vision-exp-tile: DSH 大圖無損切塊與智能識別插件

前言¶

DeepSeek-v4-flash-vision-exp 模型在處理大圖時，官方會將其壓縮至 800×800 像素以控制 Token 消耗。這種縮放會導致圖片細節丟失，影響識別精度。本插件旨在解決這一問題：通過將大圖切分爲 800×800 的無損小塊，攜帶座標標註直連 DeepSeek 視覺 API 進行識別與聚合，確保細節不丟失。

插件定位¶

名稱: vision-exp-tile
作者: Nicholaskin
分類: 模型推理
許可證: MIT

該插件是 DSH（DeepSeek Harness）插件，用於處理模型推理場景下的大圖輸入問題，支持本地 OCR、批量目錄處理及多種模型編排策略。

安裝與啓用¶

插件安裝需手動掛載至目標 DSH Profile，步驟如下：

   ~/.dsh/plugins/vision-exp-tile

該目錄需包含 cordis.patch.yml、dsh-plugin.json、std-facet.js 及源碼文件。

修改目標 Profile 的 package.json，添加依賴與 Bundle：

   "dependencies": {
     "vision-exp-tile": "link:C:/Users/<你>/.dsh/plugins/vision-exp-tile"
   },
   "dsh": {
     "profile": {
       "bundles": [ ...現有項..., "vision-exp-tile" ]
     }
   }

在 Profile 目錄執行安裝並重啓 DSH：

   pnpm install
   dsh web

（DSH 0.2.0 自帶插件管理器，也可通過界面裝載）

核心功能¶

無損切塊: 將大圖切割爲 800×800 無損小塊（邊緣塊取實際尺寸，不補白不放大），確保細節零損失。
座標標註: 對切塊結果進行座標標註，並生成全局佈局參考圖。
直連 API: 攜帶切塊結果與座標直接調用 DeepSeek 視覺 API 進行識別與聚合。
本地 OCR: 支持本地 OCR 引擎（如 paddle、rapid、Windows 系統 OCR）配合視覺識別使用。
批量處理: 支持對整個目錄進行批量識別，具備斷點續跑與失敗隔離能力。
模型編排: 提供 smart（智能編排）、pipeline（全自動流水線）、full（全網格）三種策略。
設置頁優化: v1.0.1 版本將 49 項配置分爲 8 個可摺疊分組，新增搜索框與組頭狀態徽標，優化用戶體驗。

典型用法¶

插件提供了多個工具接口，可根據場景選擇：

1. 單圖智能識別¶

vision_tile_split: 僅執行切塊、標註與聚合邏輯。
vision_tile_recognize: 執行智能識圖，包含整圖預檢、興趣點識別與結果彙總。

{
  "file_path": "D:\\img\\大圖.png",
  "strategy": "smart",
  "question": "這張圖裏有什麼內容？請完整描述"
}

2. 區域裁剪識別¶

vision_region_crop: 針對興趣點或文字區域進行按比例裁剪識別（最長邊 800）。

{
  "file_path": "D:\\img\\截圖.png",
  "rect": [x0, y0, x1, y1],
  "max_edge": 800,
  "recognize": true
}

3. 批量目錄識別¶

vision_batch_recognize: 逐張識別目錄下圖片，支持斷點續跑與報告生成。

{
  "input_dir": "D:\\DSH-Files-v2\\00-收件箱\\圖像識別輸入",
  "limit": 5,
  "strategy": "pipeline",
  "resume": true
}

注意事項¶

零依賴: 插件不依賴任何第三方 DSH 插件（如 picturereader 等），僅使用官方 DSH 服務與可選開源 OCR 環境。
計費說明: 插件不代爲統計 Token 與費用，實際計費以 DeepSeek 官方 API 平臺賬單爲準。
兼容性: v1.0.1 設置頁改版，支持任意 OpenAI 兼容視覺端點與本地視覺模型。