前言¶

DeepSeek Harness (DSH) 的核心設計理念之一是「一切皆插件」。在構建視覺能力時，如果直接將大圖輸入給視覺模型，模型通常會將整張圖整體縮放到約 800×800 的等效像素，導致局部細節丟失。

meng-114/dsh-image-tiler 插件正是爲了解決這一問題而生。它將大圖像分割成帶座標標註的切片，並保留一張全局概覽圖。這樣既能保留視覺模型所需的細節，又能通過概覽圖快速定位目標區域。

核心功能¶

該插件提供了一套完整的工作流，主要包含兩個工具和一系列輔助功能。

切圖工具：tile_image¶

調用 tile_image 即可完成切片。工具會根據配置參數將原圖分割，並生成對應的輸出文件。

參數包括：
* file_path：輸入圖片路徑。
* tile_size：切片邊長，默認 800 像素。
* overlap：切片重疊區域，默認 40 像素。
* output_dir：輸出目錄，默認 tiles。
* format：輸出格式（如 png、jpeg、webp）。
* label：標籤。
* overview_size：概覽圖邊長。
* max_tiles：最大切片數，默認 64。

讀圖工具：read_tiles¶

read_tiles 負責讀取切片，支持多種讀取策略：
* 區域選片：支持 center、left、right、top、bottom、full，或顯式指定座標（如 r1c2）。
* 語義定位：通過 target 參數直接描述目標（如 “the login button”），插件會調用視覺模型在概覽圖上定位目標框，並返回覆蓋該區域的切片。
* 工作臺勾選：無參數調用時，插件會讀取用戶在可視化工作臺中勾選的切片。

可視化工作臺與拖入即切片¶

• 可視化切片工作臺：模型調用 tile_image 後，工具卡片會變爲交互界面。你可以拖動滑塊預覽網格，點擊“切片”生成縮略圖網格，並手動勾選需要讀取的切片。
• 拖入即切片：支持將圖片直接拖入 DSH Web 界面。插件會自動將圖片存入工作區的 .dsh-imgtiler/ 目錄並完成切片。

安裝與兼容性¶

安裝命令如下：

dsh plugin add @mengli114/dsh-image-tiler

該插件對 DSH 版本有要求，僅支持 DSH 0.1.7 線（>=0.1.7-rc.1）以上的版本。舊版本不支持設置卡片功能。

典型用法¶

1. 切分圖像¶

先調用 tile_image 對大圖進行切片：

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

2. 讀取切片¶

• 按座標讀取：

    read_tiles({
      // 讀取第 1 行第 2 列及周圍區域
      region: "r1c2"
    })

• 語義定位讀取：

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

模型會自動在概覽圖上定位“登錄按鈕”，並返回覆蓋該區域的切片。

注意事項¶

• 路徑安全：插件嚴格限制輸入與輸出路徑，均必須在當前會話的工作區（session.header.cwd）內。不要使用絕對路徑或超出工作區的路徑。
• 輸入格式：支持 PNG、JPEG、GIF、WebP、AVIF、HEIF、TIFF。注意：GIF 文件僅按首幀處理。
• 切片數量：單次調用最多支持 600 張切片（工具默認 64 張，可通過 max_tiles 參數上調）。
• 優先級規則：
  • 當 target 與顯式 tiles 參數同時給出時，顯式 tiles 優先。
  • 當 target 與工作臺勾選同時存在時，target 優先。

總結¶

meng-114/dsh-image-tiler 是一個功能完備的圖像處理工具，通過切片和概覽圖機制，幫助視覺模型在保留細節的同時降低 token 消耗。配合可視化工作臺和語義定位功能，它能夠顯著提升複雜圖像任務的準確性和效率。