Skip to main content
L

dsh-plugin-screenshot-ask

l-aim/dsh-plugin-screenshot-ask

Windows screen-region picker for the composer: drag a box over any application, fine-tune it with eight handles, then confirm or copy it, and the crop appears in the input box as an attachment ready to send with a question. Its HTTP routes have no DSH access check, so a web page open in your browser could call them.

Install

dsh plugin --profile web add github:l-aim/dsh-plugin-screenshot-ask

README

截图提问 · dsh-plugin-screenshot-ask

给 DeepSeek Harness 的截图插件:点一下,框选屏幕上任意一块区域,截图直接出现在输入框里 (不再是「先存文件、再拖进来」),补一句话就能发。

只支持 Windows(依赖 PowerShell 5.1 + WPF)。

用起来是什么样

  1. 输入框左下角点 +,在「指令」组里点 截图提问;
  2. 屏幕变暗、DSH 自动让开,拖出一块区域;
  3. 松手后还能调:拖八个把手改大小、拖框内移动位置,工具条上显示 宽 × 高(物理像素);
  4. 确认(或 Enter)→ 图片进输入框;复制 → 只进剪贴板;取消(或 Esc / 右键)→ 什么都不做;
  5. 在输入框里补问题,发送。

环境要求

项目要求
系统Windows 10 / 11
PowerShell5.1(脚本自带 -ExecutionPolicy Bypass,不用改系统策略)
DSH带 Web UI 的版本(用到 commands / webServer 两个服务)
Node≥ 20(插件是纯 ES module,无构建步骤)

安装

把仓库目录(含 package.json 的那一层)装进当前 profile:

plugin_manager install_bundle  <本仓库绝对路径>

装完会往 profile 里加一条 dsh-plugin-screenshot-ask。改完代码不必重装,重载一次即可:

plugin_manager set_bundle  target=dsh-plugin-screenshot-ask  enabled=false
plugin_manager set_bundle  target=dsh-plugin-screenshot-ask  enabled=true

然后刷新页面(Ctrl+R),+ 菜单里就有「截图提问」了。

它怎么工作

点击命令 ──▶ 页面 POST /api/screenshot-ask/capture-region
              │
              ▼
       宿主 index.js ── 写一行 JSON 进常驻进程 stdin
              │
              ▼
   lib/server.ps1(常驻,WPF 只装载一次)
     隐藏 DSH 窗口 → 抓全屏静帧 → 弹覆盖层拖框/微调 → 裁切 → PNG base64
              │
              ▼
       宿主包成 data:image/png;base64,… 返回页面
              │
              ▼
   lib/client.js 造一个 DataTransfer + drop 事件派发到输入框
              │
              ▼
       原生附件链路:缩略图 → 上传 → 发送(与手动拖图完全一致)

两个关键取舍:

  • 不碰未公开 API:图片进输入框靠的是「模拟一次拖放」。ui-attachment 在 document 上 监听 drop,只看 dataTransfer.types 是否含 Files,所以页面里自己造事件就够了, 缩略图、上传、发送全走原生链路。
  • 为什么截图时 DSH 要消失几十毫秒:静帧里不能有 DSH 自己。本想让窗口对截图「透明」 (SetWindowDisplayAffinity(WDA_EXCLUDEFROMCAPTURE)),实测无效——该 API 只对调用进程 自己的窗口生效,跨进程调用直接返回 false。所以只能 隐藏 → 抓图 → 恢复。

顺带一个坑:DSH 是 Electron 多进程,可见窗口属于主进程而插件宿主只是它的子进程,所以窗口是按 进程族找的;族里还有 Chromium 的隐藏辅助窗口(Chrome_WidgetWin_0),那些本来不可见的 窗口一律不碰——曾经把它们一起 ShowWindow,结果误显示成一块纯黑矩形。

目录结构

文件角色
index.js宿主半边:两条 webServer 路由 + 常驻子进程管理(stdin/stdout 一行一 JSON)
lib/server.ps1常驻进程:抓屏、圈选覆盖层、裁切、PNG 编码
lib/client.js页面半边:注册命令行 + 把 base64 变成真的 File 塞进输入框
cordis.patch.ymlbundle patch:往组合里插入 id: screenshot-ask

性能(2560×1600 @150%)

操作耗时
首次点击(起进程 + 预热 .NET/WPF)~1.6 s
之后每次框选260–500 ms
抓整屏不弹覆盖层(调试路由)~370 ms

已知限制

  • 只有矩形圈选,没有椭圆、贴边吸附、滚动截屏、标注。
  • 截图瞬间 DSH 会消失约 60–200 ms(先把它从画面里拿掉)。
  • 多显示器按虚拟屏整体做底图;各屏缩放比例不同时,选区可能差几个像素。
  • 同一时刻只允许一次圈选,重复点击返回 code: busy。
  • 覆盖层 180 s 无操作会自动取消,避免屏幕一直被盖住。

排错

  • 日志:%TEMP%\dsh-plugin-screenshot-ask.log (server warm (pid …) / hide settle: …ms (1 window(s), K invisible skipped) / region: 宽x高, 字节, 耗时 / region: 用户取消)。

  • 直接跟常驻进程对话(一行一条 JSON):

    printf '{"id":1,"op":"ping"}\n{"id":2,"op":"crop","rect":"100,100,400,300"}\n' | powershell -NoProfile -ExecutionPolicy Bypass -File lib\server.ps1
    
  • 看它到底认了哪个窗口:发 {"id":1,"op":"windows"},返回识别到的进程族与窗口矩形。

  • 验证「隐藏真的改变了画面」:同一矩形分别用 {"id":1,"op":"crop","rect":"x,y,w,h","nohide":true} 与不带 nohide 各抓一张,两张图必须显著不同——一样就说明窗口没被藏掉。

许可证

见 LICENSE。

Related plugins