前言¶

在 DeepSeek Harness（DSH）里让智能体处理视频链接，常见做法是整段拉媒体或把 MCP 服务器挂上去。前者带宽和磁盘压力大，后者往往只有一个全局工具超时，长 ASR 容易被误杀，画面能否进模型还取决于客户端实现。维护者 cctv2333 的 dsh-vidlens 把 vidlens 从 stdio MCP 外壳改成 DSH 原生插件：工程侧 Python 逻辑不改，通过常驻桥进程调用已测过的工具函数，在对话里提供元数据、章节、带时间码的帧、字幕优先转写，以及 AudioSet 527 类声音事件等能力，并按步骤控制下载量。

这是什么¶

dsh-vidlens 是 DSH 分类下的联网工具插件，仓库 github.com/cctv2333/dsh-vidlens，社区目录页 skillhub.cn/plugins/cctv2333/dsh-vidlens。许可证 MIT；npm 包名 dsh-vidlens，当前 package 版本 1.4.3（以仓库 package.json 为准）。

插件要求：vidlens >= 1.4.0（自 video_soundscape 起）、Node ≥ 20、DSH >=0.2.1-rc.2 <0.3.0。Python 核与 MCP 服务器在 cctv2333/vidlens，本仓库只负责 DSH 集成。

相对 MCP 外壳做了什么¶

下面几项是 README 里明确写出的差异，便于判断是否从 MCP 迁到插件。

插件还通过独立的 system-prompt 小节约束流程：先 meta → plan → 抽样，避免整片下载；取消时通过 exec.signal 重启桥进程，减少卡死下载。

核心功能与工具概览¶

README 将工具归纳为 21 个（含若干零下载与缓存相关能力）。典型「问一个链接讲了什么」的推荐顺序如下（均为资料原文流程）：

用户: 这个视频讲了什么？ <url>
  → vidlens_meta      0 下载：值不值得看
  → vidlens_plan      0 下载：切章节，挑 2–3 段
  → vidlens_window    只下这一窗的音频（或直接读缓存/字幕）
  → vidlens_sheet     只下这 20 秒，拼图带时间码，图直接附在结果里
  → vidlens_brief     平台字幕优先；无字幕才下音频做本地 ASR
  → vidlens_soundscape 台词之外的声音（吃饭/敲击/水声），带概率

基础四件（0 下载）：vidlens_meta、vidlens_plan、vidlens_subs、vidlens_library（本地缓存清单）。

读内容：含 vidlens_watch（分段观看）、vidlens_window、vidlens_brief（默认摘要档 level="digest"，全文用 level="full"）、vidlens_seek（缓存转写关键词定位）、vidlens_audio、vidlens_soundscape 等。

看画面：vidlens_sheet、vidlens_frames、vidlens_scan、vidlens_ocr（本地 OCR，可选 RapidOCR；首次不会偷偷下载，需显式 install: true）。

判断 / 长视频 / 自检：vidlens_comments、vidlens_compare、vidlens_job_start / vidlens_job、vidlens_models、vidlens_doctor。

为控制上下文，vidlens_brief 默认给约 0.7–1.5k 字摘要；细节用 vidlens_window；完整报告仅在用户明确需要时用 level="full"。全文仍落在 out/<id>/brief.md。

安装与启用¶

前置：安装 vidlens 核¶

资料要求先有一份 vidlens，二选一：

pipx install "vidlens-mcp[all]"          # 推荐：无 checkout，命令叫 vidlens / vidlens-mcp
# 或
git clone https://github.com/cctv2333/vidlens && cd vidlens && install.cmd

（上文第二条 clone 来自官方 README；装插件本身另有 GitHub 直装方式，见下。）

安装 dsh-vidlens 插件¶

三选一：

# A. 本地目录（开发；换成你自己 clone 的位置）
plugin_manager action=install_bundle target=<你的路径>\dsh-vidlens

# B. GitHub 直装（本包无 build/prepare 脚本，不需要 allowBuilds 权限）
#    注意：这条会真的 git clone 本仓库，会被 GitHub 记一次 clone
dsh plugin --profile desktop add github:cctv2333/dsh-vidlens#<sha>

# C. npm（registry，不经过 GitHub）
dsh plugin --profile desktop add dsh-vidlens

插件会自动解析 Python 工程目录：config.projectDir → $VIDLENS_PROJECT → <本包>/../vidlens → 当前目录；找不到时按 $VIDLENS_PYTHON / .venv / python 尝试。

安装后 bundle 会插入 Host 插件条目；换机器时可配置 projectDir、pythonPath、warm 等（字段均可省略，见 README 示例 YAML）。

典型用法与验证¶

在 DSH 对话中直接给出公网视频 URL（或本地路径），按 meta → plan → window / sheet / brief 递进即可；需要对比多个候选时用 vidlens_compare，长片用 job 系列后台跑。

维护者在仓库提供自检：

node tools/selftest.mjs
# 130/130 checks passed（工具表 + 桥握手 + library/models/seek + 本地路径声明 + 强制杀进程后自愈）

带约 1MB 真实媒体：

node tools/selftest.mjs --live

架构上，DSH Host 注册工具与超时，经 stdin/stdout JSONL 与 bridge/vidlens_bridge.py 通信，复用 vl_mcp 里已有工具函数，缓存写在 out/<id>/。

适用场景与注意¶

适合：需要在智能体对话里快速判断视频是否值得看、按章节抽样、字幕优先摘要、看带时间码的拼图或 527 类环境声，且希望控制下载量与上下文体积的 DSH 用户。

注意：

• 插件以当前 DSH 进程的权限运行；安装前应自行查看源码与 MIT 许可证，并理解会触发的网络与本地缓存（out/）行为。
• DSH 社区目录（如 SkillHub）是独立站点，与 DeepSeek / 幻方无官方从属关系；星标等统计以 GitHub 页面为准（线索中仓库星标为 2）。
• vidlens_ocr 依赖可选，可通过 VIDLENS_OCR_TARGET、VIDLENS_OCR_AUTO_INSTALL 控制安装位置与策略。
• 多进程（DSH 会话、MCP、插件桥）共享下载口时，工程侧用跨进程文件锁串行媒体访问，超时可用 VIDLENS_LOCK_TIMEOUT（默认 900s）调整。

结尾¶

dsh-vidlens 把 vidlens 的「按需看片」能力接到 DSH 原生工具、分工具超时与图片附件上，并补上 library/seek/compare 等本地缓存意识，适合在 Harness 里用结构化证据回答「这个视频讲了什么」，而不是先整片落盘。

• 目录页：https://www.skillhub.cn/plugins/cctv2333/dsh-vidlens
• GitHub：https://github.com/cctv2333/dsh-vidlens
• Python 核：https://github.com/cctv2333/vidlens