meow-vision

dsh-plugin for DeepSeek Harness（DSH）：给文本模型补一双眼睛，给多模态模型补一对"看 UI 渲染"的眼睛。

meow-vision 提供两个工具：

1. meow_vision — 当你正在用的模型不能直接看图时（非多模态会话），调用它，由你预先在设置里指定的视觉模型识别图片并返回文字描述。
2. meow_preview — 渲染一个页面（本地 Vue demo、URL、HTML 文件）并把截图作为图片返回给当前模型，让多模态模型能"看见"组件真实渲染效果（样式/边距/布局），方便迭代 UI 组件写法。

零 dsh 源码改动；与 dsh-meow-skill / meow-file-view / meow-dsh-task 平级共存，互不影响。

安装

通过 dsh 官方插件管理器安装（profile = web）：

dsh 插件 --profile web add meow-vision

如果你想直接装 GitHub 仓库的 main 分支：

dsh 插件 --profile web add github:meimiaoji-creator/meow-vision

安装完成后，重启 dsh 即可在设置弹窗看到 meow-vision 配置 tab，模型工具列表里也会多出 meow_vision 和 meow_preview 两个工具。

功能一：meow_vision —— 给纯文本模型补一双眼睛

适用场景

当前模型无法直接处理图片（read_image 工具会被 dsh 的多模态门禁拒绝），但你又需要把一张图（截图、UI 设计稿、报错截图）喂给模型"看"。

配置

1. 打开 dsh 设置 → meow-vision tab → 视觉模型 区块。
2. 从候选列表里选一个多模态模型作为视觉模型（候选列表自动从 dsh 已配置的模型里过滤 inputModalities 含 image 的）。
3. 保存。配置会写入插件根目录的 vision.json。

用法

模型（即使是文本模型）会自动调用：

调用 meow_vision(image_path="/path/to/screenshot.png", question="这个报错的堆栈含义是什么？")

模型会收到该图的文字描述，然后继续推理。

主模型本身就是多模态时，meow_vision 会自动提示模型改用 read_image 直接看图，避免绕道。

功能二：meow_preview —— 给多模态模型补"看见 UI 渲染"的眼睛

适用场景

团队 UI 库组件的真实渲染样式（padding、margin、hover、disabled 等）往往和文档描述对不上。让多模态模型自己"截图看一眼"是最快的迭代方式。

配置

在同一个 meow-vision tab → 预览配置 区块填：

用法（推荐写法：demos/<名字>）

在 .preview/src/demos/ 写一个最小 Vue demo（只渲染一个组件，显式设置要研究的 props/slots；库组件已全局注册，直接写 <组件名> 即可）：

<!-- .preview/src/demos/button-basic.vue -->
<template>
  <Button size="small" disabled>禁用小号按钮</Button>
</template>

然后让模型调用：

调用 meow_preview(target="demos/button-basic")

返回的是截图图片（自动喂给当前多模态模型的视觉通道），模型能直接"看见"组件真实样式，然后按需调整 props/slots，再 meow_preview 迭代。

其他 target 形式

强制规则

• 禁止整页布局、禁止多组件同框、禁止业务数据/路由/状态管理/外部接口请求。
• 这是研究单个组件行为的简单预览，不是整页预览。
• 截图保存在 .preview/shots/<name>.png，可再用 read_image 或 meow_vision 复用。

工具输出示例

meow_vision

输入：

{ "image_path": "/tmp/screenshot.png", "question": "界面上的错误码是什么？" }

输出：

界面上的错误码是 ERR_NETWORK_TIMEOUT，出现在右下角的 Toast 提示里……

meow_preview

输入：

{ "target": "demos/button-basic", "width": 800, "height": 400 }

输出（多模态模型看到的是图片 + 文字信封）：

target: demos/button-basic
path: /Users/you/work/my-lib/.preview/shots/button-basic.png
+ [截图图片已附上]

系统提示词注入

插件会向 dsh 的 systemPrompt 注册两段 hint（order=150）：

1. meow-vision:hint — 告诉文本模型何时该用 meow_vision。
2. meow-preview:demo-note — 告诉多模态模型写 meow_preview demo 的最简规范。

无需手动配置，apply() 时自动注入。

权限与运行时行为

透明地列出来本插件安装后会做什么 / 不会做什么，方便你评估是否安装。

会做

• 写文件
  • <插件根>/vision.json：保存你在设置 tab 选中的视觉模型 { provider, model }
  • <你配置的 .preview 目录>/shots/*.png：meow_preview 工具生成的截图产物
  • <你配置的 .preview 目录>/src/demos/<name>.vue：模型按 demo 规范写的 Vue 文件
• 启动 1 个常驻 dev server：仅当 meow_preview 被首次调用时拉起你配置的团队 UI 库 dev server（默认 localhost:4173），插件卸载时自动 kill
• 注册 Web 路由（仅同源，DSH 进程内）
  • GET /api/meow-vision/config — 读视觉模型配置
  • POST /api/meow-vision/config — 写视觉模型配置
  • GET /api/meow-vision/candidates — 候选视觉模型列表
• 调用 DSH 已注入的服务
  • ctx.tools.register：注册 meow_vision / meow_preview 两个工具
  • ctx.systemPrompt.section：注入两段 hint（order=150）
  • ctx.webServer.use：注册上面 3 条路由
  • ctx.llm.resolveModelInfo：探测当前主模型多模态能力（决定走 meow_vision 还是提示用 read_image）
  • ctx.llm.stream：复用 DSH 已配的视觉模型流式调用，不发起任何第三方 API 请求，不发起子 agent
  • ctx.fs / ctx.attachments：读写本地文件、把截图以 attachment 形式喂给当前模型
• 设置弹窗注入：在 DSH 设置弹窗加一个名为 meow-vision 的 section tab（视觉模型 + 预览配置）

不会做

• ❌ 不读聊天记录 / 会话历史 / 用户上传的其他附件
• ❌ 不读其他插件的配置或状态
• ❌ 不调用任何 DSH 之外的第三方 API（视觉模型完全复用你 DSH 已配的 provider/model）
• ❌ 不修改 DSH 源码，纯 Cordis 插件
• ❌ 不持久化任何用户隐私：vision.json 只存你选的 {provider, model}，不含 API key
• ❌ 不向外发请求：无 telemetry、无 analytics、无远程上报

兼容性

已知不兼容

• ❌ TUI / CLI profile（依赖 web profile）
• � 旧版 DSH rc 之前的 cordis API（需要 ^0.1.0）
• ❌ meow_preview 对非 Vue 库的 demo（如 React 组件库）需要你自行改写 dev server 入口

开发

# 安装依赖
npm install

# 编译（产出 lib/）
npm run build   # 或你自己的 tsc 编译命令

# 本地链路调试：把插件根目录软链到 dsh 的插件目录
# 或用：
dsh 插件 --profile web add link:./   # 本地路径安装

License

MIT © meimiaoji-creator