前言¶

在开发基于 DeepSeek Harness (DSH) 的智能体时，处理目标网站的验证码是常见需求。手动解析图片或调用第三方服务会增加开发复杂度。xby-captcha 插件通过封装外部模型接口，提供了针对常见验证码类型的自动化识别方案。

是什么¶

xby-captcha 是一个 DSH 插件，归类于模型推理类别。它提供了一套工具集，用于识别文本、滑块、旋转、图标选择等类型的验证码，主要依赖外部 API 服务完成图像分析。

核心功能¶

插件提供了以下主要能力，支持图片链接、文件路径或 Base64 编码作为输入。

文本识别¶

• find_chars：识别图片中的文字（数字、字母、汉字），返回文本内容和置信度。
• find_chars_for_data_base64 / find_chars_for_data_file：支持 Base64 或文件路径输入的文本识别。

滑块验证¶

• slide_match_target_background：根据滑块图在背景图（带缺口）中找到最佳匹配位置。
• slide_match_only_background：直接在背景图（带缺口）中找到缺口位置。
• slide_compare：找到目标图与背景图的差异区域，定位阴影滑块位置。
• slide_match_target_background_for_data_base64 / slide_match_target_background_for_data_file / slide_match_only_background_for_data_base64 / slide_match_only_background_for_data_file / slide_compare_for_data_base64 / slide_compare_for_data_file：对应上述功能的 Base64 和文件路径输入版本。

旋转识别¶

• rotate_single：识别图像的旋转角度（0-359 度）。
• rotate_double：计算目标图像（内圈）相对于背景图像（外圈）的旋转角度。

图标与文字检测¶

• detect_icon：根据顺序提示图中的图标顺序，在目标图中检测对应图标并按顺序返回坐标。
• detect_text：根据顺序提示图中的文字顺序，在目标图中检测对应文字并按顺序返回坐标。
• detect_icon_for_data_base64 / detect_icon_for_data_file / detect_text_for_data_base64 / detect_text_for_data_file：对应功能的 Base64 和文件路径输入版本。

图像比较与数学计算¶

• compare_image：计算两张图片的相似度（0-1 分数）。
• compare_image_for_data_base64 / compare_image_for_data_file：对应功能的 Base64 和文件路径输入版本。
• solve_math：识别图像中的数学表达式（加减乘除），自动计算结果，返回表达式和结果。
• solve_math_for_data_base64 / solve_math_for_data_file：对应功能的 Base64 和文件路径输入版本。

安装与启用¶

使用官方提供的安装命令即可将插件添加到指定 Profile：

dsh plugin --profile web add github:xby_skill/xby-captcha

典型用法¶

1. 识别验证码：输入验证码图片链接或文件路径，调用 find_chars 获取识别结果。
2. 滑块验证：输入滑块图和背景图，调用 slide_match_target_background 获取缺口坐标。
3. 旋转计算：输入目标图片，调用 rotate_single 获取旋转角度。
4. 图标排序：输入提示图和目标图，调用 detect_icon 获取按序排列的坐标点。

适用场景与注意¶

本插件依赖外部 API 服务，使用时请务必遵守目标网站或系统的使用条款及法律法规，确保在允许的条件下使用。
安装前建议检查源码与许可证（MIT）。

结尾¶

xby-captcha 通过提供标准化的接口，降低了智能体处理验证码的门槛。如需更多详情，请访问 插件目录 或 GitHub 仓库。