前言¶

DeepSeek Harness (DSH) 的核心设计理念之一是「一切皆插件」。在构建视觉能力时，如果直接将大图输入给视觉模型，模型通常会将整张图整体缩放到约 800×800 的等效像素，导致局部细节丢失。

meng-114/dsh-image-tiler 插件正是为了解决这一问题而生。它将大图像分割成带坐标标注的切片，并保留一张全局概览图。这样既能保留视觉模型所需的细节，又能通过概览图快速定位目标区域。

核心功能¶

该插件提供了一套完整的工作流，主要包含两个工具和一系列辅助功能。

切图工具：tile_image¶

调用 tile_image 即可完成切片。工具会根据配置参数将原图分割，并生成对应的输出文件。

参数包括：
* file_path：输入图片路径。
* tile_size：切片边长，默认 800 像素。
* overlap：切片重叠区域，默认 40 像素。
* output_dir：输出目录，默认 tiles。
* format：输出格式（如 png、jpeg、webp）。
* label：标签。
* overview_size：概览图边长。
* max_tiles：最大切片数，默认 64。

读图工具：read_tiles¶

read_tiles 负责读取切片，支持多种读取策略：
* 区域选片：支持 center、left、right、top、bottom、full，或显式指定坐标（如 r1c2）。
* 语义定位：通过 target 参数直接描述目标（如 “the login button”），插件会调用视觉模型在概览图上定位目标框，并返回覆盖该区域的切片。
* 工作台勾选：无参数调用时，插件会读取用户在可视化工作台中勾选的切片。

可视化工作台与拖入即切片¶

• 可视化切片工作台：模型调用 tile_image 后，工具卡片会变为交互界面。你可以拖动滑块预览网格，点击“切片”生成缩略图网格，并手动勾选需要读取的切片。
• 拖入即切片：支持将图片直接拖入 DSH Web 界面。插件会自动将图片存入工作区的 .dsh-imgtiler/ 目录并完成切片。

安装与兼容性¶

安装命令如下：

dsh plugin add @mengli114/dsh-image-tiler

该插件对 DSH 版本有要求，仅支持 DSH 0.1.7 线（>=0.1.7-rc.1）以上的版本。旧版本不支持设置卡片功能。

典型用法¶

1. 切分图像¶

先调用 tile_image 对大图进行切片：

tile_image({
  file_path: "large.png",
  tile_size: 800,
  overlap: 40,
  format: "png"
})

2. 读取切片¶

• 按坐标读取：

    read_tiles({
      // 读取第 1 行第 2 列及周围区域
      region: "r1c2"
    })

• 语义定位读取：

    read_tiles({
      target: "the login button"
    })

模型会自动在概览图上定位“登录按钮”，并返回覆盖该区域的切片。

注意事项¶

• 路径安全：插件严格限制输入与输出路径，均必须在当前会话的工作区（session.header.cwd）内。不要使用绝对路径或超出工作区的路径。
• 输入格式：支持 PNG、JPEG、GIF、WebP、AVIF、HEIF、TIFF。注意：GIF 文件仅按首帧处理。
• 切片数量：单次调用最多支持 600 张切片（工具默认 64 张，可通过 max_tiles 参数上调）。
• 优先级规则：
  • 当 target 与显式 tiles 参数同时给出时，显式 tiles 优先。
  • 当 target 与工作台勾选同时存在时，target 优先。

总结¶

meng-114/dsh-image-tiler 是一个功能完备的图像处理工具，通过切片和概览图机制，帮助视觉模型在保留细节的同时降低 token 消耗。配合可视化工作台和语义定位功能，它能够显著提升复杂图像任务的准确性和效率。