前言¶

在 DSH 里跑多轮、带截图的 Agent 时，常见做法是每轮把图再发给视觉模型，或把「模型对图的描述」写进文本记忆。前者重复上传、成本高；后者丢像素、换模型后描述还可能变。若你需要的是「某次截图上某一格的确切颜色」「两次 UI 状态逐像素对比」「按轮次或标签找回当时那张原图」，文本记忆和二次看图都不够稳。

下面介绍社区插件 dsh-visual-memory（维护者 xiciyang，分类：记忆）。它在本地按内容寻址保存图像原字节，用 sha256 与索引检索，读像素、拼对比图、按文本/标签/轮次召回——不依赖第二条视觉模型回路。

这是什么¶

dsh-visual-memory 是 DeepSeek Harness（DSH）的 bundle 插件：一次存入图像，后续问题都基于原始字节回答——精确像素、精确回放，可按文本、标签、sha256、轮次范围或近重复图检索。

• 目录页：https://www.skillhub.cn/plugins/xiciyang/dsh-visual-memory
• 源码与文档：https://github.com/xiciyang/dsh-visual-memory
• 许可证：MIT；当前包版本 0.1.7（见 package.json）
• 环境：DSH >=0.2.0 <0.3.0（README 标注在 0.2.0-rc.2 上验证）；Node.js >= 22；像素引擎需本机 Python 3 与 Pillow

与「再让视觉模型看一遍」或「把 base64 塞进一条文本记忆」相比，本插件把字节交给宿主 ctx.attachments 做 verbatim、内容寻址存储，索引与组合视图由插件自身维护。

核心功能¶

README 将能力对标 VISTA 类 harness 中的无损视觉记忆与时空检视；在本仓库中体现为一个 bundle 层、七个工具（完整列表见 GitHub README「Tools」一节）。已核实的主要能力如下。

裁剪、像素差分、调色板等数值/图像运算归 dsh-vision-toolkit（如 vision_crop、vision_pixel_diff）；字节存储归宿主 attachments；索引、注意力账本、多视图拼装、能力探测归本插件，避免两套实现分叉。

不适合的场景（README「30-second decision」）：需要云端图床（本插件本地文件后端）、Android（像素引擎会 spawn python3）、或单次「描述这张图」——DSH 原生图像输入已覆盖观测路径。

安装与启用¶

插件以当前 DSH 进程权限运行；安装前请阅读仓库源码与 MIT 许可证，确认符合你的环境策略。

推荐从 GitHub 解析安装（便于走各类 registry 镜像）：

dsh plugin --profile <name> add github:xiciyang/dsh-visual-memory

也可从 npm 短名安装：

dsh plugin --profile <name> add @xiciyang/dsh-visual-memory
dsh --profile <name> --dump-config      # 应出现 "# == @xiciyang/dsh-visual-memory" 层

若安装报错提到 0.0.0-stage，多为 pnpm 元数据缓存残留；可按 README 清理缓存后重试。卸载：

dsh plugin --profile <name> remove @xiciyang/dsh-visual-memory

依赖准备：

python3 -m pip install pillow

验证状态（README）：node verify.mjs 在仓库内为 17/17；DSH 0.2.0-rc.2 上曾记录 11/11 端到端实调。

典型用法¶

无独立配置文件；存储根随 session workspace 变化。逻辑位置如下（摘自 README）：

Quick start 中的调用顺序可复现为：

// 1. 存入当前截图并写上可检索描述
visual_remember({ path: "./shot.png", text: "checkout page, CNY 199, two buttons", tags: ["ui","checkout"] })

// 2. 之后无需重新上传即可找回
visual_recall({ query: "checkout" })            // 或 sha256 / id / tags / turn range / near-dup

// 3. 读取区域内精确颜色（视觉模型往往会四舍五入）
visual_read_pixels({ id: "VM-…", region: "120,40,200,80", rows: 2, cols: 4 })

// 4. 将多帧归档拼成一张带标签的对比图
visual_inspect({ views: [{ id: "VM-…", region: "0,0,800,600" }, { id: "VM-…" }], layout: "side-by-side" })

清空某工作区的记忆可删除 .dsh-visual-memory/；attachments/ 下的原图需另行回收空间。

适用场景与注意¶

适合：长时间 UI 自动化或调试 Agent，需要跨轮次引用同一张截图的精确像素；对比前后界面；按轮次、标签或哈希找回历史帧，且希望答案不随「换一条视觉模型」而漂移。

注意：

1. 桌面/服务器环境；像素引擎依赖 python3 子进程，Android 不在当前范围。
2. 观测路径上建议配置声明了图像输入的 model route；插件会探测 routeCapability，纯文本 route 仍存图，但通过 sha256 句柄访问。
3. DSH < 0.2.0 会因 engines.dsh 拒绝安装；>= 0.3.0 未在资料中验证。
4. 社区目录 SkillHub 与 GitHub 为独立生态入口，与 DeepSeek / 幻方无官方从属关系；DSH 本身奉行「一切皆插件」，是否安装由你方评估。

结尾¶

dsh-visual-memory 把「描述」与「字节」分开：图存一次，用 sha256 寻址，用工具读像素、拼检视、做对比、按多种键召回——减轻重复上传和对视觉模型转述的依赖。需要细节、完整工具表与边界说明时，以仓库 README 为准。

• 目录：https://www.skillhub.cn/plugins/xiciyang/dsh-visual-memory
• GitHub：https://github.com/xiciyang/dsh-visual-memory