@logictan/dsh-imagegen 1.5.13 → 2.0.0

package/README.md

@@ -10,398 +10,69 @@
 
 <div align="center">
 
-## DeepSeek Harness 最好用的 AI 生图工作台
+## DeepSeek Harness 的聊天内生图插件
 
-**无限画布** 自由编排 · **电商套图** 一键成套 · **对话生图** 连续编辑 · **画廊** 资产沉淀
-
-[快速开始](#quick-start)&nbsp;&nbsp;·&nbsp;&nbsp;[无限画布](#canvas)&nbsp;&nbsp;·&nbsp;&nbsp;[电商模式](#ecommerce)&nbsp;&nbsp;·&nbsp;&nbsp;[文生图 / 图生图](#txt2img)&nbsp;&nbsp;·&nbsp;&nbsp;[画廊](#gallery)&nbsp;&nbsp;·&nbsp;&nbsp;[配置](#configuration)&nbsp;&nbsp;·&nbsp;&nbsp;[交流群](#community)
+在对话里直接 **文生图 / 图生图** · 多 **渠道** 各自一套模型目录 · 无需离开会话
 
 </div>
 
-`dsh-imagegen` 是 DeepSeek Harness（DSH）的原生 AI 图像工作台。配置任意 OpenAI 兼容生图接口后，Agent 对话生图、`/edit_image` 斜杠命令连续编辑、多模型并列对比、多来源案例模板库与画廊资产管理都在同一个窗口完成；电商模式能把一张商品图扩展成主图、卖点图、场景图等一整套商品视觉。生成任务由宿主进程排队执行，不卡界面、不打断对话，图片也不必在多个工具之间来回搬运。
-
-<a id="quick-start"></a>
-## 快速开始
-
-前置条件：已安装 [DeepSeek Harness](https://github.com/deepseek-ai/DeepSeek-Harness) 和 Node.js 20+。
-
-```bash
-dsh plugin --profile web add @logictan/dsh-imagegen
-```
-
-安装后重启 `dsh web`，侧边栏的“新会话”入口会变成“新会话 / 生图”双 Tab（Windows 如遇 PowerShell 脚本策略限制，请使用 `dsh.cmd`）。
-
-首次使用：
+---
 
-1. 打开“设置 → 插件 → VisioWork”，添加一个提供方，填入 API 地址和密钥，点击“检测可用模型”，勾选生图模型后保存。
-2. 点击“生图”Tab，输入一句提示词，生成第一张图。
-3. 想让 Agent 也能画图？保持“允许 Agent 调用生图”开启即可（默认开启）。
+## 这是什么
 
-<details>
-<summary><b>其他安装方式与升级</b></summary>
+dsh-imagegen 把 AI 生图接进 DSH 的对话流程：模型通过 `generate_image` / `edit_image` 工具直接出图，图片以工具结果的形式显示在对话里；你也可以用 `/edit_image` 命令对最近一张图做修改。
 
-**让 Agent 帮你安装** —— 将下面内容直接发给 DSH、Codex 或其他 coding agent：
+插件**不提供**独立的生图页面、画布、画廊或模板库 —— 一切都发生在对话中。
 
-```text
-用 dsh plugin --profile web add @logictan/dsh-imagegen 安装 AI 生图插件。完成后重启 dsh web，点击“新会话 / 生图”中的“生图” Tab，并打开设置中的 VisioWork 配置。
-```
+## 安装
 
-**从 Release 安装** —— 从 [GitHub Releases](https://github.com/dale0525/dsh-plugins/releases) 下载目标版本的 tgz 后执行：
+随聚合包一起安装（推荐）：
 
 ```bash
-dsh plugin --profile web add <下载路径>/logictan-dsh-imagegen-<版本号>.tgz
-```
-
-**升级与回滚** —— 重复执行 `add` 命令即可更新到最新版；面板打开时也会自动检测新版本，出现顶部横幅后可在线更新，完成后重启 `dsh web` 生效。渠道配置、历史记录和画廊数据由 DSH 宿主保存，正常升级不会清空。需要固定版本时，使用 `@logictan/dsh-imagegen@<版本号>` 或指定 Release tgz。
-
-</details>
-
-<div align="center">
-  <img src="docs/images/infinite-canvas-demo.gif" alt="无限画布演示：连线节点、悬停快速添加与弹簧 Dock" width="100%" />
-</div>
-
-<a id="canvas"></a>
-## 无限画布
-
-顶部导航切换到「无限画布」，在节点图上组织 AI 创作：图片节点、文本节点与生成配置节点自由摆放（新建画布自带一组文本 + 配置节点开箱即用），拖动节点左右两侧的圆点即可连线，拖动画布边缘或按住空格 / Ctrl 平移，滚轮缩放（5%–500%）。
-
-<div align="center">
-  <img src="docs/images/infinite-canvas.png" alt="无限画布：文本与图片节点连线驱动生成配置，参考图与提示词外接" width="100%" />
-  <p><sub>文本节点提供提示词、图片节点作为参考图，连线到生成配置节点即可出图并继续串接</sub></p>
-</div>
-
-- **连线即工作流**：把图片节点连线到「生成配置」节点就是参考图（第一张为图生图底图），把文本节点连线过来就是提示词；配置节点上显示「已连接 N 个输入节点」。连线上有流向动画与箭头，一眼可见数据从哪来到哪去。
-- **悬停快速添加**：鼠标放到节点右侧的加号上，直接弹出「文本 / 图片 / 配置 / 文件」选择菜单，选中的新节点自动落到右侧并连线（自动避让已有节点并把画布带到新节点前）；按住加号拖动仍是自由连线，配置节点后不再叠加配置节点。
-- **生成配置节点**：选中后在节点正下方浮出生成器，直接写提示词（或改写连线进来的文本），选模型、比例、清晰度与张数（1–4 张），点发送即提交；结果图片自动出现在配置节点右侧并保留连线关系，可以继续串到下一个配置节点迭代。
-- **素材入库**：历史记录与画廊的每张图一键「加入画布」，本地图片支持拖拽到画布或直接粘贴剪贴板截图；空图片节点可点击上传。
-- **图片节点工具**：图片节点悬停工具条提供四个能力 —— **标注**（在图片上拖框，松开后从框上拉出一条引导线并挂上一张提示词卡片：卡片跟随图片移动、不需要连任何线；生成时自动读取框与提示词，把红框烧进参考图并附带坐标约束；结果图会与干净原图合成，红框标记不会出现在成品里，框外区域也保证与原图一致；重试同样会重建标记图）、**移除背景**（本地抠图，直接产出带透明通道的 PNG，不消耗额度）、**图层拆分**（调用视觉聊天模型把图拆成背景 / 元素 / 文字图层节点，文字层可改字号、加粗与颜色，人物与装饰元素各自独立可移动）、**模型选择**（为这个节点指定模型，重试与相连的生成配置节点默认沿用）。
-- **文本节点排版**：文本节点头部可调字号（A- / A+）、加粗与文字颜色，图层拆分产出的文字层同样可直接编辑。
-- **画布操作**：框选多选、Shift 加选、整体拖动、四角等比缩放、右键菜单、双击空白快速建节点、复制 / 粘贴 / 副本（Ctrl+C/V/D）、撤销重做（Ctrl+Z / Ctrl+Shift+Z）；把图片节点放大后再标注会更顺手，缩放后标注框按比例跟随。左下角小地图可点击跳转，底部工具条悬浮居中（reactbits Dock 式弹簧放大与悬浮标签）：文本、涂鸦、**文件**、配置、模板库、**技能库**，以及背景 / 小地图 / 适应内容等视图项；其中「文件」直接弹出上传并把文件落成文件节点。
-- **背景与视图**：13 种背景一键切换 —— 点阵 / 网格线 / 波浪线 / 滚动方格 / 点场 / 互动点阵 / 浮动线条 / 流体扰动 / 液态以太 / 故障终端 / 丝绸 / 星系 / 空白。其中一组移植自 [React Bits](https://www.reactbits.dev) 的动效背景并做了无依赖重写：「液态以太」是随鼠标搅动的 WebGL 流体速度场，「浮动线条」是指针会压弯的发光波形，「星系」是四层视差星野（鼠标推开星星），「丝绸」是缓慢流动的绸面光泽，「故障终端」是带扫描线与故障位移的 CRT 字符场；「波浪线 / 滚动方格 / 点场 / 互动点阵」为画布 2D 实现，支持鼠标扰动与点击冲击波。浅色 / 深色画布会自动切换明暗墨色，新建画布默认使用液态以太；「适应全部内容」一键回正视图。
-- **数据与多窗口**：画布按项目保存在宿主数据目录（`~/.dsh/dsh-imagegen/canvas`），支持多项目管理与重命名；多窗口同时编辑时保存冲突自动按服务端进度重试合并；旧版本画布数据自动迁移到新结构。
-
-### 文件节点
-
-画布新增**文件节点**：在空白处右键「添加文件节点 / 上传文件」，或直接把文件拖进画布即可建节点；空节点点击也能上传。
-
-- **任意文件**：单文件上限 50MB，宿主按内容寻址落盘（sha256），文档、表格、PDF、压缩包、音视频都可以放上来。
-- **安全边界**：`.exe / .bat / .ps1 / .js / .html / .svg` 等脚本与可执行扩展名会被浏览器与宿主两侧拒绝；除下面列出的可预览类型外，资源一律以 `application/octet-stream` + `attachment` 返回，HTML/SVG 一类的标记永远不会被内联渲染。
-- **节点内预览**：文件内容直接在节点里读，不用先下载，并尽量**按原文件的样子还原** ——
-  - **Markdown**：渲染成富文本（标题、列表、表格、引用、代码块、链接），全屏可切「渲染 / 源码」；
-  - **DOCX**：还原文档结构 —— 标题层级、加粗 / 斜体、项目与编号列表、表格；
-  - **PPTX**：一页一张幻灯片卡片，显示页码、标题、正文要点与内嵌图片；
-  - **文本 / 代码 / JSON / YAML / XML**：宿主解码后显示原文（上限 12 万字符，超出部分给出提示），带行数与滚动，首次渲染先用随资源下发的 8KB 摘要，随后补齐全文；
-  - **CSV / TSV / XLSX**：解析成表格渲染（首行作为表头，最多 300 行 × 40 列），支持带引号的多行单元格；
-  - **ODT / ODP**：从 ODF 容器中抽取正文文本；
-  - **PDF**：交给浏览器内置阅读器内联显示（宿主以 `application/pdf` + `inline` 返回）；
-  - **音频 / 视频**：`<audio>` / `<video>` 直接播放，宿主支持 HTTP Range，进度条可拖动；
-  - **ZIP**：列出压缩包目录（名称 / 大小 / 文件夹，最多 400 项）；
-  - 其他二进制（如 `.doc`、`.tiff`、7z/rar）给出本地化说明，仍可下载或用技能处理。
-  - 以上解析都在宿主侧限量执行（字数 / 行数 / 页数 / 图片字节预算），超大文件只截断不卡顿。
-- **全屏阅读器**：双击节点、点悬浮工具条的「放大预览」或右键菜单同名项，在浮层里查看全文 / 整表 / 整页 / 整副幻灯片，Markdown 可在「渲染 / 源码」间切换，可一键复制内容、在新标签页打开媒体、下载文件，Esc 或点遮罩关闭。
-- **工具条**：技能、下载、放大预览、复制、删除。
-
-### 画布技能
-
-任意图片 / 文本 / 文件节点（生成配置节点除外）的悬浮工具条与右键菜单都有**「技能」**入口，技能把节点内容交给模型或 Agent 继续加工，结果以新节点 + 连线回到画布（运行只产出草稿，仍由浏览器写入文档）。
-
-内置动作：
-
-| 技能 | 适用节点 | 说明 |
-| --- | --- | --- |
-| 文本润色 `polish.text` | 文本 | 更正式 / 更口语 / 更短 / 扩写，或自定义指令 |
-| 图片描述 `describe.image` | 图片 | 视觉模型读出内容，产出可继续当提示词用的文本节点 |
-| 内容抽取 `extract.content` | 文件、图片 | 文本 / 代码直接解码，OOXML（pptx/docx/xlsx）、ODF、PDF 抽取正文（PDF 依赖 FlateDecode 文本流，扫描件请配合 OCR 技能） |
-| 图片转可编辑 PPT `ppt.fromImages` | 图片 | 重任务：驱动本机 `image-to-editable-ppt` 技能，产出 `.pptx` 文件节点 |
-
-- **两层执行**：轻量技能直接调用「提示词增强」所配置的聊天模型（不额外占 Agent 会话）；重任务技能会启动一个**无头 DSH Agent**，把技能正文注入 Agent 的独立系统提示区，并在磁盘上物化输入文件（`<工作目录>/<画布>/<任务>/input|output`），让 Agent 用真实工具跑完整流水线。
-- **运行卡片与连线**：技能开始执行的瞬间，源节点会**延生出一条流动虚线，连到一张运行卡片**上 —— 卡片显示技能名、轻量/重任务角标、阶段步骤条（排队 → 准备输入 → 执行 → 收集产物）、已用时，并可直接取消；重任务执行中每产出文件都会实时提示（如「已产出 2 个文件」）。完成后卡片自动让位给真正的结果节点与连线；失败时卡片保留错误信息，可一键重试或关闭。刷新页面或切换画布后，未完成的运行会自动恢复卡片。
-- **重任务先确认**：长任务技能的菜单会标「重任务」角标，点击后弹出确认框，显示成本提示与前置条件；确认后才创建 Agent，并可在运行卡片上取消。
-- **多节点批量**：多选同类型节点后运行技能会串行覆盖这些节点；一次最多 12 个输入节点。
-- **多选与来源**：技能产出的节点带来源标记，指向它读了哪些节点。
-- **随节点顺手润色**：文本节点工具条的 ✨ 按钮直接弹出风格菜单，一键覆盖原文（Ctrl+Z 撤销）；多选文本节点时同样按顺序批量处理。
-
-#### 需要自己装的技能
-
-画布会自动列出本机 `~/.dsh/skills` 下**可被模型调用**的所有技能（菜单里 id 形如 `skill:<名称>`），并按其自述与 frontmatter 判断轻量 / 重任务。`image-to-editable-ppt` 属于长任务技能，需要你自行安装；它的图片后端可以直接在下面的「技能配置」里填，插件会调用它自己的 `editppt config` 写进 `~/.editppt/config.yaml`。
-
-#### 技能库（在线安装 / 上传安装）
-
-底部 Dock 的**「技能库」**按钮打开管理面板，不用手敲文件系统：
-
-- **在线安装**：粘贴 GitHub 仓库 / 仓库子目录 / 单个 `SKILL.md`（`blob` 链接）/ 任意 git 地址 / zip 地址，一行一个。GitHub 走 `codeload` 归档下载，**不依赖本机 git**；其他 git 地址回退到 `git clone --depth 1`（非交互、180 秒超时）。
-- **上传安装**：点虚线框选择或直接把 zip **拖进虚线框**（≤50MB；解压后总量同样有上限）。压缩包先解到临时目录，确认里面有 `SKILL.md` 且 frontmatter 的 `name` 合法后才落到 `~/.dsh/skills`。在线安装区位于面板顶部，已安装列表移到下方，每条带大小与配置 / 卸载操作。
-- **卸载**：列表里逐条删除（目录、以及扁平的 `<name>.md` 都能识别）。
-- **热加载**：`~/.dsh/skills` 由宿主的技能监听器看着，装完即出现在技能菜单里，**不需要重启**。
-- **没装也能看懂**：菜单里需要外部技能的行会标出「未安装」并给出「去安装」；运行失败若原因是技能缺失，提示条上直接带安装按钮并把上游地址填好。提示条现在固定在画布**顶部**，不会再被底部内容挡住。
-
-#### 技能配置（技能自己声明，面板统一渲染）
-
-技能过去只能靠文档手敲命令行或改 dotfile 配自己的密钥 / 后端。现在技能可以在 `SKILL.md` 旁边放一份 `skill.config.json` 声明要什么、怎么生效，技能库面板会把它渲染成表单：
-
-- **字段**：`string` / `secret` / `boolean` / `number` / `select`，可标 `required`、给默认值与说明；
-- **生效步骤**：`command`（无 shell、按数组参数执行技能自带的 CLI，如 `editppt config …`）或 `file`（物化一份配置文件，`~` 展开、拒绝 `..` 逃逸与 DSH 主目录控制文件）；
-- **两个按钮**：「保存」只存值；「保存并应用」存完按顺序执行声明的步骤，并逐步回显结果；
-- **密钥**：存进插件设置的 `role('secret')` 字典（脱敏存储），表单只显示「已设置 / 未设置」，命令回显里也会替换成 `•••`；密钥永不出现在运行目录、清单或提示词里；
-- **节点菜单**：声明了必填字段却还没配的技能会显示「需要配置：…」和「去配置」，点开直接定位到该技能的表单；
-- **已知技能配方**：`image-to-editable-ppt` 插件内置了一份配方（图片 API 密钥 / 地址 / 模型 + 可选 PaddleOCR token，走 `editppt config`），所以上游还没带声明时也能开箱配置；技能自带声明永远优先。
-
-格式、边界与安全规则见 [`docs/skill-config.md`](docs/skill-config.md)。没声明配置的技能行为不变：面板只给通用提示，仍按它自己的文档 / 让 Agent 配置。
-
-#### 相关设置
-
-「设置 → 插件 → AI 生图」新增**无限画布技能**分组：
-
-- **画布技能**：总开关，关闭后节点上不再出现技能菜单。
-- **允许重任务技能**：关闭后只保留轻量技能（不会启动无头 Agent）。
-- **技能白名单**：逗号或换行分隔的技能名；留空表示允许本机全部技能。
-- **重任务工作目录**：无头 Agent 的工作目录，留空使用数据目录下的 `canvas/runs`。
-- **重任务超时（分钟）**：超时自动取消（填 0 不超时）。
-- **重任务 Agent 预设**：指定重任务使用的 Agent 预设名。
-- **检测技能环境**：一键查看可用技能数量与无头 Agent 是否可用。
-
-<a id="ecommerce"></a>
-## 电商模式
-
-顶部导航切换到「电商模式」，把一张商品图扩展成一套可发布的商品视觉：配置区分为「主图参考图」（商品主体 / 包装 / 细节，最多 4 张）与「风格参考图」（可选 1 张）两组，填入商品名称与参数信息，勾选套图结构（主图、卖点图、场景图、细节图、规格图、使用图）与每种用途的数量即可提交。
-
-<div align="center">
-  <img src="docs/images/ecommerce-mode.png" alt="电商模式：主图参考图与风格参考图分组配置，结果主图居左、其他用途居右" width="100%" />
-  <p><sub>左侧分组配置（主图参考图 / 风格参考图 / 参数信息），结果区主图居左、其他用途居右</sub></p>
-</div>
-
-- **锚定生成**：确认后先生成主图，其余图片自动以主图为参考生成，并在提示词中附加商品一致性约束，保证整套是同一个商品。
-- **AI 帮写**：「参数信息」卡片右上角点「AI 帮写」，按商品名称与类目自动整理生图用的参数描述（走提示词增强通道）；原来的参考信息 / 必须保留的特征 / 风格补充已合并到这一个输入。
-- **先预览后生成**：点击「生成套图预览」只输出计划（各用途与数量），确认后才批量提交，不浪费额度。
-- **商品一致性**：主图之外的图片默认跟随主图锚定；可在「参考图设置」中为每种用途单独指定参考图。
-- **文案语言**：内置中文、英语、日语、韩语等 9 种常用语言预设，也支持自定义任意语言与地区写法（生成前自动校验），随套图草稿一并保存。
-- **结果管理**：结果区主图居左大图展示，其余用途居右纵排；支持单张重新生成、下载、加入画廊或对话；一键导出 JSON 清单，记录每张图的提示词与参数，方便复现。
-- **历史与恢复**：套图在历史记录中按项目折叠，跨会话点击即可恢复整组结果继续编辑。
-
-<details>
-<summary><b>电商模式说明</b></summary>
-
-- 电商模式目前为预览功能，入口带有「预览」角标；生成仍走已配置的生图渠道与任务队列，额度消耗与普通生成一致。
-- 套图数量与结构可自由组合，规格图、使用图等用途默认关闭，点击卡片即可启用。
-- 未上传商品图时主图会按文字描述生成并作为锚定基准，建议先上传清晰的主图获得更高一致性。
-
-</details>
-
-<a id="txt2img"></a>
-## 文生图 / 图生图
-
-点击“新会话 / 生图”中的“生图”Tab，工作区按“历史记录 | 生图区 | AI 对话”三栏排列：文生图一句提示词起步，图生图上传参考图精准改图；顶部导航可在普通生图、画廊、无限画布与电商模式之间切换。右侧对话面板默认收起，点击头部的「对话」按钮随时展开；参数栏宽度可拖拽调整并自动记忆。
-
-<div align="center">
-  <img src="docs/images/image-generation-studio-four.png" alt="VisioWork 三栏工作台与多图结果布局" width="100%" />
-  <p><sub>历史记录 ｜ 生图区 ｜ AI 对话 三栏同屏，一次可生成多张，支持全屏缩放与翻页</sub></p>
-</div>
-
-**生成参数与效率**
-
-- **生成参数**：9 档比例（1:1 至 21:9）、4 档清晰度（自动/1K/2K/4K）、一次 1–4 张、细节等级透传。
-- **任务队列**：生成由宿主进程排队执行，画布上方的任务托盘可随时取消，失败后一键重试，长任务不会卡住面板。
-- **全屏预览**：滚轮或快捷键缩放（0.5–3x）、←/→ 前后翻页、复制提示词、下载、加入对话或画廊、一键作为下一次图生图的参考。
-- **历史记录**：保留提示词、模型与参数（最近 50 条），支持关键词、模型、比例筛选，点击即可恢复参数。
-- **图生图参考图**：支持本地上传或拖拽（≤10MB），也可从结果卡、全屏预览、历史和画廊一键转为参考图。
-- **灵感案例**：空画布自动刷出一批随机模板卡片，点击即把完整提示词填入左侧，不满意点「随机」换一批。
-
-<a id="workflow"></a>
-### 连续编辑：加入对话 → 继续编辑
-
-开启“允许 Agent 调用生图”后，从生成到修改都在 DSH 内完成：
-
-| 步骤 | 在哪操作 | 发生什么 |
-| --- | --- | --- |
-| **生成** | 在对话里直接说，或在生图区输入提示词 | Agent 调用 `generate_image`，或工作台提交任务，由宿主排队执行 |
-| **查看** | 工具结果旁 / 工作台画布 / 全屏预览 | 图片内联显示在对应位置，支持缩放、翻页、复制提示词 |
-| **加入对话** | 结果卡或画廊点“加入对话” | 图片进入当前会话，自动适配附件限制，无需手动上传 |
-| **继续编辑** | 对 Agent 说，或输入 `/edit_image …` | 以上一张成图为参考提交图生图，只需描述要改的地方 |
-
-两种继续编辑的方式：
-
-| | 直接对 Agent 说 | `/edit_image` 斜杠命令 |
-| --- | --- | --- |
-| 怎么用 | 在对话里描述修改要求，如“把背景改成夜景” | 输入 `/edit_image 把背景改成夜景` |
-| 背后发生什么 | Agent 携带该图片的引用调用 `edit_image` 工具提交图生图 | 命令直接调用插件配置的图片模型 |
-| 是否经过对话模型 | 是，可结合上下文理解模糊意图 | 否，对话模型不支持图片输入时同样可用 |
-| 适合 | 需求复杂、需要 Agent 记住整体目标 | 快速、明确的一次性修改 |
-
-两种方式都不必重新上传图片，也不必重新描述全部需求——第二轮只需要说变化。
-
-<details>
-<summary><b>可直接使用的案例提示词</b></summary>
-
-第一轮，让 Agent 生成一张项目海报：
-
-```text
-帮我为 dsh-imagegen 设计一张 16:9 横版项目海报。深色未来感背景，青蓝和紫色霓虹光效；画面中心展示 AI 生图工作台，包含赛博城市、人物肖像、雪山和抽象流体四张示例图；下方展示 Agent 对话生图、多模型对比和画廊三个能力区。整体干净、专业、有产品发布感，不要杂乱的小字。
+dsh plugin --profile web add @logictan/dsh-plugins-all
 ```
 
-第二轮，基于刚才的成图继续修改：
+单独安装：
 
-```text
-保留当前海报的整体构图和深色科技风。把中心的赛博城市替换成更明亮的夜景，增强青蓝与紫色的边缘光；底部“Agent 对话生图”区域更突出，其他两项保持弱一级。不要重新生成一张完全不同的海报。
+```bash
+dsh plugin --profile web add @logictan/dsh-imagegen
 ```
 
-Agent 会把上一轮图片作为参考图提交图生图任务，因此第二轮只需要描述变化。
-
-</details>
-
-<details>
-<summary><b>Agent 生图工具参考</b></summary>
-
-| 工具 | 用途 |
-| --- | --- |
-| `generate_image` | 提交文生图任务；完成后在工具结果旁显示图片，并返回可继续编辑的图片引用。传 `wait_for_completion: false` 可改为后台模式，稍后用 `get_image_generation_task` 查询。等待上限 300 秒，超时自动取消。 |
-| `edit_image` | 以已有图片为参考提交图生图任务；引用需原样传入之前工具返回的图片对象。 |
-| `get_image_generation_task` | 查询任务状态；完成时显示图片并返回下一步编辑所需的引用。 |
-| `cancel_image_generation_task` | 取消排队中或正在执行的任务。 |
-
-> 配置了多个生图模型时，Agent 会先询问你想用哪个，而不是擅自选择；未配置 API 地址、密钥或模型时，会明确引导到“设置 → 插件 → VisioWork”，不会静默失败。
-
-</details>
-
-<a id="compare"></a>
-### 多模型并列对比
-
-同一个提示词在不同模型上往往呈现完全不同的构图、质感与文字处理。打开“多模型对比”，勾选多个已配置模型，插件会以相同参数提交任务，并在画布和全屏预览中并列展示，方便挑出真正适合当前任务的模型。
-
-<div align="center">
-  <img src="docs/images/multi-model-comparison.png" alt="gpt-image-2、grok-imagine-image 与 doubao-seedream 的三模型并列结果对比" width="100%" />
-  <p><sub>同一提示词在三个模型下的并列结果，画布与全屏预览均支持对比视图</sub></p>
-</div>
-
-<details>
-<summary><b>对比相关的细节</b></summary>
-
-- 画布显示每个任务的进度与用时，可进入全屏并列对比。
-- 对比生成的多条历史在历史记录中自动折叠为一组（显示模型列表与总图数），点“恢复”会连同对比模型选择一起回填，也可整组删除。
-- 对比任务在宿主队列中并行执行，与普通任务共用同一条队列，取消、重试、历史语义一致。
-
-</details>
-
-<a id="enhance"></a>
-### 提示词增强
+## 配置
 
-只有一句“画只猫”也想出好图：点击增强按钮，插件会把简短想法发给一个对话模型扩写成结构完整的生图提示词，再提交生成；增强模型可复用生图 API 凭据。未配置增强模型时会弹窗引导，并自动打开设置页的对应卡片。
+打开 **设置 → 插件 → AI 生图**，添加至少一个**渠道**：
 
-<a id="templates"></a>
-### 模板库
-
-随插件内置两个来源共 980 余条 `gpt-image-2` 提示词案例（含参考图），没有灵感时可以先看看别人怎么写。
-
-<div align="center">
-  <img src="docs/images/prompt-template-library.png" alt="提示词模板库：多来源标签页、分类筛选与案例卡片" width="100%" />
-  <p><sub>多来源标签页独立切换，案例详情含参考图、作者署名与原链，可一键回填</sub></p>
-</div>
-
-- 多来源标签页：「精选案例库」（vibeui.top 镜像）与「沧河案例库」（gpt-image2.canghe.ai）相互独立，后续会接入更多来源。
-- 案例详情包含参考图、作者署名与原链，可复制或一键回填到生图输入框；收藏持久化在本机，「★ 收藏」筛选随时回看。
-- 支持按来源“刷新本库”在线更新，宿主每 12 小时自动同步一次；“缓存全部图片”后离线也能浏览。
-
-<a id="gallery"></a>
-## 画廊
-
-满意的图片可从结果卡、全屏预览或历史记录一键加入画廊；画廊中的图片也能直接加入当前对话，再用 `/edit_image` 修改。画廊为持续积累作品设计：左侧筛选，右侧瀑布流或整齐网格，点击任意图片即可打开大图预览。
-
-<div align="center">
-  <img src="docs/images/gallery-workspace.png" alt="画廊工作区：分类筛选、瀑布流和大图预览" width="100%" />
-  <p><sub>左侧分类筛选带计数，右侧瀑布流 / 网格可切换</sub></p>
-</div>
-
-- 关键词搜索；按生成模式、模型、比例和自建标签过滤，分类侧栏带数量统计。
-- 瀑布流 / 整齐网格两种视图，支持最新、最早排序。
-- 标签可新建、编辑、删除；多选图片后可批量打标签、批量下载，或导出 JSON 元数据作为备份。
-- 收藏由 DSH 宿主持久化保存，跨同一宿主的浏览器/设备可见；同一图片内容按哈希去重，不会重复加入。
-
-<a id="configuration"></a>
-## 配置模型
-
-打开 DSH 的“设置 → 插件”，展开 **VisioWork（dsh-imagegen）**。每个提供方都有独立的 API 地址、密钥和模型目录，可同时配置多个服务；预置了 OpenAI、智谱、xAI、字节火山方舟（Seedream）、阿里云百炼（Qwen-Image）、MiniMax（image-01）等常用渠道，也可添加任意自定义 OpenAI 兼容渠道。
-
-<div align="center">
-  <img src="docs/images/plugin-settings.png" alt="DSH 设置页中的 VisioWork 插件配置" width="72%" />
-  <p><sub>设置 → 插件 → VisioWork（dsh-imagegen）</sub></p>
-</div>
-
-| 配置项 | 说明 |
+| 字段 | 说明 |
 | --- | --- |
-| 提供方 | 预置提供方可直接选择，也可添加自定义渠道。 |
-| API 地址 | OpenAI 兼容接口根地址，例如 `https://api.openai.com/v1`，插件会自动追加图像接口路径。 |
-| API 密钥 | 每个提供方单独配置；密钥仅保存在 DSH 宿主侧，浏览器与 Agent 都拿不到明文。 |
-| 模型目录 | 保存地址和密钥后点击“检测可用模型”，插件会过滤聊天、Embedding 等非图片模型；没有 `/models` 的网关可手动添加并设置别名。 |
-| 提示词增强模型 | 可选。选择一个支持 `/chat/completions` 的模型，通常可复用生图 API 凭据；电商模式的「AI 帮写」也使用它。 |
-| 本地图片存储目录 | 可在设置中指定历史记录、素材库和无限画布图片的本地根目录；留空使用 `~/.dsh/dsh-imagegen`。修改后新图片写入新目录，已有数据不会被删除。 |
-| 允许 Agent 调用生图 | 默认开启。关闭后 Agent 不能提交、查询和取消任务，侧边栏工作台不受影响。 |
-
-**关于“检测可用模型”**
-
-- 优先读取上游返回的能力字段，并结合命名启发式（image / flux / seedream / nanobanana / kolors…）过滤非图片模型，但仍建议只勾选你的上游实际支持生图的模型。
-- 支持用尚未保存的地址和密钥先探测、确认可用后再保存。
-- 未被识别的 OpenAI 兼容图片模型仍可手动加入清单，按通用协议尝试调用。
-
-<details>
-<summary><b>已适配的接口与模型家族</b></summary>
-
-- **OpenAI 兼容接口**：支持 `/images/generations`、`/images/edits` 和 `{ data: [{ b64_json | url }] }` 格式响应。
-- **异步两步式接口（apimart.ai / apib.ai 等）**：OpenAI 兼容渠道的 `/images/generations` 若返回 `{ data: [{ status, task_id }] }` 提交结果，插件会自动轮询 `GET /v1/tasks/{task_id}`（指数退避，最长 240 秒）直到完成，自动展开 `url` 数组并下载成图；兼容 submitted / pending / processing 与 completed / succeeded 等常见状态词，上游失败原因原样透传，取消任务会同步中断轮询。无需专用预设，任意 OpenAI 兼容渠道自动生效。
-- **Grok Imagine**：原生支持 `grok-imagine-image` 与 `grok-imagine-image-2.0`（地址 `https://api.x.ai/v1`），图生图使用其 JSON `image_url` 协议，比例和清晰度映射为 `aspect_ratio` 与 `resolution`。
-- **Nano Banana（谷歌 Gemini 图像系列）**：内置 `nanobanana2` / `nanobanana2-lite` / `nanobanana-pro`（也识别官方 `gemini-3.x-image*` ID），清晰度映射为 `image_size`（1K/2K/4K）。
-- **Seedream（字节跳动生图系列）**：内置 `seedream-5.0-pro`（也识别 `seedream-4.x`、`doubao-seedream-…`），文生图与图生图统一走 `/images/generations`，参考图以 JSON `image` 数组发送。
-- **Qwen-Image（通义千问）**：内置阿里云百炼渠道，使用 `https://dashscope.aliyuncs.com/api/v1` 的 DashScope 原生 `multimodal-generation` 接口（不是 OpenAI 兼容接口），支持 Qwen-Image 2.0 / 3.0 系列文生图与图像编辑，比例自动映射为 `宽*高` 尺寸。该渠道不能复用于提示词增强。
-- **智谱 GLM-Image**：内置 `glm-image`，文生图质量参数映射为 `hd`；当前不支持图生图，选择编辑模型时会被自动排除。
-- **MiniMax image-01**：内置 MiniMax 官方渠道，使用 `https://api.minimax.io/v1`（国内站 `https://api.minimaxi.com/v1`）的原生 `/image_generation` 接口（不是 OpenAI 兼容接口）。支持 `1:1 / 16:9 / 4:3 / 3:2 / 2:3 / 3:4 / 9:16 / 21:9` 宽高比，一次最多 9 张，图生图以单张参考图作为 `subject_reference`（人物/主体参考）发送——它是主体一致性参考而非像素级编辑，适合“同一人物换场景”，不适合局部修图。MiniMax 的 `/models` 只列出聊天模型，请直接使用预填的模型目录。
-- **后续模型**：未被识别的 OpenAI 兼容图片模型可手动添加；厂商专属鉴权或请求协议需要单独适配。
+| 预设 | 常见厂商的预填（OpenAI 官方、xAI Grok Imagine、Google Nano Banana、字节 Seedream、智谱 GLM-Image、阿里 Qwen-Image、MiniMax image-01 等） |
+| API 地址 | 该渠道的端点；非 OpenAI 兼容协议的厂商按其官方接口填写（预设里已说明） |
+| API 密钥 | 仅存于本机设置文档，生成时由宿主代理转发 |
+| 模型目录 | 该渠道下可用的「别名 → 上游模型 id」映射 |
 
-</details>
+可选配置**提示词增强**：填一个 OpenAI 兼容的聊天端点与模型，生图前会把简短提示词扩写成更完整的描述。
 
-<a id="security"></a>
-## 数据与安全
+## 使用
 
-- API 请求由 DSH 宿主进程代理，浏览器不直接连接上游：没有 CORS 问题，密钥不会出现在前端；宿主路由仅监听本机回环地址并校验同源请求。
-- 密钥保存于本机 DSH 设置中，设置页面仅展示“已配置”状态。
-- 历史、画廊和图片数据保存在宿主的 `~/.dsh/dsh-imagegen/`，由你控制；画廊图片按内容去重，模板展示图经宿主同源代理按需拉取与缓存，文件访问有严格白名单。
-- 画布文件节点上传的文件（≤50MB）以内容寻址保存在同一数据目录，脚本与可执行扩展名被拒绝；预览只在宿主侧解码（文本 / 表格 / 文档正文 / 压缩包目录），只有图片、PDF、音频、视频会在显式 `inline` 请求下以内联响应返回，且响应带 `X-Content-Type-Options: nosniff`，其余资源一律以下载方式返回。
-- 运行技能会把所选节点的内容（文本、图片或文件）发送到「提示词增强」所配置的聊天模型；重任务技能会启动一个拥有本机文件读写与命令执行能力的无头 Agent，并把你选择的技能正文注入它的上下文。请在运行前确认节点内容不敏感、且已了解该技能会做什么。
-- `image-to-editable-ppt` 之类的第三方技能由其自身文档决定外部依赖（OCR Token、图片后端等），这些凭据由该技能管理，本插件不读取也不上传它们。
-- 图生图会把参考图发送到当前渠道的上游 API，请确认渠道服务商的数据处理政策，不要上传敏感图片。
-- 生图会消耗上游 API 额度。图片内容由上游模型生成，可能出现不准确、不适宜或不符合预期的结果，请在使用前人工检查。
-- API 密钥属于敏感信息，请不要提交到 GitHub Issue、日志、截图或 README；发现密钥泄露时应立即在上游服务商处轮换。
+**让模型生图**（在对话里直接说需求即可，模型会调用工具）：
 
-<a id="community"></a>
-## 社区与支持
+- 文生图：`generate_image`
+- 图生图：`edit_image`（把参考图一并给模型，或引用对话里的图片）
+- 查后台任务：`get_image_generation_task`
 
-欢迎加入 QQ 群，一起交流 DSH、AI 生图和插件使用体验，也欢迎分享提示词、工作流与改进建议。
+**自己动手改图**：`/edit_image <修改描述>` —— 直接读取当前对话最近一张图片并调用插件图片模型，不经过对话模型的图片能力检查。
 
-<p align="center">
-  <img src="docs/images/community-qq.png" alt="扫码加入 dsh-imagegen QQ 交流群" width="360" />
-</p>
-
-- 发现问题请提交 [Bug 报告](https://github.com/dale0525/dsh-plugins/issues)，附带插件版本、DSH 版本和复现步骤。请勿粘贴 API 密钥。
-- 有改进想法请提交 [功能建议](https://github.com/dale0525/dsh-plugins/issues)。
-- 查看全部 [Release](https://github.com/dale0525/dsh-plugins/releases) 和 [Issue](https://github.com/dale0525/dsh-plugins/issues)。
-- 如果这个插件对你有帮助，欢迎 Star。
-
-<details>
-<summary><b>本地开发</b></summary>
-
-```bash
-pnpm run typecheck
-pnpm run build
-pnpm run watch
-node scripts/smoke.mjs
-```
+**后台执行**：工具默认等到图片出来才返回；显式传 `wait_for_completion: false` 可后台跑，之后用 `get_image_generation_task` 查询（不要反复轮询）。
 
-改完源码后要装进本机 GUI 验收，打一个本地 tgz 再覆盖安装即可（面板不会热更新宿主半，装完重启 `dsh web`）：
+## 开发
 
 ```bash
-pnpm pack --pack-destination .        # 生成 logictan-dsh-imagegen-<版本>.tgz
-dsh plugin --profile web add ./logictan-dsh-imagegen-<版本>.tgz
+pnpm install
+pnpm --filter @logictan/dsh-imagegen build       # 产出 lib/index.js 与 lib/client.js
+pnpm --filter @logictan/dsh-imagegen typecheck
 ```
 
-</details>
+宿主半边的改动需要重启 `dsh-web` 才生效；只改 `src/client/**` 时重建 `lib/client.js` 即可被界面热重载。
 
-## 许可证
+## 许可
 
-[Apache-2.0](./LICENSE)
+Apache-2.0。本项目衍生自 [dickpy/dsh-imagegen](https://github.com/dickpy/dsh-imagegen)，经大幅重写后按自制插件维护。

package/package.json

@@ -1,7 +1,7 @@
 {
   "name": "@logictan/dsh-imagegen",
-  "description": "AI image generation plugin for the dsh web GUI: text-to-image and image-to-image through configurable provider channels (gpt-image-2 / grok-imagine-image / nanobanana series / seedream-5.0-pro / dall-e-3, with native xAI Grok Imagine, Google Nano Banana and ByteDance Seedream request shaping), per-channel model catalogs, a three-column studio beside the native conversation, an infinite canvas with node-graph workflows (annotation boxes with attached prompt cards, local background removal, AI layer split, per-node model choice, file nodes with any-file upload, and a canvas skill system covering skill-driven next steps on every node: text polish, image description, content extraction, and long-running headless-agent pipelines such as image-to-editable-ppt, with a local skill library that installs and removes skills from URLs or uploaded archives), an ecommerce product-set mode and a prompt template library.",
-  "version": "1.5.13",
+  "description": "Chat-invoked AI image generation for the dsh web GUI: text-to-image and image-to-image through configurable provider channels (gpt-image-2 / grok-imagine-image / nanobanana series / seedream-5.0-pro / dall-e-3, with native xAI Grok Imagine, Google Nano Banana and ByteDance Seedream request shaping) and per-channel model catalogs.",
+  "version": "2.0.0",
   "type": "module",
   "main": "lib/index.js",
   "exports": {
@@ -29,8 +29,7 @@
     }
   },
   "dependencies": {
-    "lucide-react": "^1.41.0",
-    "schemastery": "^3.18.0"
+    "@deepseek-ai/schemastery": "^3.18.4"
   },
   "devDependencies": {
     "@deepseek-ai/cordis": "^4.0.2",
@@ -58,15 +57,14 @@
     "lightningcss": "1.32.0",
     "react": "^18.3.1",
     "react-dom": "^18.3.1",
-    "schemastery": "^3.18.0",
     "tsdown": "0.22.2",
-    "typescript": "~5.7.2"
+    "typescript": "~5.7.2",
+    "@deepseek-ai/schemastery": "^3.18.4",
+    "@deepseek-ai/dsh-credentials": "0.1.6-alpha.2"
   },
   "files": [
     "lib",
-    "src/templates",
     "cordis.patch.yml",
-    "docs/skill-config.md",
     "README.md"
   ],
   "license": "Apache-2.0",
@@ -78,7 +76,6 @@
   "scripts": {
     "build": "tsdown",
     "watch": "tsdown --watch",
-    "typecheck": "tsc --noEmit",
-    "fetch-templates": "node scripts/fetch-templates.mjs"
+    "typecheck": "tsc --noEmit"
   }
 }