picturereader 2.0.0 → 2.0.1

package/README.md

@@ -30,6 +30,8 @@
 两个版本共用同一套业务核心（`src/core.js`）与读图方法论 skill（`image-reading`），
 四个工具行为完全一致：`image_scan` / `image_ocr` / `image_sample` / `vision_analyze`。
 
+> **兼容性**：DSH 版已验证兼容 **DeepSeek Harness EAC 4.2.0** 及 `@deepseek-ai/dsh-client-ui-workspace` **rc.7**（4.2.0 配套的官方工作区插件版本）。
+
 > **ZCode 版性能说明**：ZCode 版通过 MCP（stdio 子进程）暴露工具，每次调用都要
 > 经历进程通信与序列化开销，**速度明显慢于 DSH 版**（DSH 版为插件内直接调用）。
 > 高频看图、批量看图任务请优先使用 DSH 版；ZCode 版适合轻量、偶发看图。
@@ -176,26 +178,17 @@ node scripts/setup-ocr.mjs   # 可选
 
 ## 优势
 
-- **一个插件全包含，无需另装**：独立的伪多模态识图 + 可选外部视觉 API，融合在一个包里，不需要再装 `dsh-universal-vision` 或其他读图插件
-- **核心链路零外部依赖**：扫描/取样/解码纯本地纯 JS，不调任何视觉 API；语义理解要么交给主模型（DeepSeek），要么按需桥接你自己的 VLM
-- **可选 VLM / 外部 API**：默认不配置保持纯本地；配了 `SEE_BASE` 即接入语义理解，本地/云端 OpenAI 兼容端点通吃
-- **低信息量拦截**（v2.0.0）：自动识别空白/简单图，避免小 VLM 幻觉、省调用成本
-- **可追溯、可验证**：每个结论都有数据支撑（hue 占比、色块坐标、OCR 文本+置信度），VLM 描述与像素/OCR 交叉验证
-- **隐私友好**：默认模式下原始图片不出本机，只有降采样文本进模型上下文
+- **一个插件全包含，无需另装**：独立的伪多模态识图 + 可选外部视觉 API，融合在一个包里，不需要再装 `dsh-universal-vision` 或其他任何读图插件
+- **核心链路零外部依赖**：扫描/取样/解码纯本地纯 JS，不调任何视觉 API；语义理解要么交给主模型，要么按需桥接你自己的 VLM
+- **双版本独立分发，互不污染**：DSH 用 `picturereader`（本页），ZCode 用 `picturereader-zcode`（zcode 分支）；DSH 版带 `dsh.bundle`、ZCode 版带 `mcp` + `.zcode-plugin`，各装各的宿主，**不会把 ZCode 版误装进 DSH，也不会把 DSH 版误装进 ZCode**
+- **外部 API 可选、即插即用**：默认不配置 `SEE_BASE` 保持纯本地；配了即接入语义理解，本地 llama-server / LM Studio / vLLM / 云端 OpenAI 兼容端点通吃
+- **低信息量拦截**（v2.0.0）：自动识别空白/未渲染/简单图，避免小 VLM 幻觉、省调用成本
+- **证据交叉验证**（v2.0.0）：VLM 描述与像素/OCR 实测冲突时以实测为准——伪多模态与真 VLM 互为印证，抑制幻觉
+- **多次提问**（v2.0.0）：同一张图可换不同 `prompt` 反复 `vision_analyze`，从多角度复核
+- **可追溯、可验证**：每个结论都有数据支撑（hue 占比、色块坐标、OCR 文本+置信度）
 - **成本低**：一次扫描 ≈0.6–2.2K tokens；PaddleOCR 本地跑，无 API 费用
 - **方法论沉淀**：附带的 image-reading skill 把读图经验固化（场景指纹/校验规则），模型每次看图都带着经过大量图片验证的经验
 
-## 局限性（重要）
-
-- **不是真正的视觉模型**：伪多模态部分文本网格信息量有限，**人脸/表情/花纹等像素级细节读不出**；这是文本模态的硬上限，放大（px_per_cell）只能缩小差距，不能消除
-- **语义推断依赖主模型或外部 API 能力**：物体识别是 LLM 基于结构证据的推测，不是视觉编码器的确证；接入 VLM 可大幅增强，但外部 API 也可能出错
-- **VLM 可选即插即用**：未配置 `SEE_BASE` 时无语义描述；配置后依赖端点可用性与网络/本地资源
-- **OCR 引擎边界**：Windows OCR 对发光/弯曲/艺术字失效；PaddleOCR 强很多但需选装，且对极小文字/极端艺术字仍可能失败（可配合放大）
-- **性能**：4K 图解码 ~230ms；PaddleOCR 每次调用需 ~2s 加载模型；VLM 调用需 2-5s（取决于端点）；大图网格渲染 token 随 size 增长（64×64 color ≈ 3–5K tokens）
-- **ZCode 版 MCP 开销**：ZCode 版工具经 MCP stdio 子进程通信，单次调用比 DSH 版慢；高频/批量看图建议用 DSH 版
-- **WebP 不支持**（提示转 PNG/JPEG）；GIF 只读首帧
-- **多模态模型的描述不可全信**（本插件可交叉验证，但最终语义仍需人工判断关键场景）
-
 ## License
 
 MIT

package/package.json

@@ -1,6 +1,6 @@
 {
     "name":  "picturereader",
-    "version":  "2.0.0",
+    "version":  "2.0.1",
     "description":  "Unified image understanding plugin for DeepSeek Harness (DSH). Fuses frame-free pseudo-multimodal reading (pixel scan + OCR + sample) with an optional external vision API bridge (local llama-server / LM Studio / any OpenAI-compatible endpoint) for full semantic understanding. No extra plugin needed.",
     "type":  "module",
     "main":  "src/index.js",