前言¶
DeepSeek Harness（DSH）在处理长文本时，输入 token 的消耗会迅速增加，导致成本上升或上下文窗口被截断。本插件通过将长文本渲染为图片发送，利用视觉模型每张图 384 token 的封顶特性来压缩输入 token。它专为 DSH 设计，无需自定义 RPC，集成在 DSH 的现有架构中。
核心功能¶
- 文本转图片压缩：将长文本渲染为 800×800 的图片，利用每图 384 token 的上限压缩 LLM 输入。模型看到的输入从上万 token 降至几百到几千，而内容保持一字不差。
- 自动缩放与压缩比：支持自动缩放图片。中文 18px 压缩比约 2~2.5×，13px 更高；英文大于等于 18px 压缩几乎无收益。
- 智能模型检测：自动识别模型是否为视觉模型。非视觉模型（不含 vision 字样）会自动跳过转换，避免报错。
- 架构集成：Host 监听
agent/pre-step事件替换文本块，Client 注入「图」开关与字号下拉。开关和字号走 settings，渲染和替换走宿主事件与附件服务，零自定义 RPC。 - 阈值与页数控制：支持设置阈值（默认 600 字）和最大页数（默认 10 页，范围 1–20），超出时自动回退纯文本。
安装与启用¶
使用 DSH CLI 安装插件：
dsh plugin --profile web add dsh-text2img-compress@0.1.3
安装后重启 DSH 并刷新页面，输入框右侧会出现「图」按钮。
使用方法¶
- 开启功能：点击输入框右侧的「图」按钮，状态持久化，重启不丢失。
- 发送长文本：发送 ≥ 默认 600 字 的文本。聊天界面会显示提示，并自动将文本渲染为图片。
- 调整参数：在设置面板（DSH 设置面板 →「文本转图压缩」页）调整字号（12–22px，1px 步进）和最大页数（1–20）以控制压缩比。
- 模型读取：模型直接读取图片内容，实现高保真阅读或总结。
适用场景与限制¶
适用场景：
- 长文档、论文、手册或更新日志的理解、总结与检索。
- 长上下文窗口的预算压缩（如 100KB 文档从 3 万+ token 降到几千）。
- 需要大致还原内容的场景（日期、数字、段落大意）。
限制与注意：
- 仅限视觉模型：仅适用于视觉模型（如 deepseek-v4-flash-vision-exp），纯文本模型会自动跳过。
- 英文场景：英文大于等于 18px 压缩几乎无收益，建议用 13px 或直接用文本。
- 精确性要求：不适用于代码、配置、SQL、JSON 等需要逐字精确的场景。
- OCR 精度：通用视觉模型不是 OCR 专用模型。精度要求高时建议用 22px。
结尾¶
该插件通过利用视觉模型的图片 token 封顶机制，有效降低了长文本处理的输入 token 消耗。安装与配置简单，适合需要在 DSH 中高效处理长文本的场景。
