格物審視面：gewu-tools

DSH 的主腦通常是純文本模型，無法直接讀取渲染後的頁面，自然無法回答關於版式、密度或圖表對齊的問題。視覺子代理（如 subagent_vision、mimo-v2.5 等）雖然具備視覺能力，但存在兩個主要短板：一是缺乏會話上下文，無法識別業務語義（例如將核心能力標記 ⭐ 誤判爲裝飾）；二是可能發生 OCR 誤讀或頁碼歸屬錯誤。gewu-tools 旨在解決這一問題，它爲 DSH 提供了一套模型無關的視覺檢驗流水線：HTML 逐頁渲染 PNG、生成視覺子代理簡報契約、以及源碼真值覈驗。

安裝與前置¶

在安裝前，請確認環境滿足以下條件：Windows 系統，已安裝 Chrome 或 Edge 瀏覽器，以及 Node.js 24+（僅腳本驗證用）。

安裝過程分爲兩步：先通過 npm 獲取包，再將其掛載到 DSH。

1、安裝依賴包：

npm i gewu-tools

2、掛載插件：

pwsh node_modules\gewu-tools\scripts\install-gewu-plugins.ps1 -Install

或者使用 DSH 插件管理器：

dsh plugin add gewu-tools

注意：安裝後必須重啓 DSH 會話才能生效。安裝腳本會修改 DSH 的 agent preset，默認掛載點爲 <workspace>\.dsh\gewu-tools。

核心功能¶

gewu-tools 提供以下核心能力：

HTML 逐頁渲染 PNG：插件會讀取 HTML 文件，優先查找 <section> 錨點（如 v2-page 類），使用無頭 Chrome 進行逐頁截圖。如果頁面無錨點，會自動降級爲整頁長截圖。截圖輸出目錄默認爲 <工作區>/_tmp_vision_test/<文件名>_shots。
生成視覺子代理簡報契約：在截圖的同時，插件會生成一份包含紀律聲明、僞影聲明和頁碼歸屬規則的簡報。這份簡報會作爲上下文傳遞給視覺子代理，防止因缺乏背景信息導致的誤報（例如將業務標記誤判爲缺陷）。
真值覈驗：這是插件的核心。它會將視覺子代理發現中的文字或數字，回溯定位到 HTML 源碼中，返回對應的頁碼和行號。如果定位結果爲空（count=0），說明該發現是 OCR 誤讀，不應採信。
消除誤報與攔截錯誤：通過簡報契約提供上下文，以及真值覈驗環節攔截 OCR 誤讀與頁碼偏移，顯著降低無上下文誤報率，確保關鍵數字的準確性。

使用方法¶

使用流程分爲三個步驟。

第一步：準備與截圖
調用 gewu_prep 工具，傳入 HTML 路徑、客戶名稱和背景信息。背景信息（如業務標記語義）是提供上下文的關鍵。

gewu_prep(html_path='output\\方案.html', client='客戶A', background='核心能力用⭐標記')

該函數返回包含頁面列表和簡報文本的對象。

第二步：視覺子代理審閱
將 gewu_prep 返回的簡報全文作爲 prompt，調用 DSH 原生的視覺子代理（如 subagent_vision）。視覺子代理會根據簡報中的要求進行審閱。

第三步：真值覈驗
對視覺子代理發現的關鍵問題，使用 gewu_locate 進行覈驗。

gewu_locate(html_path='output\\方案.html', needle='關鍵數據123')

如果返回的頁碼和行號有效，則採信該發現；否則視爲誤報。

模型無關性與兼容性¶

該插件在視覺子代理 mimo-v2.5 與 qwen3.7-plus 上進行了實測驗證。測試表明，模型的檔位差異主要體現在審閱風格（如洞察力強弱、結論保守度），而不影響結果的可信度。可信度主要取決於流水線中的“簡報契約”提供的上下文，以及“真值覈驗”環節的源碼比對。

兼容性說明：
* DSH 版本：DSH 0.1.0-rc.6。
* 依賴：僅依賴 @deepseek-ai/dsh-tools。
* 瀏覽器：支持 Chrome 和 Edge，會自動探測安裝路徑。

自定義規範注入¶

插件默認使用內置的 community preset（零注入）。如果需要將特定的設計規範或驗收標準注入到簡報中，可以通過安裝腳本指定 preset 文件：

pwsh node_modules\gewu-tools\scripts\install-gewu-plugins.ps1 -Install -Preset <preset文件路徑>

或者在運行時通過環境變量 GEWU_BRIEF_PRESET 指定。Preset 文件允許定義關注的焦點、驗收標準段落以及調度提示。

CLI 跨宿主用法¶

如果不在 DSH 環境中，可以直接使用 CLI 工具獲得同源的截圖、簡報和核驗產物。

# 截圖 + 簡報
node gewu\index.js --prep <html> --client <客戶名> --background "<背景>"

# 真值覈驗
node gewu\index.js --locate <html> --needle "<文本/數字>"

總結¶

gewu-tools 通過“截圖 + 簡報契約 + 源碼覈驗”的三步流水線，解決了純文本主腦無法進行視覺檢驗的難題。它通過強制執行紀律聲明和僞影聲明，以及將視覺發現回溯到源碼，保證了視覺審閱的準確性和可審計性。無論接入何種檔位的視覺模型，該插件都能產出可信的結果。

目錄頁：gewu-tools
源碼：GitHub