dsh-image-create：本地 Stable Diffusion 生图插件

前言¶

DeepSeek Harness（DSH）以「一切皆插件」为理念，把本机能力接进对话时，最常见的一个问题是：如何在不上传任何内容的前提下，安全地完成图片生成，并在违规场景下可控地回退到本地执行。现有的 dsh-sd-bridge-guard 插件已经提供了基础工具链，但在 C 档本地注入场景下，缺少底图入口、多选、质检等实用功能，导致实际使用时需要不少手工补丁。xingqikong/dsh-image-create 是对该上游仓库的 fork，修复了这些问题，并补齐「图生图」和「脸/手质检」的完整链路。

这是什么¶

dsh-image-create 是一个 DSH 插件，运行在本地 Windows 环境中，负责把 Stable Diffusion WebUI（A1111）的能力接入 DSH。它提供八件套工具（sd_txt2img、sd_img2img、sd_inpaint、sd_script、sd_script_b、sd_models、sd_server、sd_inject）和一个 sd-paint 技能，内置提示词规范与违规分流协议。

插件按场景分为两类：

• A 档：不涉及违规内容的需求，直接在对话中调用工具生成图片，按 sd-paint 规范写提示词、输出可复现脚本，并在出图后自检。
• C 档：涉及任何违规内容时，插件不会生成任何图片，只生成本地 sd-inject.ps1 的注入命令。用户在本地弹出的参数表单中填写参数并执行，从而将敏感操作留在本地。

插件还附带一个 C 档参数表单和一个脸/手质检流水线，利用本地 Ollama + 视觉模型对生成结果进行结构评分。

核心功能¶

• 八件套工具：支持文生图、图生图、蒙版重绘、脚本调用、模型管理、服务管理等。
• sd-paint 技能：内置提示词规范与 A/C 档分流协议，在对话中按规范写提示词、自动分流。
• C 档参数表单：提供正向/负向提示词、迭代次数、Denoising、比例、画风、画质、LoRA、模型、命名、底图、多选等字段。
• 用自己的图做图生图：通过表单「底图：浏览…」或 -InitImage 参数指定底图，自动匹配比例与画质，Denoising 自动抬到 0.55。
• 脸/手质检：本地 Ollama 视觉模型对每张图进行结构打分（0-100 分），≥75 分通过，否则换 seed 重试，取最高分那张。
• 多选模式：出满 N 张后弹出列表供勾选保留（-PickAll），默认只保留最高分那张。
• 跨机器适配：自动探测 SD 目录、自动拉起 SD/Ollama、产物目录自动落到会话工作区。

环境要求¶

• 操作系统：Windows 10 / 11
• PowerShell：5.1（Windows 自带）
• Stable Diffusion 后端：Stable Diffusion WebUI（A1111），API 端口默认 7860；没有可运行 install-sd.ps1 一键安装
• 质检（可选）：Ollama + 视觉模型，推荐 qwen3-vl:4b（8G 显存可用）；不装质检也能出图，只是不进行质检

显存参考：8 GB 显卡上，SD 常驻约 2.4 GB，4b 视觉模型约 3.3 GB，两者同时驻留会互相挤显存，出图速度明显变慢（同一张图从 10 秒降至 3 分钟）。

安装与启用¶

DSH 从 ~/.dsh/profiles/desktop/node_modules 加载插件。同一个工具名不能注册两次，因此安装前需备份或移除原插件：

$dir = "$env:USERPROFILE\.dsh\profiles\desktop\node_modules"

# 1) 备份原插件（如果存在）
if (Test-Path "$dir\dsh-sd-bridge-guard") {
  Move-Item "$dir\dsh-sd-bridge-guard" "$dir\dsh-sd-bridge-guard.bak" -Force
}

# 2) 克隆本仓库（目录名保持与包名一致）
git clone https://github.com/xingqikong/dsh-image-create "$dir\dsh-sd-bridge-guard"

安装完成后重启 DSH（或重载插件）。插件自带 cordis.patch.yml，sd_txt2img 等 8 个工具和 sd-paint 技能会自动注册。

如果不作为插件使用，也可以只使用脚本文件。把以下三个文件放在同一个目录即可：

sd-inject.ps1      # C 档本地注入（表单 + 图生图 + 质检）
sd-direct.ps1      # 单次出图（txt2img / img2img / inpaint / 蒙版重绘）
install-ollama.ps1 # 一键装 Ollama + 视觉模型（可选）

典型用法¶

用自己的图做图生图（C 档）¶

在脚本所在目录下执行：

cd <脚本所在目录>
.\sd-inject.ps1 -InitImage "D:\我的图.png"

或者在弹出的表单中点击最下方的「底图：浏览…」选择图片。两条命令等价。

执行后控制台会出现类似以下内容，表明底图已被读取：

本次用你准备的底图：D:\我的图.png
表单已确认：迭代 3 次 | Denoising 0.55（图生图） | 比例 2:3 | 画质 1024p | … | 底图 你的底图
最终出图走图生图：底图 = 你准备的图，denoising = 0.55

脚本会自动完成以下操作：

1. 跳过素体自检迭代（底图已由用户指定）。
2. 按底图自动匹配比例与画质。
3. 若 Denoising 为 0（文生图模式），自动抬到 0.55 以避免底图白给。
4. 不再强行追加 full body，构图由底图决定。

多选模式¶

如果需要出满 N 张后手动挑选，可以启用多选：

.\sd-inject.ps1 -InitImage "D:\a.png" -PickAll

或在表单中勾选「多选」。

质检模型调整¶

如果显存更大，可以使用 8b 模型：

.\install-ollama.ps1 -Model qwen3-vl:8b

单次出图（不使用表单）¶

.\sd-direct.ps1 -Mode txt2img -Steps 24 -Seed -1

命令行参数（sd-inject.ps1）¶

脸/手质检说明¶

• 每张图发送给本地视觉模型，仅评估脸部（对称、五官、畸形）和手部（五指是否齐全、多指/少指/粘连）。
• 返回 0-100 分，≥75 分通过；不通过则换 seed 重试，直到迭代次数上限，取最高分的那张。
• 质检服务未启动时，脚本会尝试自动拉起 Ollama；实在无法启动时会出满 N 张并弹出列表供手动选择，不会静默跳过。
• 质检仅评估结构分，不进行内容审查。

适用场景与注意¶

• 适合在本地 Windows 环境中使用 DSH 的开发者，需要在不上传敏感内容的前提下完成图片生成。
• 插件以当前 DSH 进程权限运行，安装前建议查看源码与许可证（MIT）。
• 使用前应确认 PowerShell 版本为 5.1，并注意 UTF-8 with BOM 编码要求，避免中文乱码或语法报错。
• 显存较小时（如 8 GB），质检模型和 SD 同时驻留会明显降低出图速度，可考虑使用更小的视觉模型或分阶段出图。

短结尾¶

dsh-image-create 通过修复上游 dsh-sd-bridge-guard 的若干问题，补齐了图生图与脸/手质检能力，为 DSH 在本地 Stable Diffusion 场景下的安全生成提供了完整链路。更多细节与安装方式可访问插件目录页或 GitHub 仓库。