前言¶
在 DeepSeek Harness (DSH) 中，当询问视频内容时，Agent 需要的是画面。
现有的方案基本只有两类：使用视觉桥插件（把帧发给云端 VLM，只返回文字结论，需要 API key 且结论是二手的），或者让 Agent 自己拼 ffmpeg 命令（需要处理时间戳和边界，容易出错）。
dsh-video-see 提供了第三条路：不调用外部 VLM，不需要任何 API key，画面不离开机器。它使用 ffmpeg 抽取帧，作为真实图像返回给 Agent，并附带时间戳。
这是什么¶
dsh-video-see 是 DeepSeek Harness 的一个插件。它使用 ffmpeg 对视频进行抽帧，返回真实的图像内容块，并标记时间戳。作者是 HongtaoWang75，许可证为 MIT。
核心功能¶
- 使用 ffmpeg 抽取视频帧。
- 将真实图像返回给 Agent。
- 为每帧标记时间戳。
- 不需要视觉 API 或 API key。
- 所有处理都在本地完成，不离开机器。
- 支持多种参数：input, times, every, count, start, end, width, mode。
- 可通过 cordis.patch.yml 配置：ffmpegPath, ffprobePath, maxFrames, maxWidth, maxPixels, quality, timeoutMs, toolTimeoutMs, graceMs。
- 包含单元测试和契约验证脚本。
安装与启用¶
- 执行安装命令：
dsh plugin --profile web add dsh-video-see
- 重启
dsh web（插件树在进程启动时组合）。
前置条件：必须安装 ffmpeg / ffprobe（或在配置中指定绝对路径）。插件零运行时依赖，没有构建步骤，也不联网。
典型用法¶
安装后，直接提问即可。Agent 会调用 video_see。
示例：
- “D:\videos\demo.mp4 里发生了什么？”
- “第 14 秒画面上那行小字写的是什么？”
- “这条片子剪了几个镜头？”
主要参数：
- input：视频路径（必填）。
- times：定点抽取秒数或时钟串，优先级最高。
- every：每 N 秒一帧。
- count：等分抽取帧数（1-64，默认 8）。
- start / end：指定时间窗。
- width：单帧宽度上限。
- mode：frames（每帧一张图）或 sheet（拼成一张图版）。
适用场景与注意¶
- 无音频转录：不转写音频，
hasAudio仅报告音轨存在。 - 不经过 ctx.fs：
input路径直接交给 ffmpeg，文件沙箱对此读取不生效。 - 离散快照：帧是离散的，运动或一闪而过的细节可能被漏掉。
- 依赖 ffmpeg：必须安装 ffmpeg。
- 边界处理：自动处理帧边界、旋转检测、竖屏按面积缩放、仅在必要时缩放。
- 临时文件：临时帧会立即删除。
- 错误提示：提供用户友好的失败信息。
短结尾¶
该插件将视频帧以真实图像形式交还给 DSH Agent，配合本地模型的原生视觉能力，避免了二次翻译和 API 成本。如需了解详情，可查看目录页或 GitHub 仓库。
