基于 DeepSeek-OCR 的光学压缩记忆插件，把记忆渲染成图像存储，按年龄降分辨率并自动恢复高清检索。
ⓘ 此插件是大仓库 DDDFXYqiming/Agent_Extensions 的子包，星数与活跃度统计的是整个仓库。
- 语言
- JavaScript
- License
- MIT
- 分支
- main
安装
$ dsh plugin --profile web add github:DDDFXYqiming/Agent_Extensions#path:dsh-plugins/dsh-ocr1-memory在终端中运行以上命令，通过 dsh CLI 安装此插件。可在右上角切换 Profile。 第一次用 dsh？看这篇新手教程
对话式安装
帮我安装 DeepSeek Harness 插件 DDDFXYqiming/Agent_Extensions/dsh-plugins/dsh-ocr1-memory：先查看仓库 https://github.com/DDDFXYqiming/Agent_Extensions.git 确认安全性，然后执行安装命令并验证插件加载成功。
把这段指令粘贴给 DSH Web GUI 里的助手，由它代你完成安装与验证。
一句话定位
把 DSH Agent 的记忆存成"图像"而非纯文本：每条记忆渲染为带编号的 PNG，旧记忆按年龄自动降分辨率，检索命中时用 DeepSeek-OCR 读回原文片段。
核心能力
- 文本入库自动分段并渲染成图像（SoM 编号），存到本地记忆库
- 按年龄自动降分辨率：vivid(1280px, 24h 内) → normal(1024px, 7 天内) → fuzzy(640px, 更久)
- 检索命中低清记忆时自动触发 active recall 临时恢复高清
- 用 OCR 读回图像作为召回证据，返回原始原文片段而非生成式摘要
- 存储 1280 维视觉向量（DeepSeek-OCR embeddings），用余弦相似度作为检索主信号
- 提供 9 个 Agent 可直接调用的工具：状态/存储/更新/检索/列表/压缩比指标/基线校准/删除/渲染与 embedding 自测
技术实现
- 语言: JavaScript（Node ESM，零运行时依赖）
- 关键依赖: @deepseek-ai/dsh-tools（注册 Agent 工具）、@deepseek-ai/schemastery（配置 schema）、Python + Pillow（图像渲染）；可选 DeepSeek-OCR 后端（vLLM 或 llama.cpp GGUF）做读回与 embedding
- 架构模式: 通过
inject=['tools']把 9 个 ocr1_mem_* 工具挂到宿主 tools 服务；配置经 cordis.patch.yml 注入；apply(ctx, config)启动时按配置构建渲染器 + OCR 客户端 + embedding 客户端，并可按需自动拉起 llama-server - 入口文件: lib/index.js（apply 入口注册所有工具），lib/core.js（记忆引擎、检索算法、渲染管线），lib/ocr-server.js（llama-server 生命周期）
适用场景
适合需要给 DSH Agent 配备"持久 + 长期 + 可视觉化"记忆的场景，例如让 Agent 记住文档要点、项目知识、用户偏好，并在多轮对话中按需召回原文片段。如果只是需要轻量文本记忆，官方 dsh-memory 更省事；如果希望记忆按时间自然"褪色"且能 OCR 读回图像证据，这个插件提供了官方记忆不具备的能力。
前置依赖与兼容性
| 依赖 | 最低版本 | 说明 |
|---|---|---|
| Node.js | >=22.19.0 | engines.node 声明 |
| @deepseek-ai/cordis | >=4.0.0-rc <5 | peerDependencies |
| @deepseek-ai/dsh-tools | >=0.0.1-rc <2 | peerDependencies |
| @deepseek-ai/schemastery | >=3.18.0 <4 | peerDependencies |
| Python + Pillow | 任意可用版本 | scripts/render_memory.py 依赖，本地需要 Pillow |
| 平台 | 跨平台 | OCR 自动拉起脚本默认走 Windows 路径，可改 serverPath/modelDir 覆盖 |
| 原生模块 | 无 | 纯 Node + Python 子进程，不引入 node-gyp 依赖 |
安装方式
dsh plugin --profile web add github:DDDFXYqiming/Agent_Extensions#path:dsh-plugins/dsh-ocr1-memory
配置项
| 配置 | 类型 | 说明 | 默认值 |
|---|---|---|---|
| storeDir | string | 记忆库根目录，存图像与 memories.json | <home>/.dsh/ocr1-memory |
| ocrBaseUrl | string | DeepSeek-OCR 的 OpenAI 兼容端点（如 vLLM http://127.0.0.1:8000/v1），留空则跳过 OCR 读回 | 空 |
| ocrApiKey | string | OCR 端点的 API key，本地服务一般留空 | 空 |
| ocrModel | string | OCR 模型名 | deepseek-ai/DeepSeek-OCR |
| pythonPath | string | 渲染脚本使用的 Python 解释器 | python |
| renderScript | string | 渲染脚本绝对路径 | <插件目录>/scripts/render_memory.py |
| requireOcr | boolean | true 时 OCR 不可用直接报错而不是降级 | false |
| useMockRenderer | boolean | true 时跳过 Python，用纯文本占位（仅自测） | false |
| autoStartOcrServer | boolean | true 时插件加载后自动确保 llama-server 在线 | false |
| ocrServerPath | string | llama-server 可执行文件路径 | Windows 默认或 OCR_SERVER_PATH 环境变量 |
| ocrModelDir | string | DeepSeek-OCR GGUF 所在目录 | Windows 默认或 OCR_MODEL_DIR 环境变量 |
| ocrServerPort | number | OCR 服务端口 | 18080 |
| ocrEmbeddingBaseUrl | string | 视觉 embedding 端点，留空回退到 ocrBaseUrl（combined 模式） | 空 |
| ocrEmbeddingApiKey | string | embedding 端点 API key | 空 |
| ocrEmbeddingModel | string | embedding 模型名，留空用 ocrModel | 空 |
| ocrEmbeddingTimeoutMs | number | embedding 请求超时 | 120000 |
| ocrEmbeddingAutoStart | boolean | 独立 embedding 服务时是否自动拉起 | false |
| ocrEmbeddingPort | number | 独立 embedding 服务端口（combined 模式不用） | 18084 |
| ocrEmbeddingUbatchSize | number | llama-server 的 -ub 参数，必须 ≥ 单图视觉 token 数 | 2048 |
| ocrEmbeddingOnDemand | boolean | combined 模式下不启用（仅独立服务时生效） | true |
| ocrEmbeddingIdleTimeoutMs | number | embedding 服务空闲多少毫秒后自动关闭 | 300000 |
| sharedStore | boolean | true 时每次操作前重读 memories.json，支持多 Agent 共享 | false |
| embeddingRetrieval | boolean | true 时用 1280 维视觉 embedding 相似度作为检索主信号 | true |
| ocrMaxEntriesPerRetrieve | number | 文本检索不足时最多对多少条记忆做 OCR 读回，防止大库卡死 | 5 |
| ocrRepeatPenalty | number | OCR 读回的重复惩罚系数 | 1.2 |
| ocrNoRepeatNgramSize | number | OCR 读回的 n-gram 重复抑制窗口 | 30 |
| ocrTextOnlyPromptTokens | number | OCR 文本基线（用于估算视觉 token 数） | 5 |
常见问题
Q: 这个插件和官方 dsh-memory 有什么不同？
A: dsh-memory 把记忆存成纯文本；dsh-ocr1-memory 则把每条记忆渲染成带 SoM 编号的图像，按时间降到 640px 的 fuzzy 层，命中低清记忆时自动 active recall 恢复高清。它用 OCR 读回替代纯文本检索，返回原文片段而非生成式摘要，规避大模型幻觉。
Q: 不接 DeepSeek-OCR 服务能直接用吗？
A: 可以装上就能用 ocr1_mem_status / ocr1_mem_store / ocr1_mem_list 等基础功能。但 ocr1_mem_retrieve 的图像读回和视觉 embedding 需要一个 OpenAI 兼容的 OCR 端点（vLLM 起 deepseek-ai/DeepSeek-OCR，或 llama.cpp 起 GGUF 版），否则检索只能走纯文本打分。
Q: 渲染需要什么本地环境？
A: 需要 Python 3 加 Pillow 库。插件通过 scripts/render_memory.py 调 Python 把记忆分段渲染成 PNG（带 SoM 编号框），脚本内置 CJK 字体候选路径（微软雅黑/苹方/文泉驿），覆盖 Windows、macOS、Linux。
Q: 记忆存放在哪里？怎么删除单条记忆？
A: 默认放在 <home>/.dsh/ocr1-memory/，可在配置 storeDir 改成自定义目录。用 ocr1_mem_forget 工具按 id 删除单条；卸载插件不会自动清理该目录，需要手动删除。
Q: 为什么旧记忆会变模糊？这和 bug 有关吗？
A: 不是 bug，是设计行为：每条记忆按 createdAt 落在 vivid(24h 内 1280px) / normal(7 天内 1024px) / fuzzy(更久 640px) 三层。检索命中低清层时会自动 active recall 临时恢复高清，并在窗口内豁免再衰减，模拟"人记忆被想起后变清晰"的特性。
Q: 多个 Agent 能共享同一份记忆库吗？
A: 可以，把 sharedStore 设为 true 即可。该模式在每次操作前重读 memories.json，并使用唯一临时文件 + rename 串行化写入，避免并发覆盖；测试报告中 M1–M6 包含多 Agent 共享场景。
Q: 视觉 token 数是怎么测出来的？
A: 插件通过 embedding 端点的 marker-only 请求（只传 media 不传文本）测出 visualTokensDirect，并以文本基线做近似估算。这是 llama.cpp 公开接口的测量值，并非 DeepEncoder 内部张量输出；README 明确指出这是论文思想的工程近似。
Q: 装了插件后 DSH Agent 能直接调用这些工具吗？
A: 可以。插件通过 inject=['tools'] 向宿主注册 9 个 ocr1_mem_* 工具，Agent 在对话里直接调用即可，无需额外启用开关；工具输出 schema 严格，headless profile 下也不会报 invalid output。
上手难度
进阶 — 需要本地装 Python+Pillow，并且要让 OCR 端点（vLLM 或 llama.cpp GGUF）真正在线才能用上检索和视觉 embedding；纯配置项多达 27 个，对只想"装上就用"的用户门槛偏高。
已知问题与限制
- OCR 后端是工程近似而非论文复刻：README 第 138-170 行明确说明，DeepEncoder 内部张量输出和 Locate-and-Transcribe 的"模型输出 SoM 编号"在当前 llama.cpp 公开接口下无法实现，需要 LoRA 微调才能进一步对齐
- 默认路径绑定 Windows：lib/ocr-server.js:8 与 lib/index.js:80-93 默认 llama-server 路径写死
D:\AI_Projects\models\llama.cpp\llama-server.exe，macOS/Linux 用户必须通过ocrServerPath/OCR_SERVER_PATH环境变量覆盖 - ocrEmbeddingUbatchSize 必须 ≥ 单图视觉 token 数：默认 2048 已经能覆盖，但缩到默认 512 会被 llama-server 拒大图（README 第 128-131 行）
- embedding 服务空闲后会自动关闭：默认 5 分钟空闲后 stop（lib/index.js:153-160），多 Agent 高频并发场景可能反复拉起
- 检索文本打分是字符级 token 重叠：中文按单字切，英文按空格切，标点和 emoji 会被剥掉；超长查询不会自动改写
- Locate-and-Transcribe 用文本打分 + OCR 证据而非模型输出编号：返回 verbatim 片段避免生成幻觉，但与 OCR-Memory 论文原版 Locate 路径不同（README 第 145-147 行）
- 多模态 embedding 依赖 llama.cpp 扩展：在 AMD 无 NVIDIA/vLLM 的环境下无法切换到官方 DeepEncoder 输出（README 第 166 行）
- Python 渲染 30 秒超时：lib/core.js:267 对单条渲染设了 30s 上限，超长文本会被 hard wrap 分段避免单图超时
简体中文 | English
Agent_Extensions
📦 DSH 插件已拆分为独立仓库
本仓库
dsh-plugins/下的 DSH 插件已迁移为独立 GitHub 仓库，推荐直接安装独立仓库：
插件 独立仓库 dsh-vision-skill https://github.com/DDDFXYqiming/dsh-vision-skill dsh-layered-memory https://github.com/DDDFXYqiming/dsh-layered-memory dsh-annotation-patched https://github.com/DDDFXYqiming/dsh-annotation-patched dsh-side-panel-patched https://github.com/DDDFXYqiming/dsh-side-panel-patched dsh-ocr1-memory https://github.com/DDDFXYqiming/dsh-ocr1-memory 安装示例：
dsh plugin --profile web add github:DDDFXYqiming/dsh-ocr1-memory本仓库不再维护 dsh 插件，仅保留历史快照与说明；后续更新请以独立仓库为准。
DeepSeek Harness（DSH）插件与 AI Agent 技能集合 —— 面向 DeepSeek Harness 的原生插件（走官方扩展接缝，零框架补丁）+ 跨框架通用 Skill + Hermes 插件，开箱即用。
本仓库收集、翻译并自包含封装 AI Agent 相关的技能资源，并面向 DeepSeek Harness（DSH） 提供标准插件形式的扩展。所有内容均为自包含（技能/插件内自带脚本、模板与文档，不依赖仓库外文件），克隆即可用。
✨ 内容总览
1️⃣ DSH 原生插件（dsh-plugins）—— 零框架补丁
面向 DeepSeek Harness 官方扩展接缝（ctx.skills / ctx.tools / ctx.credentials / ctx.slots / ctx.layout），可随 DSH 版本升级：
| 插件 | 能力 | 依赖 |
|---|---|---|
dsh-vision-skill v0.4.4 | 识图插件：8 个工具（含渐进式暴露激活工具）+ Credential 化 + 路径围栏 | Node.js + DSH（dsh-tools / dsh-credentials）、Python 3 + Pillow、视觉模型 API Key |
dsh-layered-memory v0.4 | 跨会话长期记忆：命名空间隔离 + L1 索引注入（存在性编码、KV 缓存友好）+ L2 环境事实 + L3 任务经验 + 自动蒸馏候选 + 溯源/归档/回滚 + 自动维护 | Node.js + DSH（dsh-tools） |
dsh-annotation-patched | 选中批注/引用插件（fork 增强）：选中助手回复文字 → 批注（可空）或一键「引用」→ 回车随消息发送，回复按 Annotation N 逐条对照；增强：Codex 式「引用」按钮（显式确认制）+ 幽灵引用修复 | Node.js + DSH（纯浏览器端 bundle，零 Node 逻辑） |
dsh-side-panel-patched | 右侧工作区面板（fork 增强）：文件树/多文件 tab/预览/编辑（CodeMirror）+ Git 审查 + 终端；增强：绕开官方 520px 宽度上限、头部像素级对齐、Codex 风格梭形拖拽把手、文件 tab 栈 + 会话跟踪、Windows 终端防崩溃 | Node.js + DSH（文件/Git/终端 API + 浏览器 bundle） |
dsh-ocr1-memory v0.1.0 | 光学压缩记忆：文本渲染为 SoM 图像存储 + 年龄衰减 + active recall + OCR 驱动召回 | Node.js + DSH（dsh-tools / cordis / schemastery）、Python 3 + Pillow、可选 DeepSeek-OCR 后端 |
2️⃣ 通用技能（General_skills）—— 跨框架可用
任何智能体框架（Claude Code / Codex / opencode / DSH / Hermes 等）均可把目录作为 Skill 挂载：
| 技能 | 能力 | 依赖 |
|---|---|---|
vision-skill | 识图：本地图片 → 视觉模型描述（Qwen 动态分辨率方法，OpenAI 兼容接口） | Python 3 + 视觉模型 API Key |
video-notes-generator | 视频 URL → 结构化 Markdown 笔记（时间戳 / 抽取帧 / 多模态图像观察 / AI 总结），支持 Bilibili / YouTube / 抖音 / 快手 / 本地文件 | Python 3 + 依赖（见 scripts/install_deps.sh） |
ppt-master | 源文档（PDF / DOCX / URL / Markdown）→ 多角色协作生成 SVG 页面 → 导出 PPTX | Python 3（标准库为主，可选依赖见 requirements.txt） |
markitdown-skill | 微软 MarkItDown：PDF / DOCX / PPTX / XLSX / HTML / EPUB 等 → 统一 Markdown | Python 3 + pip install -r requirements.txt |
generic-agent-code-run | GenericAgent 风格 code_run：Windows 桌面应用 / 真实浏览器自动化（Win32 / UIA / OCR / 截图 / CDP）+ 观察-行动-验证循环 | Python 3 + 对应库 |
所有技能均内置
SKILL.md（agent 运行时加载的指令），部分附scripts/、templates/、references/。
3️⃣ Hermes 插件（hermes_plugins）
| 插件 | 能力 | 依赖 |
|---|---|---|
language-router v5.0 | 自适应语言路由：Planner-first → Worker → 可选 Verifier → Digest 流程（NousResearch / Diana 出品），hooks 挂载 pre_llm_call / pre_api_request / post_api_request | Hermes 框架 |
📁 目录结构
Agent_Extensions/
├── dsh-plugins/ # DeepSeek Harness（DSH）原生插件
│ ├── dsh-vision-skill/ # 识图插件 v0.4.4（8 工具 + 渐进式暴露 + Credential 化）
│ ├── dsh-layered-memory/ # 分层长期记忆（v0.4：命名空间/自动蒸馏/自动维护）
│ ├── dsh-annotation-patched/ # 选中批注/引用插件（fork 增强，Codex 式选中即引用）
│ ├── dsh-side-panel-patched/ # 右侧工作区面板（fork 增强，多文件 tab + 会话跟踪）
│ └── dsh-ocr1-memory/ # 光学压缩记忆（SoM 图像 + active recall）
├── General_skills/ # 通用智能体技能（跨框架，挂载即用）
│ ├── vision-skill/ # 识图
│ ├── video-notes-generator/ # 视频转结构化笔记
│ ├── ppt-master/ # 文档 → SVG → PPTX
│ ├── markitdown-skill/ # 任意文档 → Markdown
│ └── generic-agent-code-run/ # Windows 桌面/浏览器自动化
├── hermes_plugins/ # Hermes 框架插件
│ └── language-router/ # 语言路由（planner-first）
└── README.md
🚀 快速开始
方式一：安装 DSH 插件（以 dsh-vision-skill 为例）
DSH 插件已拆分为独立仓库，推荐直接安装独立仓库：
# 1. 从独立仓库安装（自带 cordis.patch.yml，自动贡献 id: vision-skill）
dsh plugin --profile web add github:DDDFXYqiming/dsh-vision-skill
# 2. 配置 Credential（$DSH_HOME/.credentials.yaml）
VISION_API_KEY: sk-xxxx
本仓库
dsh-plugins/下保留的是历史快照；各插件最新文档见对应独立仓库。
⚠️ bundle 安装后不要在 profile 的
cordis.patch.yml里再insert同名条目，否则会触发duplicate loader entry id启动崩溃；需要自定义配置时用裸条目按 id 覆盖（见插件 README）。
方式二：挂载通用技能（任何框架）
以 vision-skill 为例：
# 1. 复制技能目录到你的 agent 的 skills 目录
# （Claude Code: ~/.claude/skills/ ；Codex: ~/.codex/skills/ ；其他框架见其文档）
cp -r General_skills/vision-skill <你的 skills 目录>/
# 2. 配置视觉模型（OpenAI 兼容接口）
cd General_skills/vision-skill
cp templates/.env.example .env # 填入 VISION_API_URL / VISION_MODEL / VISION_API_KEY
# 3. 自检
python scripts/vision.py --check
其他技能用法详见各目录内 SKILL.md。
方式三：安装 Hermes 插件
将 hermes_plugins/language-router 目录放入 Hermes 插件目录即可（plugin.yaml 声明了全部 hooks 与版本信息）。
🧩 DSH 插件能力一览
dsh-vision-skill v0.4.4（8 工具 + 1 运行时 skill）
| 工具 | 能力 |
|---|---|
vision_analyze | 识图（5 模式 + mega 超高清 16M 像素预算） |
vision_ocr / vision_long_screenshot_ocr | 独立 OCR / 超长截图分块 OCR（带重叠切块 → 逐块识别 → 合并） |
vision_ground / vision_detect | 目标定位 / 元素枚举（像素坐标框 + 归一化坐标） |
vision_dominant_colors | 主色分析（本地像素算法，无需 API） |
vision_clipboard | 剪贴板图片兜底（应对"当前模型不支持图片"粘贴拦截） |
vision_activate | 渐进式暴露兜底：skill 加载后工具未自动出现时调用一次 |
工程化特性：渐进式工具暴露（全局只挂 1 个轻量激活工具，省上下文）、密钥 Credential 化（credential: VISION_API_KEY 引用，每操作解析）、路径围栏（realpath 校验防穿越）、超时与并发门控、严格 JSON Schema 结构化输出。
dsh-layered-memory v0.4（分层长期记忆）
| 组件 | 说明 |
|---|---|
memory:index 注入 | 通过 ctx.systemPrompt.context 每轮实时注入 L1 索引（存在性编码，读文件即生效，KV 缓存友好） |
memory（运行时 skill） | 触发语义：何时读 / 何时写 / 何时同步索引 |
memory_activate | 渐进式暴露兜底：skill 加载后工具未自动出现时调用一次 |
memory_list / memory_read | 列出 / 读取记忆（index / fact / sop，含溯源 meta） |
memory_write | 写入记忆（fact/sop，evidence 必填 = 行动验证公理） |
memory_index | 重建 L1 索引自动段（保留 [RULES] 手动段） |
memory_pending / memory_accept | 自动蒸馏候选区：查看 / 确认入正式记忆 |
memory_update / memory_archive / memory_rollback | 更新（supersede 保留历史）/ 归档 / 回滚 |
memory_expand | 通过 sessionQuery 展开 sourceSession/sourceSeqs 原始事件 |
memory_stats / memory_maintain | 统计 / 自动维护（去重、压缩索引、合并候选） |
核心特性：命名空间隔离（<memoryDir>/<namespace>/...，默认 workspace 目录 + git 分支）、自动蒸馏（turn/end 成功工具调用 → pending/，确认后才入正式记忆）、自动维护（maintainEveryTurns 默认 20）、渐进式工具暴露（progressive: false 可回退全局注册）。
核心公理：行动验证（No Execution, No Memory）、神圣不可删改（已验证事实可压缩迁移、严禁丢弃）、禁易变状态（时间戳/PID/临时路径不存）、最小充分指针（L1 只写存在性）。注入走 user-role 快照，不破坏 DSH 的 KV 缓存命中率（设计细节见插件 README）。
dsh-annotation-patched（选中批注/引用，fork 增强）
| 能力 | 说明 |
|---|---|
| 选中批注 | 选中助手回复文字 → 批注（可留空）→ 回车随消息发送；自己的气泡不显示批注块（零闪烁隐藏） |
| 逐条对照 | 模型按 Annotation 1: … 逐条回应，回复中为可悬停芯片（回看原文+批注） |
| Codex 式「引用」按钮（增强①） | 选中文字 → 工具栏「引用」按钮 → 回车即带（空批注纯引用），显式确认制，复制/阅读选中不会误触发 |
| 幽灵引用修复（增强②） | 拼稿即清待发送集（原版依赖装饰扫描轮询清理存在竞态残留） |
来源：omdsh-dev/dsh-annotation v1.3.13（MIT），全部改动带 PATCH(2026-08-14) 标记，详见目录内 README.md。
dsh-side-panel-patched（右侧工作区面板，fork 增强）
| 能力 | 说明 |
|---|---|
| 文件树 + 多文件 tab | 文件树点文件 → 独立 tab（同时打开多个文件，切换/单关/查重激活），树单例跟随激活 tab、滚动位置跨 tab 保持 |
| 会话跟踪 | 切换工作区 → 树重载当前工作区；文件 tab 按会话分组（各自保留、切换显示、互不串扰） |
| Git 审查 / 终端 | 工作区变更审查（stage/unstage）；终端 Windows 友好降级（Unix PTY 限制不崩溃） |
| 布局增强 | 绕开官方 520px 宽度上限（420~60% 视口自由拖宽）、头部与官方 header 像素级对齐、Codex 风格梭形拖拽把手、放大按钮全宽切换 |
来源：ccq1/dsh-side-panel v0.2.0（BSD-3-Clause），全部改动带 PATCH(2026-08-14) 标记，详见目录内 README.md。
⚙️ 环境要求
| 使用场景 | 要求 |
|---|---|
| DSH 插件 | Node.js + DSH（@deepseek-ai/dsh-tools、@deepseek-ai/dsh-credentials） |
| dsh-vision-skill / vision-skill | 额外需要 Python 3 + Pillow，以及任意 OpenAI 兼容多模态模型 API Key（Qwen-VL / MiniMax-M3 / Gemini / GPT-4o，默认 MiniMax-M3） |
| 通用技能（vision / video / ppt / markitdown / automation） | Python 3.x + 各技能列出的 pip 依赖 |
| Hermes 插件 | Hermes 框架 |
❓ FAQ
Q：通用技能和 DSH 插件怎么选？
A：通用技能跨框架，任何 agent 都能挂载；DSH 插件是 DSH 原生扩展，走官方接缝（工具注册 / Credential / 上下文注入 / 布局插槽），能力更强但只适用于 DSH。两者能力互通——dsh-vision-skill 就是把 General_skills/vision-skill 包装成 DSH 原生插件。
Q：我的模型不支持图片，能识图吗？
A：能。直接贴图会被框架拒绝（MODEL_DOES_NOT_SUPPORT_IMAGES），改用两种方式：① 发图片的本地路径文本；② 截图后说"看图"，vision_clipboard 自动保存到工作区再识别。这是纯文本模型的能力门禁，不是插件问题。
Q：视觉 API 用哪家？
A：任意 OpenAI 兼容的多模态模型接口，通过 VISION_API_URL / VISION_MODEL / VISION_API_KEY 注入，不写死任何厂商。
Q：子目录之间有关联吗？ A：没有。每个子目录是独立的自包含单元，可单独使用、单独发布、单独删除。
🤝 贡献
- 每个子目录是独立的自包含单元，欢迎以 PR 提交新技能/插件，或提 Issue 反馈问题。
- 贡献要求：自包含（自带脚本/模板/文档）、许可证清晰（建议 MIT）、不写死密钥与本机绝对路径。
- 新增技能的入口文档统一为
SKILL.md，DSH 插件另附cordis.patch.yml与package.json。
📄 许可
本仓库全部内容以 MIT License 分发。社区来源内容保留原作者署名（见各子目录 SKILL.md / plugin.yaml 头部）。
收录徽章
[](https://deepseek-plugin.org/plugins/DDDFXYqiming/Agent_Extensions/dsh-plugins/dsh-ocr1-memory)把这段 markdown 粘贴到你的 GitHub README，链接回本插件详情页。徽章只声明已被本站收录，不代表安全认证。