PickDOM

像 Cursor 一样框选元素：你点哪里，Agent 就改哪里。

PickDOM 是 DSH（DeepSeek Harness）侧边栏的双引擎 Browser 插件。本地 HTML 文件与 http/https Web App 都能在侧边栏直接打开，悬停高亮、点击框选，元素的 selector、文字、outerHTML、尺寸与关键样式即刻进入 Agent 对话。给 Agent "指"一个界面元素，从此只需要一次点击。

打开页面 → 点框选 → 点元素 → Agent 收到引用 → 改完保存

仓库名 dsh-pickdom；npm 包名保持为 dsh-html-picker-preview，安装命令以包名为准。

它解决什么问题

让 Agent 改前端界面，最贵的环节从来不是写代码，而是"指清楚改哪里"：

• 截图标注：Agent 猜位置，猜错一轮重来
• 手写 selector：你得先在 DevTools 里翻半天 DOM
• 整页 HTML 粘贴：上下文爆炸，Agent 在噪音里捞针

PickDOM 把"指"压缩成一次点击，而且交给 Agent 的是结构化引用（selector、文字、outerHTML、尺寸、关键样式），不是一张需要猜的图片。

功能演示

像 Cursor 一样框选并发送给 Agent

点击工具栏中的框选按钮进入 Picker 模式，在本地 HTML 或 Web App 中悬停并点击目标元素。

选中后，元素引用会直接进入 Agent 输入框。你可以继续补充"改下布局"、"调整颜色"等要求，再把带有精确 DOM 上下文的指令发送给 Agent。

直接编辑元素文字

进入编辑模式后，点击页面元素即可定位到对应 DOM，并在多行编辑器中修改内容。

复制页面元素

选中元素后点击"复制"，PickDOM 会创建副本，并自动重写常见 id、ARIA、表单与 SVG 引用，降低引用冲突风险。

复制后的元素仍可继续调整尺寸、编辑文字、删除或发送给 Agent。

双引擎

File Engine · 本地 HTML

在侧边栏打开 .html/.htm 文件，相对路径的 CSS、JS、图片、字体与嵌套 iframe 全部正常解析。除了框选，还能直接改：

• Cursor 风格工具栏：后退、前进、刷新、file:// 地址栏
• 点击选中安全可见元素，父级面包屑切换层级
• 多行文字编辑：普通文本、input、textarea，Cmd/Ctrl+Enter 保存、Esc 取消
• 复制元素：自动重写常见 id、ARIA、表单与 SVG 引用，避免冲突
• 删除元素，支持撤销 / 重做（Cmd/Ctrl+Z、Cmd/Ctrl+Shift+Z）
• 右、下、右下手柄调整宽高，Shift 保持比例
• 从浮动工具栏一键把当前元素发给 Agent
• 保存写回真实 HTML 文件（含嵌套 iframe 对应的文件）
• 离开编辑模式、导航或刷新前检查未保存修改
• 最近打开记录保存在 GUI localStorage

Web App Engine · http/https 地址

地址栏输入 http://localhost:5173、localhost:5173 或 https://example.com 即可打开 Web App。它使用 Electron WebContentsView（原生 Chromium），而不是 iframe 或反向代理：

• 不受目标站点 X-Frame-Options / frame-ancestors 限制
• 页面滚动、输入法、拖拽、WebSocket、Vite HMR 都是原生 Chromium 行为
• 通过 CDP Overlay.setInspectMode 高亮与选择元素
• 元素引用包含 URL、selector、文字、outerHTML、尺寸与关键 computed styles
• 支持连续框选，Esc 或再次点击框选按钮退出
• 独立非持久 partition：DSH 退出后清除该引擎的 Cookie / Storage
• 摄像头、麦克风、定位等权限默认拒绝

快速开始

要求 DSH >=0.1.1-rc.1。

dsh plugin --profile <name> add dsh-html-picker-preview

或手动在 ~/.dsh/profiles/desktop/cordis.patch.yml 追加：

- insert:
    - id: html-picker-preview
      name: 'dsh-html-picker-preview'
      config:
        mediaLimit: 33554432
        allowOutsideCwd: false
        injectBridge: true

更新 Node 宿主路由后需重启 DSH Desktop；仅 client 变化时刷新 GUI 即可。

三种模式

工具栏上三个互斥模式，覆盖"看、指、改"完整链路：

安全模型

本地文件读写走短生命周期 capability，而不是裸路径：

• GUI 与预览分源：GUI 在 127.0.0.1 时预览使用 localhost，反之亦然
• 每次打开独立 token：宿主验证会话与 cwd 后签发高熵 token，绑定 session、入口目录、GUI authority 与 preview authority
• 保存 capability：每个 HTML 响应携带绑定 token、session、文件路径与 baseHash 的 HMAC，保存时同时校验 capability 与签发它的 GUI authority
• 目录围栏：token 只能读取入口 HTML 所在目录树，借 token 读不到同一 cwd 的其他目录
• 预览页无写权限：预览 origin 不能申请 token，也不能调用保存 API；页面脚本即使看到 path/hash/capability 也无法绕过
• 乐观锁：保存前用 SHA-256 校验磁盘文件，被 Agent 或其他编辑器改动后返回 409，不静默覆盖，也没有 force:true 绕过
• 原子写入：临时文件 + rename 覆盖，保留原文件权限；保存成功返回新的 hash/capability，支持连续保存
• 外部 framing 防护：CSP frame-ancestors 只允许当前 preview origin 与对应 DSH GUI origin

预览使用 allow-same-origin 以兼容复杂本地原型的 localStorage 与同源嵌套 iframe；安全边界由独立回环主机、作用域 token、GUI authority、HMAC 保存 capability、CSP 与路径围栏共同提供。

已知限制

诚实比演示重要，这些是当前版本的真实边界：

• Web App Engine 只提供浏览与框选，不保存运行时 DOM。React/Vue 页面需要后续通过组件源码映射与 HMR 修改源码，运行时 DOM 无法可靠序列化回 JSX/SFC
• WebContentsView 位于 DSH renderer DOM 之上，覆盖页面区域的 DSH 全局弹窗可能被原生网页遮挡；切换 File Engine、关闭 Tab 或卸载插件时会立即隐藏并销毁 surface
• 最多同时创建 3 个 Web App surface
• DOM 序列化保存可能规范化 HTML 格式、实体、标签结构与 doctype；复杂 React/Vue 页面建议先保存静态快照再编辑
• 保存前会明确确认：页面脚本运行后产生的动态 DOM 状态也可能被序列化进文件
• 编辑模式为 MVP：暂无自由拖动、Frame、组件面板、多选对齐、响应式双断点
• 自动锁定 html/head/body/script/style/link/meta/template/noscript；SVG 内部节点只选择完整 SVG，Canvas 只能选择 Canvas 元素；跨域 iframe 只作为 iframe 元素处理，由预览 capability 加载的本地嵌套页面可继续选择和编辑

配置

架构

dsh-pickdom/
├── package.json
├── cordis.patch.yml
├── lib/
│   ├── index.js               # Node：作用域 token、文件资源、保存 API、Browser API
│   ├── browser-surface.js     # Electron WebContentsView + CDP Inspect
│   ├── bridge.js              # picker 与嵌套 iframe 消息桥
│   ├── editor-runtime.js      # 选择、文字、复制、尺寸、undo/redo、序列化
│   ├── editor-runtime.css     # 选择框、浮动工具栏、尺寸手柄
│   └── client.js              # Browser UI、三模式、Agent 引用、保存协调
└── README.md

Browser 通过 dsh-better-sidebar 注册 Tab 和 HTML 文件查看器。Agent 引用使用 DSH inputTriggers / reference codec；不可用时回退为结构化草稿文本。

License

MIT