进程的边界;DSH 也还没有 OS keychain provider。
配置接口只接受同源 application/json 请求,Host 必须是回环地址、IP 字面量或 DSH_WEB_URL 公布的域名,用来挡跨站写入和 DNS rebinding。
配置写入使用临时文件 + 原子替换,避免中断时把配置截断。
参考图支持本地路径和 http(s) URL;URL 默认拒绝本机/内网地址(含重定向逐跳检查)。如果确实要访问本地图片服务,可以设置环境变量 MO_IMAGE_ALLOW_PRIVATE_REFS=1。
内置云端提供商
设置页的「第三方模型提供商」会从宿主下发当前内置列表;选择后会带出默认地址、适配器和常用模型 ID,仍可手动修改。
| 提供商 | 适配器 | 默认模型 | 说明 |
|---|---|---|---|
| Google Gemini / Nano Banana | google-gemini | gemini-nano-banana-2.1、gemini-3.1-flash-image、gemini-3-pro-image、gemini-2.5-flash-image | 原生 generateContent;生成 + 参考图编辑,新模型最多 14 张、2.5 只有 3 张 |
| OpenAI | dall-e-3 / gpt-image / openai-images | 按模型 ID 自动匹配 | 生成 + 编辑 |
| OpenAI Responses | openai-responses | 手动/获取 | 官方新版 image_generation 工具;需要在高级设置里填「调度模型」 |
| OpenRouter | openrouter-images | google/gemini-3.1-flash-image、openai/gpt-image-2.5-flare | 专用 /api/v1/images;生成 + input_references 参考图 |
| Azure OpenAI | azure-openai | 你的部署名 | api-key 鉴权;model 填部署名 |
| Black Forest Labs | bfl | flux-2-pro、flux-2-max、flux-3-image、flux-kontext-pro | 异步队列;生成 + FLUX.2/FLUX 3 参考图 |
| fal.ai | fal | fal-ai/flux-2-pro、fal-ai/flux-pro/kontext | 异步队列;COMPLETED 后还要取一次 response_url |
| Replicate | replicate | black-forest-labs/flux-2-pro | 异步队列;按模型 schema 决定输入字段 |
| 魔搭 ModelScope | modelscope | Qwen/Qwen-Image-2.1、Qwen/Qwen-Image-Edit | 异步任务;提交带 X-ModelScope-Async-Mode,轮询 /v1/tasks/{id} |
| xAI Grok Imagine | xai-imagine | grok-imagine-image | 生成;原生编辑暂未支持 |
| Recraft | recraft | recraftv4_1、recraftv4、recraftv3、recraftv2 | 生成 + imageToImage 编辑 |
| Ideogram | ideogram | ideogram-3、ideogram-4、ideogram-4-5、ideogram-4-transparent | 生成;模型写在路径里,4 收 JSON+像素枚举,4-5 只收 size,3/transparent 收字母 x 的比例 |
| Stability AI | stability | core | 生成 + 编辑(multipart) |
| Together AI | together | black-forest-labs/FLUX.1-schnell、FLUX.1-dev | 原生 width/height 请求;生成 |
| Fireworks AI | openai-images | accounts/fireworks/models/flux-1-schnell | OpenAI Images 兼容网关 |
| Novita AI | openai-images | flux-1-schnell | OpenAI Images 兼容网关 |
| 自定义 / 新网关 | openai-images | 手动/获取 | 同步或异步自动识别(见下文) |
| 火山方舟 | volcengine-ark | 手动/获取 | 生成;档位按模型分(5.x 是 1K/1.5K/2K,lite 是 2K/3K/4K,4.5 是 2K/4K),也收任意宽高 |
| 火山方舟 Agent Plan | volcengine-ark | 手动/获取 | 与火山方舟同协议,基础地址换成 /api/plan/v3 |
| 阿里云百炼 · Qwen-Image | dashscope-qwen-image | qwen-image-3.0-pro、qwen-image-3.0 | 原生多模态同步接口 |
| 阿里云百炼 · 通义万相 | dashscope-wanx | wan2.6-t2i、wan2.7-image-pro、wan2.7-image、wanx2.1-t2i-turbo | 异步入队任务;只有 wan2.7 认 1K/2K/4K 档位 |
| 硅基流动 | siliconflow | 手动/获取 | 生成 + 单图编辑 |
| 智谱 BigModel | zhipu | cogview-4、glm-image | 生成;一次只回一张 |
说明:
- Google Gemini 使用
x-goog-api-key头;imageSize按模型分级(3.1-flash 支持512/1K/2K/4K,2.5 不发),aspectRatio新模型 14 档。 - xAI 使用
aspect_ratio+resolution,不是 OpenAI 的size。 - Recraft / Ideogram / Together / Stability 的默认模型 ID 只是建议值,服务端模型更新后可以在「模型目录」里改,或用「获取可用模型」重新拉取。
- 这些云端提供商的密钥仍只写入 DSH 凭据库,不写进
config.json。 - 内置列表来自宿主 manifest,客户端不单独维护一份;新增提供商会同时影响设置页和模型列表能力判断。
- Replicate 的输入字段由模型 schema 决定;schema 拉不到时只发 prompt 并在结果里注明,不会猜字段名。
- 魔搭是异步任务:提交
POST /v1/images/generations(带X-ModelScope-Async-Mode: true)拿task_id,再轮询GET /v1/tasks/{task_id}(带X-ModelScope-Task-Type: image_generation),图片在output_images。size是1024x1024这样的字符串,网关按每边 64–2048 校验(插件会提前把超界尺寸按比例收进区间);参考图走image_url,一张发字符串、多张发数组,data URI 可直接用。提交响应可能提前回SUCCEED但还没有图,插件一律以轮询结果为准。 - 自定义模型 API 和不认识的域名走
openai-images:响应里有图就同步返回,有任务信号就自动轮询,新厂商大多不用再写适配器。识别不了的异步形状(需要专用请求头/轮询头)仍走专用适配器。
文档:
- Nano Banana / Gemini image generation
- xAI image generation
- Recraft API
- Ideogram API
- Stability AI API
- Together AI image generation
- Fireworks AI
- Novita AI
- ModelScope API-Inference
本地模型
设置页的「添加模型提供商」有三类入口:第三方模型提供商、自定义模型 API、本地模型。本地模型入口内置这些部署方式:
表里的「默认地址」是 服务根地址,不是完整 endpoint。插件会自动拼接协议路径: A1111 填
http://127.0.0.1:7860(插件拼/sdapi/v1/txt2img、/sdapi/v1/sd-models);LocalAI/sd-server 填http://127.0.0.1:8080/v1(插件拼/images/generations、/models);ComfyUI 填http://127.0.0.1:8188(插件拼/prompt);SwarmUI 填http://127.0.0.1:7801(插件拼/API/...)。
| 部署方式 | 适配器 | 默认地址(服务根地址) | 获取模型 | 生成 / 编辑 |
|---|---|---|---|---|
stable-diffusion.cpp sd-server | openai-images | http://127.0.0.1:8080/v1 | /v1/models | 生成 + /images/edits |
| LocalAI | openai-images | http://127.0.0.1:8080/v1 | /v1/models | 生成;编辑取决于后端 |
| AUTOMATIC1111 / Forge / SD.Next / Draw Things | a1111 | http://127.0.0.1:7860 | /sdapi/v1/sd-models | 生成 + /sdapi/v1/img2img |
| ComfyUI | comfyui | http://127.0.0.1:8188 | /object_info(CheckpointLoaderSimple) | 生成;原生编辑暂不支持 |
| SwarmUI | swarmui | http://127.0.0.1:7801 | /API/ListModels | 生成;原生编辑暂不支持 |
| 其他 OpenAI 兼容网关 | openai-images | http://127.0.0.1:3000/v1 | /v1/models | 取决于网关;异步任务自动轮询 |
说明:
- 本地服务没有鉴权时,API 密钥可以留空;
optionalKey会让宿主不发送Authorization。需要 Bearer token 的服务再填密钥。 - 「模型目录」右侧的 获取可用模型 对第三方提供商、自定义模型 API 和本地部署器都可用:点击后先向端点探测模型,再弹出可搜索、可全选/取消全选的候选列表,只有点「添加所选」才写入当前表单。OpenAI 兼容接口返回的结果会先筛掉可能不是用于生图的模型,也可以勾选「显示全部模型」;没有模型列表 API 的适配器不显示这个按钮。ComfyUI 列出的是 checkpoint 名称,A1111 列出的是
sd-models的 title。 - 选择第三方提供商后,「提供商」标签右侧会出现 前往提供商官网,按当前选择打开官方 API Key / 控制台页面;本地和自定义模式不显示这个链接。
- A1111 / Forge / SD.Next 启动时需要加
--api。A1111 的 Basic Auth 目前不走密钥输入框,建议仅在可信网络中使用,或加一层访问控制。A1111 的 img2img 只带第一张参考图。 - ComfyUI 的默认工作流是 CheckpointLoaderSimple + KSampler,适合 SD1.5/SDXL checkpoint;Flux、Qwen-Image、任意自定义工作流请用 OpenAI 兼容网关(或改用 sd-server/LocalAI 的后端)。
- SwarmUI 使用
/API/GetNewSession+/API/GenerateText2Image,原生编辑暂未实现。 - InvokeAI、Fooocus、复杂 ComfyUI 工作流:先套一层 OpenAI Images 网关,再选「其他 OpenAI 兼容网关」。
- 本地服务通常要自己启动、管理显存和模型;插件不负责下载/加载模型。工具超时是 360 秒,CPU 跑 1024×1024 可能超时。
- 参考图限制:multipart 编辑总大小 48MB、单张 15MB;JSON
image编辑为了控制 base64 峰值,总大小限制 10MB。生成图响应上限 32MB,超大图请降低尺寸。 - 参考图编辑优先用本地文件路径;参考图 URL 指向
127.0.0.1会被 SSRF 防护拦住,需要MO_IMAGE_ALLOW_PRIVATE_REFS=1。
文档:
- stable-diffusion.cpp server API
- LocalAI Image Generation
- AUTOMATIC1111 API
- ComfyUI server routes
- SwarmUI API
- stable-diffusion-api-to-openai(A1111 → OpenAI 网关示例)
提示词
插件不会拿一套模板套所有模型。每次组装系统提示词时,会读取设置里当前选中的模型,把对应的写法注入 mo-image-prompt 节;模型切换后,下一次生成自动换写法。
通用生成公式(参考 Krene 提示词教程):
主体 + 动作 + 环境 + 艺术风格 + 光影 + 构图 + 限制条件
编辑公式:
动作动词 + 目标元素 + 期望的变化 + 风格细节
常用约束词:保持 / 修改 / 添加 / 删除 / 替换。编辑时只改一个点,列全保留项,并重复“其余不变”。
不同模型族的写法差异:
| 模型族 | 写法 | 语言 | negative prompt | 文字渲染 |
|---|---|---|---|---|
| GPT-Image | 结构化自然语言:场景 → 主体 → 细节 → 约束 | 英文优先 | 不支持 | 强 |
| DALL·E 3 | 完整自然语言段落 | 英文优先 | 不支持 | 弱 |
| FLUX / Kontext | 自然语言散文,30–80 词 | 英文优先 | 不支持 | 弱 |
| Seedream | 简洁中文叙事,主体 + 行为 + 环境 | 中文优先 | 不支持 | 强 |
| Qwen-Image | 中文/英文自然语言,可长可细 | 中文优先 | 支持 | 强 |
| Nano Banana / Gemini Image | 自然语言叙事 + 参考图关系指令 | 中英皆可 | 不支持 | 强 |
| Stable Diffusion / Stability | SD3.5 自然语言;SDXL/1.5 短语标签 | 英文优先 | 支持 | 弱 |
| 通义万相 | 中文自然语言,简洁具体 | 中文 | 支持 | 一般 |
| Kolors | 中文自然语言,写实/插画均可 | 中文 | 支持 | 一般 |
完整的模型模板、场景模板和自检清单在 skills/mo-image-generation/SKILL.md 与 skills/mo-image-editing/SKILL.md。插件会把这两个技能注册成运行时技能,模型按需加载;提示词写法表在 lib/prompt-profiles.js。
negative_prompt 只在支持它的适配器白名单里发送(Stability、硅基流动、通义万相、通用兼容);GPT-Image、DALL·E 3、FLUX、Seedream、Nano Banana 不支持,传了会被白名单过滤或触发上游报错后自动摘掉。
参考的模型侧提示词指南:
- OpenAI GPT-Image prompting guide
- Google Nano Banana prompting guide
- Black Forest Labs FLUX core principles
- 火山方舟 Seedream 提示词指南
- 阿里云 Qwen-Image API
模型适配层
不同平台的生图接口「长得不一样」:字段名不同(size / width,height / image_size / aspect_ratio)、取值范围不同(有的只认固定几个尺寸,有的有最小像素预算)、回应形状不同(b64_json / url / 直接二进制)。
插件把这些差异收进 lib/adapters.js 的适配器描述符里,调用方只认一套规范参数:
| 字段 | 作用 |
|---|---|
send[] | 白名单:只有列出来的字段才会写进请求体,没列的一律不发 |
size | 尺寸怎么编码、该模型接受哪些尺寸。control 决定选择器给什么控件(wh 宽高 / aspect 比例+档位 / preset 档位下拉+自定义 / prompt 宽高写进提示词),wire 说明上游真实吃什么,tiers 是档位名与像素,allowed 是白名单(allowCustom: true 时白名单外的宽高也照发),sizeByModel 按模型覆盖整套策略 |
quality | 该模型是否有质量档位、档位名称/数量,以及如何映射成平台参数(如 DALL·E 的 standard/hd、Ideogram 的 rendering_speed);没有就不下发,选择器也不显示质量行 |
transport | json 或 multipart |
response | 从任意形状的回应里挖出图片(b64 / data-url / 外链 / 二进制都认) |
authHeader | bearer(默认)/ api-key(Azure)/ x-key(BFL)/ fal-key(fal) |
endpoints | 可以是字符串,也可以是按模型拼路径的函数(Ideogram、fal、Replicate) |
async + poll | 异步入队型;新描述符自带 build / submitPath / pollUrl / pollHeaders / statusOf / resolve |
autoAsync | 通用兜底自己识别:响应里有图就同步返回,有任务 id / 轮询地址就跟着轮询(自定义 API 不需要选它) |
compose | body 需要嵌套(如 {input, parameters})时把白名单字段折叠进去 |
内置适配器:openai-images(通用兜底,自动同步/异步)、openai-responses、openrouter-images、azure-openai、openai-chat(中转)、gpt-image、dall-e-3、google-gemini、xai-imagine、recraft、ideogram、stability、together、siliconflow、volcengine-ark、dashscope-qwen-image、dashscope-wanx、zhipu、bfl、fal、replicate、modelscope、a1111、comfyui、swarmui、localai。
交互形态都覆盖:
- 同步:一次请求直接返回图片
- 异步入队:提交后拿到
task_id/polling_url/status_url,轮询到成功再下载;百炼万相、BFL、fal、Replicate、魔搭五家的提交与状态词都收在适配器的async描述符里 - 通用兜底自动识别:自定义 API 和不认识的域名走
openai-images,它会自己判断——响应里直接有图就同步返回;有task_id、poll_url、status_url、urls.get、Location之类的任务信号就转轮询。轮询地址优先用响应给的,没给就按常见约定推/v1/tasks/{id}、/tasks/{id}、提交地址/{id},前一个 404/405 自动换下一个;状态词认SUCCEEDED/SUCCESS/COMPLETED/READY和FAILED/ERROR/CANCELED等,图出现在output_images、images、data、output、result里都能取到。所以接入新的异步厂商时,通常只要在「自定义模型 API」里填地址、Key 和模型 ID,不用再加适配器。
选择规则:设置页的「API 协议」下拉可直接指定适配器;选「自动识别」时按「provider.adapter 显式值 → API 域名 → 模型 ID → openai-images 兜底」匹配。
已知限制
- 通用异步识别有边界:
openai-images的自动轮询只覆盖「OpenAI 兼容形状 + 常见任务字段/状态词」。如果厂商要求专用请求头(如魔搭的X-ModelScope-Async-Mode)、专用轮询头、或者完全不同的 envelope,仍然需要专用适配器——这类平台已经内置了适配器(modelscope、bfl、fal、replicate、dashscope-wanx)。 - 新协议只做了 mock 验证:
openai-responses、openrouter-images、azure-openai、openai-chat、bfl、fal、replicate、modelscope的协议形状来自 2026-11 官方文档/官方示例代码,但本机没有对应账号,未做真实连通验证。真实调用若报字段错误,请带上$DSH_HOME/mo-image/host.log反馈。 - gpt-image 的新参数没做 UI:
background/moderation/output_compression等 2026 年新增字段暂不发送,等设置页有入口再接。 - C 级协议未实现:Krea、Luma Photon、Runway、腾讯混元、百度文心一格、Adobe Firefly、Gemini Interactions API 留在后续版本。
- Google Imagen 已停用:Gemini API 下线、Vertex 侧 2026-06-30 停服,插件不再支持;请改用
gemini-3.1-flash-image等 Nano Banana 模型。 - Vertex AI 未支持:需要 OAuth access token(1 小时过期)且没有模型列表端点。
尺寸控件跟着模型变:选择器的「尺寸」面板按当前模型能接受什么渲染——收宽高就给两个输入框(wh)、只收宽高比就给比例下拉加档位下拉(aspect)、只认档位/固定像素表就给尺寸下拉加「自定义」(preset)、完全不收尺寸参数就给宽高输入框并把尺寸写进提示词(prompt)。自动尺寸复选框仍在上方;严格复选框始终可用,自动尺寸下模型自己填了 size 时同样生效。
严格模式:开启后成品尺寸一定等于请求尺寸——上游出大了就缩、出小了就放大(会注明画质有损),比例不符时先按居中裁切再缩,绝不拉伸。工具结果同时给 size(成品)和 generated(上游原始尺寸);缩过图时上游那张原图会留在同一目录(文件名加 -original),结果的 original 指向它,缩放失败也会明说并保留原图。档位型模型(如方舟的 2K)的档位只是参考值,官方并不保证像素,这种情况下严格模式不缩,只回报真实尺寸。
尺寸被拒不再自动改大:上游报「尺寸超限/非法」时直接失败,并把该模型的合法范围写进错误(白名单、档位名,或像素/单边/倍数约束)。白名单吸附与像素夹取仍然保留——它们是把你的尺寸落成该模型真正接受的尺寸,和「偷偷换一个更大尺寸再试」不是一回事。
错误自愈:上游报「不认识某某参数」时摘掉该字段重试;429 / 5xx 退避重试。降级过程都会写日志,方便回头把描述符改准。
新增一家平台:在 lib/adapters.js 里加一条描述符即可,不用动工具层和前端。
网络
请求由宿主进程发出,插件不会修改系统的网络设置。本机地址(localhost、127.*、::1)永远直连,本地适配器(A1111 / ComfyUI / SwarmUI / sd-server / LocalAI)不受影响。网络失败的原因会写进 $DSH_HOME/mo-image/host.log。
常见问题
设置里没有“生图模型”
确认插件已安装、profile 的 dsh.profile.bundles 包含 dsh-mo-image,并重启过 DSH。
请求报 fetch failed,或 网络请求失败:xxx UND_ERR_CONNECT_TIMEOUT,直连。TCP 连接超时。
目标域名在当前网络下连不通,不是 Key 或模型的问题。先检查本机网络、DNS 和目标服务是否可达;插件不会修改系统的网络设置。
401 / 403
检查 API Key 是否有效,以及 Key 和 API 地址是否属于同一平台。
400 model
模型 ID 不在该平台的支持列表里,替换成平台提供的模型 ID。
图片编辑超时
图片编辑比文生图慢,不要连续重复提交同一个请求。
License
MIT。Codex 皮肤的几何、色板与粒子分布改编自 dsh-codex-model-effort-selector(MIT),完整许可见 THIRD-PARTY-NOTICES.md。
Plugins associés
dsh-web-ui (dsh-tool-describe-image)
zhu1090093659/dsh-web-ui
modlens
liustack/modlens
ipollowork
devin-axis/ipollowork
dsh-image-gen
shanliuling/dsh-image-gen