前言¶

在 DeepSeek Harness（DSH）里让模型操作本机桌面，常见做法是注册一个 desktop 工具：截图、OCR 找文字、UI Automation 点控件、再发键鼠输入。上游项目 qingying012/dsh-desktop-control 已经提供了这类能力，但在支付按钮、敏感窗口、不可逆提交等场景下，仅靠模型自觉并不够。dsh-visual-safety-control 在同一套截图 / OCR / UIA 能力之上，增加了内容策略、点击与输入校验，以及可在 Harness 设置页直接编辑的策略项。下面介绍它是什么、如何安装，以及典型调用方式。

这是什么¶

dsh-visual-safety-control 是 DSH 的 Windows 客户端插件，维护者为 Kxiaoguai3。仓库基于 qingying012/dsh-desktop-control v0.1.3（MIT）修改，当前 npm 包版本为 0.4.1，许可证 MIT。插件向模型暴露名为 desktop 的工具，在本地完成截图、Windows OCR、UIA 定位与键鼠操作，并在执行前按策略拦截危险标签与敏感窗口，在点击与输入后用 expect、verifyText、UIA 回读等方式校验结果。

社区目录页：skillhub.cn 插件页。源码与说明：GitHub - Kxiaoguai3/dsh-visual-safety-control。

核心功能¶

桌面操作能力¶

坐标均为物理像素。

内容策略¶

策略在 PowerShell 启动前生效，模型无法通过参数关闭；用户配置里的列表会整表替换默认值。

• 危险标签（支付、转账、删除、卸载等）不点击、不查找
• 敏感窗口（银行、密码、钱包、凭据管理器）不读取、不操作
• 疑似凭据的输入内容可配置为拒绝发送（refuseSecrets）
• 危险组合键拒绝执行
• 不可逆动作（发布、发送、提交、购买等）默认请求用户确认（irreversibleMode: ask）

动作校验¶

• 点击前用 expect 校验落点处文字，降低坐标过期误点
• 点击后用 verifyText 校验窗口内是否出现预期结果
• 点击做 hit-test，支持同进程弹窗与 UWP 窗口
• 输入后通过 UI Automation 回读，确认文字已写入

校验状态包括 verified、unverified、unknown、refused（策略拦截、焦点不对、expect 失配等）。

安装与启用¶

环境要求：仅 Windows（os: win32），需要交互式桌面会话；Node.js >= 22。插件以当前 DSH 进程权限运行，安装前应自行查看源码与 MIT 许可证。

不要与 dsh-desktop-control 同时启用：两者都会注册 desktop 工具，重名会导致加载失败。

本地目录安装（将路径换成本仓库绝对路径）：

plugin_manager({ action: "install_bundle", target: "<本仓库的绝对路径>" })

npm 安装（发布后）：

plugin_manager({ action: "install_bundle", target: "dsh-visual-safety-control" })

GitHub Packages 上有 @kxiaoguai3/dsh-visual-safety-control 镜像，日常安装请使用 npmjs 上的包名 dsh-visual-safety-control。

首次安装后若设置页尚未出现「视觉安全」，刷新一次 Harness 页面（Ctrl+R）以加载新的客户端插件。

典型用法¶

desktop 工具通过 action 区分操作，常用参数见仓库 README 中的用法表（find、elements、ocr、screenshot、windows、click、move / drag / scroll、type、key、activate、pos / wait、sequence）。

示例（与 README 一致）：

// 找控件
desktop { action: "find", text: "保存", window: "记事本" }

// 点击前校验文字，点击后校验结果
desktop { action: "click", x: 812, y: 460, window: "记事本", expect: "保存", verifyText: "已保存" }

// 输入并回读
desktop { action: "type", text: "hello", window: "记事本" }

设置与配置¶

装好插件后，打开 设置 → 插件 → 视觉安全 可编辑：启用/关闭内容策略、危险标签与敏感窗口列表、不可逆动作标签及处理方式（请求确认 / 直接拒绝 / 允许）、拒绝的快捷键、序列最大嵌套层数。保存后写入当前 profile 的插件配置，下一次工具调用立即生效，无需重启。与 cordis.patch.yml 中等价配置二选一即可。

片段示例（字段含义以 README 为准）：

- id: visual-safety-control
  name: dsh-visual-safety-control
  config:
    policy:
      enabled: true
      denyLabels: ['支付', '转账', '删除', 'delete', 'pay']
      sensitiveWindows: ['银行', 'Password', 'Bank']
      refuseSecrets: true
      denyKeys: ['alt+f4']
      irreversibleLabels: ['发布', '发送', '提交', 'publish', 'send', 'submit']
      irreversibleMode: ask        # ask | deny | allow
      maxSequenceDepth: 5
    verifyType: true
    verifyClick: true

其他常用选项包括 powershellPath、timeoutMs（默认 30000）、screenshotDir、screenshotMaxWidth、keepShots 等，见 README 配置表。

适用场景与限制¶

适合：在 Windows 上通过 DSH 做本地 GUI 自动化或辅助操作，且希望在模型侧多一层策略与校验，而不是完全依赖提示词约束。

限制（摘自 README）：

• 锁屏、UAC 安全桌面、RDP 断开会失败
• 纯坐标点击不受内容策略判断，建议配合 expect / verifyText
• 短标签或形近字 OCR 可能误识，可用 exact 和 index 提高精度
• 不可逆动作默认 ask；宿主不支持审批时会直接拒绝

仓库还提供 TESTING.md、OPERATING-RULES.md 等文档，用于测试与操作规范。

结尾¶

dsh-visual-safety-control 在桌面控制 fork 上补齐了策略与校验，适合需要 desktop 工具又关注误点、误读、敏感窗口的场景。安装走官方 plugin_manager 的 install_bundle，并与同名上游插件互斥。

• 目录页：https://www.skillhub.cn/plugins/Kxiaoguai3/dsh-visual-safety-control
• GitHub：https://github.com/Kxiaoguai3/dsh-visual-safety-control