前言¶
在 DSH 裏讓智能體「看懂」本地視頻，常見做法是走媒體類插件：抽幀或整段交給視覺模型，或再走轉寫鏈路。若插件把「取素材」和「選模型路由」綁在一起，在沒有合適全模態能力時，可能出現整條鏈失敗、只得到一句模糊結論的情況。排查時往往既要去確認 ffmpeg，又要去查 provider 配置，成本偏高。
dsh-media-kit 的做法相反：插件只負責用 ffmpeg 從本地音視頻取出幀或音軌，把生成文件的路徑交回會話；看圖、轉寫、判斷內容交給開發者已有的能力與工具。不接入模型、不上傳、不做路由選擇，抽幀成功或失敗都能在 ffmpeg 這一層說清楚。
這是什麼¶
dsh-media-kit 是 DeepSeek Harness 社區插件，維護者爲 Daphne999（package 作者署名爲沈藍），分類爲工作流。當前 package 版本爲 0.1.1，許可證 MIT。
一句話定位：從本地視頻或音頻用 ffmpeg 抽均勻幀、定點幀、場景變化幀或音軌文件，返回值是磁盤上的路徑列表，不調用視覺或語音模型，不把文件上傳到外網。
核心功能¶
插件通過五個工具暴露能力，名稱與行爲以倉庫 README 爲準：
| 工具 | 作用 |
|---|---|
media_probe { path } |
查詢時長、分辨率、編碼、是否含音軌 |
video_frames { path, count } |
在時長上均勻抽 N 張 PNG（count 1–24，默認 6），返回路徑 |
video_frame_at { path, at } |
在指定秒數取一張幀 |
media_audio { path, format } |
抽出音軌爲 m4a 或 mp3，返回路徑 |
video_scene_frames { path, threshold, maxFrames } |
按場景檢測抽幀，僅在畫面實質變化時取樣 |
README 中的典型鏈路是：先 media_probe，再 video_frames(count=9)，由會話裏已有的視覺能力逐張查看；需要字幕或畫面細節時，由開發者自行讀圖，而不是插件代寫結論。
與同類媒體插件的差異，README 概括爲：多款插件定位爲「分析器」（取素材、路由模型、給出文字結論）；本插件定位爲「取景器」（把畫面或音軌文件擺出來）。因此不必爲插件單獨配置 API key 或 provider；視覺調用次數與抽幀數量直接相關，可用 video_frame_at 或 video_scene_frames 控制成本。video_scene_frames 用於避免均勻抽幀漏掉短促但重要的畫面變化。
實現上有三處刻意設計：
- 工作目錄默認使用
~/.dsh/media-kit/work/，可通過配置項workDir修改；避免在某些環境下向%TEMP%寫入時觸發 ffmpeg 的 Permission denied。 - 查找 ffmpeg 的順序爲：配置
ffmpegDir→ 環境變量FFMPEG_DIR→ 已知目錄 → PATH；全部失敗時報錯並提示應配置哪個字段，不假設 ffmpeg 一定在 PATH 中。 - 抽音軌前先通過探測確認存在音軌，避免對無音軌文件（例如部分 DASH 拆條）直接跑 ffmpeg 得到難以理解的 stream 報錯。
插件明確不做：音頻轉寫（只提供音軌路徑）、文件上傳、內容判斷與摘要。
安裝與啓用¶
在已安裝 DSH CLI 的環境中，README 給出的安裝方式爲：
dsh plugin --profile web add <本倉庫地址>
將 <本倉庫地址> 換爲插件 Git 倉庫地址即可，例如：
dsh plugin --profile web add https://github.com/Daphne999/dsh-media-kit
首次使用前本機需要可用的 ffmpeg。若未安裝，可下載官方構建並解壓，在插件配置中將 ffmpegDir 指向包含 ffmpeg / ffprobe（Windows 下爲 ffmpeg.exe / ffprobe.exe）的 bin 目錄。
插件在 DSH 進程權限下讀寫本地路徑與調用 ffmpeg，安裝前應自行審閱源碼與 MIT 許可證，確認路徑與二進制來源可信。
典型用法¶
下面流程摘自 README，可在支持該插件的 DSH 會話中按序調用工具名與參數：
- 對目標本地文件執行
media_probe，確認時長、分辨率、是否有音軌。 - 需要概覽畫面時，調用
video_frames，例如count=9，得到多張 PNG 路徑後，用當前會話已有的視覺能力逐張查看。 - 只需某一時刻畫面時，用
video_frame_at指定秒數。 - 長片且關心情節切換點時，用
video_scene_frames配合threshold、maxFrames，減少均勻抽幀帶來的遺漏。 - 需要後續 ASR 時，用
media_audio指定format（m4a 或 mp3），將返回的音軌路徑交給已有轉寫工具；插件本身不執行轉寫。
僅要元數據、不需畫面時，停在 media_probe 即可。
適用場景與注意¶
適合需要在智能體工作流裏處理任意本地 mp4 等文件、又希望視覺與轉寫能力與 DSH 外既有棧保持一致的場景。也適合希望抽幀失敗時直接看到 ffmpeg 層錯誤、而不是被模型路由「兜底」成空結論的情況。
不適合期望插件直接輸出視頻摘要、彈幕分析或平臺綁定能力（如 B 站專鏈）的需求；那些能力 README 中指向其他專用插件。
注意：輸出文件落在配置的 workDir（默認 ~/.dsh/media-kit/work/），長期使用需自行清理或指定目錄。星標與社區目錄信息以 SkillHub 與 GitHub 頁面爲準；DSH 插件生態由社區目錄聚合，與 DeepSeek / 幻方無官方從屬關係。
結尾¶
dsh-media-kit 把本地音視頻處理收斂爲「探測 → 抽幀或抽音軌 → 返回路徑」，把模型與業務判斷留在會話既有能力一側。更多說明見社區目錄頁與 GitHub 倉庫：
- 目錄頁：https://www.skillhub.cn/plugins/Daphne999/dsh-media-kit
- 倉庫：https://github.com/Daphne999/dsh-media-kit
