前言¶
DeepSeek Harness（DSH）在處理長文本時，輸入 token 的消耗會迅速增加，導致成本上升或上下文窗口被截斷。本插件通過將長文本渲染爲圖片發送，利用視覺模型每張圖 384 token 的封頂特性來壓縮輸入 token。它專爲 DSH 設計，無需自定義 RPC，集成在 DSH 的現有架構中。
核心功能¶
- 文本轉圖片壓縮：將長文本渲染爲 800×800 的圖片，利用每圖 384 token 的上限壓縮 LLM 輸入。模型看到的輸入從上萬 token 降至幾百到幾千，而內容保持一字不差。
- 自動縮放與壓縮比：支持自動縮放圖片。中文 18px 壓縮比約 2~2.5×，13px 更高；英文大於等於 18px 壓縮幾乎無收益。
- 智能模型檢測：自動識別模型是否爲視覺模型。非視覺模型（不含 vision 字樣）會自動跳過轉換，避免報錯。
- 架構集成：Host 監聽
agent/pre-step事件替換文本塊，Client 注入「圖」開關與字號下拉。開關和字號走 settings，渲染和替換走宿主事件與附件服務，零自定義 RPC。 - 閾值與頁數控制：支持設置閾值（默認 600 字）和最大頁數（默認 10 頁，範圍 1–20），超出時自動回退純文本。
安裝與啓用¶
使用 DSH CLI 安裝插件：
dsh plugin --profile web add dsh-text2img-compress@0.1.3
安裝後重啓 DSH 並刷新頁面，輸入框右側會出現「圖」按鈕。
使用方法¶
- 開啓功能：點擊輸入框右側的「圖」按鈕，狀態持久化，重啓不丟失。
- 發送長文本：發送 ≥ 默認 600 字 的文本。聊天界面會顯示提示，並自動將文本渲染爲圖片。
- 調整參數：在設置面板（DSH 設置面板 →「文本轉圖壓縮」頁）調整字號（12–22px，1px 步進）和最大頁數（1–20）以控制壓縮比。
- 模型讀取：模型直接讀取圖片內容，實現高保真閱讀或總結。
適用場景與限制¶
適用場景：
- 長文檔、論文、手冊或更新日誌的理解、總結與檢索。
- 長上下文窗口的預算壓縮（如 100KB 文檔從 3 萬+ token 降到幾千）。
- 需要大致還原內容的場景（日期、數字、段落大意）。
限制與注意：
- 僅限視覺模型：僅適用於視覺模型（如 deepseek-v4-flash-vision-exp），純文本模型會自動跳過。
- 英文場景：英文大於等於 18px 壓縮幾乎無收益，建議用 13px 或直接用文本。
- 精確性要求：不適用於代碼、配置、SQL、JSON 等需要逐字精確的場景。
- OCR 精度：通用視覺模型不是 OCR 專用模型。精度要求高時建議用 22px。
結尾¶
該插件通過利用視覺模型的圖片 token 封頂機制，有效降低了長文本處理的輸入 token 消耗。安裝與配置簡單，適合需要在 DSH 中高效處理長文本的場景。
