dsh-cycle-image-gen

dsh-cycle-image-gen

DeepSeek Harness 的生图插件：模型可调用的 generate_image 工具，通过任意 OpenAI 兼容的端点（中转站）文生图或图生图，生成结果既作为耐久附件进入会话，也内联显示在 Web UI 的对话里。

安装：dsh plugin --profile web add @chengzzzi44/dsh-cycle-image-gen

包主页：https://www.npmjs.com/package/@chengzzzi44/dsh-cycle-image-gen

半边	产物	作用
Host（Node）	lib/index.js	注册 generate_image 工具：请求中转站、解码图片、写入附件库、可选落盘；并注册 image-gen 设置段（地址 / 模型 / 密钥引用）
Client（浏览器）	lib/client.js	注册四处 UI：tool.call.toolview 的工具卡片、conversation.chat.turnTail 的收尾缩略图行、「设置 → 插件 → 插件配置」里的 image-gen 设置卡片，以及右侧栏的 image tab 类型（把工作区内的图片副本正常显示出来）

效果

文生图 —— 图片内联显示在工具结果与回复下方的缩略图行里，同时落一份可在右侧栏打开的工作区副本：

图生图 —— 把上一张图的路径填进 image 参数继续编辑，原图保留、新图另存：

图显示在哪里

生成图会在 Web UI 里出现两次，两处都来自同一份耐久附件引用：

1. 工具卡片里（generate_image 那一步）—— 在 turn 的「过程 / 思考链」折叠区内。所有工具结果都在这里，不是图片特有的。
2. 收尾 assistant 消息下方的「Generated image」行 —— 缩略图，在过程折叠区之外，点一下用 openFile 打开工作区副本，由本插件注册的右侧栏 image tab 显示（需配置 outputDir；侧栏只读会话工作区内的文件，所以推荐用相对路径）。插件自带的文本预览读不了图片，image tab 在扩展优先级上高于它，因此图片会落到正确的查看器里。

第二处是纯插件实现的：ui-chat 只允许少数几种节点跳出过程区，turn-tail 是其中唯一可被插件认领的（conversation.chat.turnTail chain slot）。它本身只给 {turn, seq, openFile}、不带图片加载器，所以插件转而注入 uiConversation service，用 imageUrl(sessionId, ref) / peekImageUrl 自己拿会话授权的 URL —— 这与聊天视图给消息和工具画廊用的是同一个加载器。

注意这是个 chain：同一个收尾 turn 只会渲染第一个接受它的条目。随附的 web 组合里 ui-deliverables（产出文件行）的条目先注册，所以一个 turn 既生图又改文件时由它认领，此时缩略图行不显示。

安装

前置条件：一个可用的 dsh，以及 PATH 里的 pnpm（dsh plugin 把参数转发给 profile 目录里的 pnpm，缺 pnpm 会以 127 退出）。

从 npm 安装（推荐）：

dsh plugin --profile web add @chengzzzi44/dsh-cycle-image-gen

升级到已发布的最新版（或用 @x.y.z 固定版本）：

dsh plugin --profile web add @chengzzzi44/dsh-cycle-image-gen@latest

从本仓库源码安装：

git clone https://github.com/chengzzzi44/dsh-cycle-image-gen.git
cd dsh-cycle-image-gen && npm install    # 装构建依赖并执行 prepare，产出 lib/
dsh plugin --profile web add "$PWD"

从 tgz 安装（离线分发）：见 DISTRIBUTE.md。

包声明了 dsh.bundle，所以 dsh plugin 会把它的 patch 层追加到 $DSH_HOME/profiles/web/package.json 的 dsh.profile.bundles（DSH_HOME 默认 ~/.dsh）。验证层已生效：

dsh --profile web --dump-config | grep -A 8 "dsh-cycle-image-gen"

在 DeepSeek Harness 源码 checkout 里工作时，把上面的 dsh 换成 pnpm dsh。

产物落在 lib/index.js 与 lib/client.js。运行时只依赖一个包：@deepseek-ai/schemastery（设置段的 schema，与 harness 自身的设置服务同版本）。Host 半边的其余部分只用 node: 内置模块，Client 半边只从浏览器模块表取 react。

配置

推荐用设置面板：Web UI 里打开「设置 → 插件 → 插件配置」，展开 image-gen 卡片，填接口地址、模型、（可选）密钥，点保存。改动立即对下一次生成生效 —— 不用改文件，也不用重启。

机制上，Host 半边用 ctx.settings.installSection 注册 image-gen 命名空间，composition 里这一行的 config 是它的 base 层：已经写在 cordis.patch.yml 里的配置继续生效，卡片只写用户覆盖的那几个字段，每个字段旁的「恢复默认」就是清掉这一层覆盖。工具每次调用都重新读一遍这个段，所以保存后不需要重启。

仍可继续写在 profile 自己的 cordis.patch.yml（$DSH_HOME/profiles/web/cordis.patch.yml）里 —— 后面的层按行覆盖，并且整体替换 config，所以要写全你想保留的键：

- id: image-gen
  config:
    baseUrl: 'https://your-relay.example.com/v1'
    model: 'gpt-image-2.5'
    apiKeyEnv: GPT_IMAGE_API_KEY
    # 相对路径会落在「当前会话工作区」里，Web 侧栏才能读取它
    outputDir: 'generated-images'

一个字都不改文件的最小配置是环境变量：DSH_IMAGE_GEN_BASE_URL 与 DSH_IMAGE_GEN_MODEL（bundle 层的默认值就是读这两个）。

没有挂载设置服务的部署（例如自定义的 headless composition）：设置卡片不会出现，image-gen 命名空间也不注册，工具本身照常工作 —— 按上面两种方式配置即可。

提供密钥

界面上填：image-gen 卡片的三行字段之一就是密钥。它读写的不是设置文档，而是凭据域（credentials-local provider 管理的 $DSH_HOME/.credentials.yaml），所以只显示「已配置 / 未配置」、永不回显，密钥本身不会进设置文件。它保存到哪个引用名，由设置段里的 apiKeyEnv 决定（默认 GPT_IMAGE_API_KEY），卡片会把它显示在提示里。

也可以自己放：

插件按顺序解析凭据：先 ctx.credentials（覆盖启动环境、调用目录的 .env、以及 $DSH_HOME/.env），再直接读进程环境变量。所以任选一种：

# 推荐：写进 Harness home 的 .env，重启后一直有效，不依赖 shell 配置
printf 'GPT_IMAGE_API_KEY=%s\n' 'sk-xxxx' >> "${DSH_HOME:-$HOME/.dsh}/.env" && chmod 600 "${DSH_HOME:-$HOME/.dsh}/.env"

# 或者每次启动前导出
export GPT_IMAGE_API_KEY=sk-xxxx

不要把密钥直接填进 apiKeyEnv：那个字段是凭据的引用名（变量名），不是密钥本身。填错的话凭据永远解析不到，工具会报 no credential for "sk-…"。键名可以自定义，改 apiKeyEnv 指向即可。

重启

dsh web

第一次装上插件后需要重启一次：Host 半边要在启动时注册 image-gen 设置段。之后在设置面板里的改动不需要再重启（工具每次调用都重读该段，密钥也是每次解析）。

重启后对话里直接说「画一只戴墨镜的柴犬」，模型会调用 generate_image，图片内联出现在对话中。要在界面上改配置就去「设置 → 插件 → 插件配置 → image-gen」。

设置卡片

「设置 → 插件 → 插件配置」里的 image-gen 条目和其它插件一样是可折叠卡片：默认收起，只有标题行和一句说明；点标题行展开，才出现下面三个字段和保存按钮。标题行右侧在有任何未保存改动时显示「未保存」（收起状态下也看得到），保存成功后自动收起；保存失败则保持展开，并把失败原因留在底部。

展开后是三行：

行	写到哪里	说明
接口地址	设置文档 image-gen 段的 baseUrl	到版本段为止；schema 里带绝对 URL 规则，写错在这里就被拒
模型	同一段的 model	发给中转站的模型 id
接口密钥	凭据域里的 apiKeyEnv 引用	输入框始终为空，只显示「已配置 / 未配置」；留空保存表示不改密钥

保存会把这几个字段作为一次原子写入（带 revision 围栏：draft 期间设置文档如果被别处改过，这次保存会被拒绝并要求重读，而不是覆盖别人的改动），然后再写密钥。带用户覆盖的字段旁的「恢复默认」会清掉该字段的覆盖（密钥行没有这个控件），让它重新继承 composition 里的值。

卡片只在当前部署挂载了设置服务时出现 —— 不挂载就什么都不渲染（而不是渲染一张点不动的卡片）；这是有意的可选依赖：没有它，工具卡片、收尾缩略图、以及 cordis.patch.yml 配置路径都不受影响。

不安装、直接开发调试

--patch overlay 可以按绝对路径挂载插件，改完 npm run build 重启即可。先把 examples/web-overlay.cordis.patch.yml 里的 name 占位符替换成本机实际路径（outputDir 已是相对路径，会落在会话工作区）：

# 在 DeepSeek Harness 源码 checkout 里执行；overlay 用绝对路径，因此与 cwd 无关
pnpm dsh --profile web --patch /path/to/dsh-cycle-image-gen/examples/web-overlay.cordis.patch.yml --port 3099

配置项

全部字段都在 cordis.yml 里可改，插件不硬编码任何部署相关取值。同一份字段表也是 image-gen 设置段的 schema（连默认值都在这里），所以设置面板读到的是完整生效配置，而卡片只渲染最常用的三项：baseUrl、model、密钥。extraHeaders 在 schema 里标了 secret，它的值不会跨过设置接口。

字段	默认值	说明
baseUrl	—（必须设置）	中转站前缀，到版本段为止，如 https://relay.example.com/v1。未设置时工具仍注册，但每次调用都会明确报错
endpointPath	/images/generations	文生图请求的路径，追加到 baseUrl
editEndpointPath	/images/edits	图生图请求的路径；带参考图时走这条，发出的是 multipart/form-data
maxInputImageBytes	52428800（50 MiB）	单张参考图的上传上限
model	gpt-image-2.5	发给中转站的模型 id
apiKeyEnv	GPT_IMAGE_API_KEY	凭据引用名
defaultSize	1024x1024	调用未给 size 时使用
defaultQuality	—（不发送该字段）	调用未给 quality 时使用
requestTimeoutMs	300000	整次请求预算，含图片下载
maxImagesPerCall	4	单次调用 n 的上限
outputDir	—（不落盘）	副本目录。绝对路径原样使用；相对路径在每次调用时相对当前会话工作区解析（这样 Web 侧栏、openFile 和内置文件工具都能读到它）。设置后每张生成图额外写一份文件，便于直接打开或分享
extraBody	{}	合并进请求体的额外字段，用于中转站私有参数
extraHeaders	{}	额外请求头，用于非 Bearer 的鉴权方案

工具参数

参数	必填	说明
prompt	✅	画面描述；图生图时是修改要求
image		参考图的文件路径。给了就走编辑端点（图生图）；不给就是文生图
mask		蒙版图片的路径（OpenAI 要求 PNG），选定要重绘的区域；必须与 image 同时给
size		宽x高，需中转站支持
quality		例如 low / medium / high
background		transparent 或 opaque
n		生成张数，1..maxImagesPerCall，默认 1

工作原理

图片怎么进入会话。 中转站返回的 b64_json（或 url，会被下载）解码成字节，媒体类型由字节签名判定而非响应的 content-type，然后经 ctx.attachments.saveImage() 提交为内容寻址的耐久附件。工具返回的 canonical value 里带 attachmentId，output.render 把它变成 image 内容块。附件先落库、后追加 tool/result 事件，所以重放时引用一定有效。

模型看不看得见图。 取决于当前模型是否声明 image 输入。支持的模型能直接看到图；纯文本模型会被 dsh-llm 的投影替换成稳定占位文本（[image omitted because this model accepts text only; …]），此时模型只拿到附件 id —— 只有在配置了 outputDir 时，工具 envelope 里才带有可直接使用的文件路径。两种情况下图都会正常显示给用户。

图生图的参考图怎么传给模型。 工具参数是 JSON，图片进不去，所以参考图走路径。而 vision 路由下，Harness 的请求投影本来就会在每张图旁边写给模型一段 handle 文本：

Image "photo.png" (sha256:…); request preview 1066x600px. Normalized copy (read-only; may be resized or re-encoded): "/Users/…/.dsh/attachments/…/x.png" (1066x600px, image/png). Source dimensions, format, and byte size may differ.

也就是说，用户在对话里贴一张图，模型天然就拿到了那张图的规范化副本路径，可以直接把它填进 image 参数；生成图则因为插件会把副本写进 outputDir 并把路径写进 envelope 文本，同样可以被下一轮引用。注意这条链路需要声明了 image 输入的模型（vision 路由）——纯文本模型只会看到占用位文本，拿不到路径。插件本身不做路由门禁：image 参数是文件路径，任何模型只要能把路径填对就能用。

UI 卡片为什么不抢 tool.call.images。 那个 slot 是 single 类型、已被内置 read_image 视图声明，第二个声明者会在加载时直接抛错。而每个原子 Tool 视图的 owner props 都会拿到会话授权的 loadImage，所以本插件自己渲染 <img>，对内置 UI 完全增量、零改动。

验证

npm run typecheck    # tsc --noEmit
npm test             # = npm run selftest：两个无密钥自测，见下

Host 自测（scripts/selftest.mjs）起一个本地 HTTP 服务充当假中转站，不需要真实密钥或模型，覆盖：

• 文生图：JSON 请求体、端点拼接、Bearer 头、prompt/n/size/model 字段
• 图生图：带参考图时切到编辑端点、发出 multipart/form-data、boundary 由 fetch 掌管、参考图字节确实进了 multipart、source 进入 canonical value / envelope / 卡片元数据
• 落盘：工作区副本与返回字节逐字节一致
• 拒绝路径：n 越界、mask 不带 image、参考图文件不存在、参考图不是图片格式——且都不消耗中转站请求
• 设置段：注册的命名空间与 schema 字段、extraHeaders 的 secret 角色、composition 行作为 base 层、setSource + onChange 之后下一次调用真的换了端点与模型、以及不可用的段保留上一份好配置
• 可选依赖：没挂设置服务的部署里，注入顺序仍是「先 settings 再 attachments」，工具照常注册

Client 自测（scripts/client-selftest.mjs）在 Node 里装上 window.__ModuleLoader__.load 的交接、直接求值 lib/client.js，然后用合成事件驱动 turn-tail fold，覆盖：

• bundle 以正确的 id 注册，inject 声明了 slots 与 locale，各处 slot 注册都发生在对应的注入回调里
• 设置卡片：以 image-gen 为 key 注册进 settings.plugin.item，绑定同名命名空间；没有 settingsScope 的部署只少这张卡片
• turn/start → tool/call → tool/result 的折叠产出正确的 turn 数据（附件引用 + 工作区路径）
• 归因：只有 generate_image 的结果进入该行，别的工具返回的图片不会
• 拒绝路径：replace 类型的结果不匹配、失败的调用不贡献、收尾 seq 之后的图片被排除、无图片时 selector 返回 null 让出 chain
• inject 工厂拿到 session id 并把 imageUrl 绑定到该 session

已装载验证（需真实运行）：--dump-config 显示该行被 profile 层覆盖；浏览器清单含该插件的 client.js；combo 产物含 conversation.chat.turnTail 与 turn 数据键；settings.describe 里出现 image-gen 命名空间。

已知限制

• 参考图只接受文件路径。 不支持传 attachment id；也不需要——vision 路由会把规范化副本路径直接写给模型。
• 只上传一张参考图。 OpenAI 的编辑端点支持多图合成（image[]），本插件只发单张 image，多图合成的 multipart 字段名各家不一，没有可靠依据前不猜。
• 参考图用 node:fs 直读。 不走 ctx.fs，因此在远程沙箱（E2B）下，路径必须是宿主进程能读到的本地文件；本地 web profile 没问题。
• 只认 OpenAI 兼容响应。 要求响应体是 { data: [{ b64_json | url }] }。响应结构不同的中转站需要改 src/relay.ts。
• 返回 URL 时不带凭据下载。 图片 URL 常常指向另一台主机，为避免泄露中转站密钥，下载请求不带 Authorization；需要鉴权的图床会失败。
• extraBody 在 multipart 路径下只发标量。 结构化值无法表达为 multipart 字段，只有文生图路径能发。
• 卡片是精简版。 没有灯箱放大、没有下载按钮；点击图片会用 openFile 打开工作区副本（仅当配置了 outputDir），由右侧栏的 image tab 全尺寸显示。图片超过 32 MB 时该 tab 会拒绝加载（附件库里仍有原件）。
• 收尾缩略图行可能被产出文件行挤掉。 conversation.chat.turnTail 是 chain，同 turn 只渲染第一个认领者；随附的 web 组合里 ui-deliverables 的条目先注册，所以既生图又改文件的 turn 由它认领。
• 缩略图行只有图片本身和文件名。 turn-tail 的 owner 不提供灯箱或布局上下文，所以这一行是固定 120px 高的缩略图，不是完整画廊。
• 文案走 ctx.locale 字典（命名空间 dsh-cycle-image-gen）。 因此浏览器半边把 locale 声明为必需依赖：组合里没有 locale 服务时整个浏览器半边不激活（Host 半边的工具不受影响）。
• 设置段 schema 与运行时校验是两处。 设置段用 @deepseek-ai/schemastery 声明（含绝对 URL 规则），工具运行时仍走手写的 resolveConfig：schema 管住界面写入，resolveConfig 管住每一次调用，两者共享 src/config.ts 的默认值常量。schema 表达不了的约束（例如 maxImagesPerCall 至少为 1）由 resolveConfig 拒绝，此时插件保留上一份好配置并告警。
• 设置卡片只覆盖三项。 outputDir、defaultSize、endpointPath、extraBody 等仍要写 cordis.patch.yml；卡片是有意做窄的，只放最常改的三个值。
• 密钥字段不回显、也不能清空。 只显示「已配置 / 未配置」；换 key 直接填新的即可，想彻底删掉引用目前要走 credentials.unset（界面没做这个按钮）。
• 密钥输入框可能是禁用的，而且这是正确的。 凭据域只允许写「可写来源」：如果这个变量是从启动进程的环境里传进来的（export 后启动、-e、CI secret），环境层优先于托管文件，写进去也不会生效，所以控件禁用并在下面说明原因；$DSH_HOME/.env 与 $DSH_HOME/.credentials.yaml 都是可写的。想知道当前 key 从哪来，看卡片提示里显示的引用名，或直接看 describe 的 source。没有挂载凭据服务的部署同理（提示里会说）。
• 凭据命名空间是按 remote.credentials 这个服务名取的。 客户端 Remote 把每个命名空间注册成独立服务（服务名 remote.<namespace>），remote 服务本身只有 $on/$mount/$host；插件通过作用域注入按需读取，晚挂载时会重新读取，所以不依赖挂载顺序。
• 收尾缩略图行依赖 uiConversation 客户端服务。 该行经 ctx.inject(['uiConversation'], …) 注册；组合里没有这个服务时只少这一行，工具卡片与设置卡片不受影响。
• 未声明 DSH 版本兼容范围。 浏览器半边依赖若干 pre-stable 内部面（uiConversation、settingsScope、settings.plugin.item、remote.credentials、turn data schema），Host 半边依赖 ctx.tools / ctx.attachments / ctx.credentials / ctx.settings。升级 harness 后请重跑 npm test 并做一次实际装载验证。
• 未接入 OpenAI 的 output_format 参数。 输出格式由中转站决定，插件按字节签名自适应。

贡献

• npm ci 安装依赖并构建（prepare 会产出 lib/），npm test 跑两个无密钥自测，npm run typecheck 做类型检查；CI 在 Node 22 / 24 上跑同样的三步。
• 改动 src/*.ts 或 src/client/* 后必须 npm run build：profile 装载的是 lib/，不是源码。
• 行为或模型可见输出有变化时，请同步更新本 README 的对应章节。
• 发布新版本、npm token 怎么配、报错怎么排查，见 docs/PUBLISH.md。

已验证版本

发布 0.1.0 时验证过的环境：

• Node.js 22：npm run typecheck、npm test 通过。
• DeepSeek Harness 源码 checkout（@deepseek-ai/dsh-* 0.1.5-alpha.1）：web profile 装载后 generate_image 工具注册可用。

浏览器半边绑定了 harness 的若干 pre-stable 内部服务与插槽（uiConversation、settingsScope、settings.plugin.item、remote.credentials）。换 harness 版本后请重跑 npm test，并在 Web UI 里确认工具卡片、缩略图行与设置卡片都还在。

License

MIT