Dsh Image Gen AI Agent

<div align="center"> <img src="docs/assets/readme/hero-zh.webp" alt="dsh-image-gen 中文功能概览" width="100%" /> <br /> <p><strong>简体中文</strong> · <a href="README.en.md">English</a></p>

🎨 dsh-image-gen

在 DeepSeek Harness 里，用说话的方式画图

<p><b>对话批量生图 · GIF 动图 · 看得懂草图的 AI 画布 · Agent 自动套用 500+ Prompt 灵感 · 订阅账号免 Key</b></p> <p> <a href="https://www.npmjs.com/package/dsh-image-gen"><img src="https://img.shields.io/npm/v/dsh-image-gen?style=flat-square&color=4f6ef7" alt="npm version" /></a> <a href="https://www.npmjs.com/package/dsh-image-gen"><img src="https://img.shields.io/npm/dm/dsh-image-gen?style=flat-square&color=10b981" alt="npm downloads" /></a> <a href="https://github.com/shanliuling/dsh-image-gen/actions/workflows/ci.yml"><img src="https://github.com/shanliuling/dsh-image-gen/actions/workflows/ci.yml/badge.svg" alt="CI" /></a> <a href="https://dsh-insights.com/p/shanliuling/dsh-image-gen"><img src="https://dsh-insights.com/badge/shanliuling/dsh-image-gen.svg" alt="DSH Insights health" /></a> <a href="https://github.com/shanliuling/dsh-image-gen/stargazers"><img src="https://img.shields.io/github/stars/shanliuling/dsh-image-gen?style=flat-square" alt="GitHub stars" /></a> <a href="LICENSE"><img src="https://img.shields.io/badge/license-Apache%202.0-f5c542?style=flat-square" alt="License: Apache-2.0" /></a> <a href="https://linux.do/"><img src="https://img.shields.io/badge/LINUX%20DO-社区友链-555?style=flat-square" alt="LINUX DO" /></a> </p> <p> <a href="https://atomgit.com/shanliuling/dsh-image-gen"><img src="https://atomgit.com/shanliuling/dsh-image-gen/star/new_badge.svg" alt="AtomGit" height="55" /></a> </p> <p> <a href="#一句话就能做到">一句话就能做到</a> · <a href="#快速开始">快速开始</a> · <a href="#核心能力">核心能力</a> · <a href="#provider-支持情况">Provider 支持</a> · <a href="#常见问题">常见问题</a> </p> <br /> <table> <tr> <td width="50%" align="center"><b>🔁 一句话，一整组图</b><br />_{一条消息Agent 批量生成几十张图片}</td> <td width="50%" align="center"><b>✏️ 画个草图、圈个地方，AI 就懂</b><br />_{圈出剑 → 换成斧头 · 火柴人 → 成图}</td> </tr> <tr> <td><a href="#chat-batch"><img src="docs/assets/readme/hero-batch.webp" alt="一条消息写 5 个画面，Agent 逐张生成并收进图库" width="100%" /></a></td> <td><a href="#ai-canvas"><img src="docs/assets/readme/hero-canvas.webp" alt="在画布上圈出剑换成战斧，再把火柴人草图变成二次元剑士" width="100%" /></a></td> </tr> </table> </div> <br />

dsh-image-gen 是 DeepSeek Harness 的原生图像创作插件。它不是在对话框里塞一个生图按钮，而是让 Agent 本身学会画图：它能一次规划并生成一整组图，能看懂你在画布上的涂鸦和圈选，能自己去灵感库里找合适的风格模板。需要精细控制时，还有 Studio 工作台、多模型对比和图库。

已有 ChatGPT、Grok 或 Google 订阅？直接登录即可生图，无需额外购买 API Key。

支持：Gemini · OpenAI / Compatible · Seedream · DashScope · Grok Imagine · GLM-Image · 本地 ComfyUI

pnpm dsh plugin --profile web add dsh-image-gen@latest

每个版本的更新内容见 Releases。

---

一句话就能做到

不用学参数，也不用切页面，直接在 DSH 对话里说：

你在对话里说	插件会做什么
「给《咖啡店开业》这篇文章配 4 张插图，统一扁平插画风，16:9」	🔁 对话批量生图：Agent 把需求拆成 4 个 Prompt 逐张生成，一条消息收齐整组图
「用手绘风格 #123 画一张咖啡店菜单」	✨ 自动套用灵感：Agent 先在 500+ 案例库里检索对应风格，再套用模板出图
「把我在画布上画的草图变成正式插画」	✏️ 看懂画布：Agent 读取画布选区，把草稿变成成图
「把我圈出来的剑换成斧头，其他不变」	🎯 圈哪改哪：只改你标出的局部
「保持这个角色不变，换到雪地场景」	🎭 角色一致性：图生图时保持同一个人物或物体，不会换成长得相似的另一个
「同一个 Prompt，GPT 和 Gemini 各出一张对比」	⚖️ 多模型对比：并发调用多个模型，放在同一张画布上比较
「把这个角色做成一段挥手的 GIF 动图」	🎞️ GIF 动图：直接生成循环动画，卡片里播放、调倍速，还能按帧写评论修改

<img src="docs/assets/readme/workflow-overview.webp" alt="dsh-image-gen 完整 AI 图像创作工作流" width="100%" />

---

快速开始

加固下载（可选）

两条可选设置加固离开本机的网络路径，默认全部关闭：

• strictImageDownloads：结果 URL 必须是公网 HTTPS 443。DNS 解析结果会校验并固定用于本次请求，不跟随 provider 结果中的重定向，响应遵守图片字节上限。
• requireHostAdmission：宿主 connection admission 服务缺失或异常时，插件 Web 路由一律 503 拒绝，而不是裸奔。

默认关闭是因为 TUN 代理或自定义企业解析器可能故意返回内网地址；开启任一设置即假定你的出口是直连。

1. 安装插件

环境要求：DeepSeek Harness 稳定版本，Node.js ^22.19.0 或 >= 24.0.0。

在你的 DeepSeek Harness 项目根目录下运行：

pnpm dsh plugin --profile web add dsh-image-gen@latest

💬 极客提示：你也可以直接把这句话发送给 DSH 对话中的 Agent：<br /> 帮我安装生图插件，在终端执行：pnpm dsh plugin --profile web add dsh-image-gen@latest

<details> <summary><strong>其他安装方式（全局 / GitHub 直装 / 本地调试）</strong></summary>

# 若已将 dsh 安装为系统全局命令：
dsh plugin --profile web add dsh-image-gen@latest

# 从 GitHub 仓库直接安装最新代码：
pnpm dsh plugin --profile web add git+https://github.com/shanliuling/dsh-image-gen.git

# 本地克隆源码开发安装：
git clone https://github.com/shanliuling/dsh-image-gen.git
pnpm dsh plugin --profile web add ./dsh-image-gen

</details>

2. 配置 Provider

重启 DSH 后，点击左侧边栏的 「插件」 图标打开插件面板，在 「已安装」 分区点击 dsh-image-gen，进入插件详情页即可看到「图像生成」配置表单：

插件面板 → 已安装 → dsh-image-gen

DSH 0.1.5 及更早版本没有插件面板，入口仍为「设置 → 插件 → 插件配置 → 图像生成」；插件已同时兼容两种入口。

选择 Provider，填写自己的 API Key，并按需调整模型、Endpoint / Base URL 与工作区保存选项。填好 Key 后可点击**「测试连接」验证可用性，或点击「拉取模型」**一键获取该厂商支持的全部生图模型，无需手动查文档。使用 ComfyUI 时，请填写 DSH Host 可访问的服务地址，并导入 API Format Workflow JSON；导入多个工作流后，可在对话输入框旁的生图按钮里直接切换。

已有 ChatGPT、Grok 或 Google 订阅？无需填写 API Key：展开对应的订阅 Provider 行，点击**「登录」**并在浏览器完成授权，即可直接开始文生图与图生图。

<div align="center"> <img src="docs/assets/readme/config.webp" alt="插件详情页选择默认 Provider、查看各渠道状态，并在对话输入框旁切换渠道" width="100%" /> <br /> _{选默认 Provider → 查看各渠道的 Key / 登录状态 → 在对话输入框旁随手切换。} </div>

3. 开始创作

在聊天框中直接描述你想要的图片：

画一张雨夜霓虹街头的赛博朋克猫咪，电影感光线，16:9。

想要一整组图？直接说数量和统一风格：

给我的小红书笔记《周末露营清单》配 5 张图：帐篷、炉具、睡袋、照明、零食，统一日系手绘风，3:4。

也可以直接上传参考图，让 Agent 进行风格重构或局部编辑：

保持角色与构图不变，给猫咪戴上一副黑色墨镜。

<br /> <div align="center"> <img src="docs/assets/readme/chat-example.webp" alt="对话生图与风格重构效果" width="60%" /> <br /> _{在对话中直接生图、图生图与连续编辑。} </div> <br />

需要更细的参数控制时，点击会话顶部的 画廊 入口，进入 图库 / 工作台 / 灵感 / 收藏。

---

核心能力

<a id="chat-batch"></a>

🔁 对话批量生图：一句话，一整组图

配图、分镜、系列插画、同一主题的多个变体，不用一张一张地催。

• 用一句话描述数量和统一要求，Agent 会自己规划出一组 Prompt，单次最多 10 张，图片按顺序附在同一条回复里。
• 比例、清晰度、模型、Provider 可以对整组统一指定，保证风格一致。
• 逐张生成，某一张失败不会影响其余图片，最后会汇报「成功 X / 共 Y」并列出失败原因。
• 本地 ComfyUI 和订阅通道同样支持批量。

<div align="center"> <img src="docs/assets/readme/chat-batch.webp" alt="一条消息让 Agent 批量生成 5 张二次元插画，失败的那张自动重跑，最后整组进入图库" width="100%" /> <br /> _{一条消息写 5 个画面 → Agent 规划成两批生成 → 逐张出图，失败的那张自动单独重跑 → 整组进入图库。（等待部分已加速）} </div>

对话批量和 Studio 批量有什么区别？ 对话批量是 Agent 帮你规划一组不同的画面（例如 4 张不同场景的插图）；Studio 批量是同一个 Prompt 出多张候选，由你挑选满意的保存。

<br />

<a id="ai-canvas"></a>

✏️ 看得懂草图的 AI 画布

在无限画布上画草图、摆参考图、圈出要改的地方，然后直接用对话告诉 AI 你想要什么。Agent 能看到画布上的内容和你当前的选区，不需要你截图、上传或者描述位置。

• 草图 → 成图：随手画个轮廓，选中它说「画成卡通角色」。
• 圈哪改哪：在已有图片上用画笔圈出局部，说「把这里换成斧头」，只改圈出的部分。
• 组合参考：把「最近生成」或图库里的图拖进画布，或点击缩略图上的「发送到画布」，多张一起选中作为参考。同一张历史图片重复导入会自动去重。
• 每一步结果都留在画布上，随时可以从任意一版继续往下迭代。

<div align="center"> <img src="docs/assets/readme/canvas-edit.webp" alt="在画布上圈出剑，说一句话，Agent 只把剑换成战斧" width="100%" /> <br /> _{<b>圈哪改哪</b>：圈出女剑士手里的剑，说「变成一把斧头」，Agent 先确认圈的是什么，再只改那一处。} <br /><br /> <img src="docs/assets/readme/canvas-sketch.webp" alt="在画布上画火柴人草图，Agent 按草图姿势生成二次元剑士" width="100%" /> <br /> _{<b>草图 → 成图</b>：随手画个持剑的火柴人，框选后说「按照之前风格生成」，姿势和构图都照着草图来。（等待部分已加速）} </div> <br />

💬 对话生图、编辑与版本切换

• 用自然语言完成文生图、图生图、多图参考和风格迁移。
• 角色一致性：要求「保持这个人物 / 角色 / 物体不变」时，插件会让模型沿用参考图里的同一主体，只改场景、服装、姿势或风格，而不是重新画一个相似的人。
• 直接修改原图 Prompt 重新生成，并在同一卡片中切换历史版本。

<br /> <div align="center"> <img src="docs/assets/readme/regenerating.webp" alt="图片正在重新生成" width="46%" /> <img src="docs/assets/readme/revision-switcher.webp" alt="在同一图片卡片中切换生成版本" width="46%" /> <br /> _{修改 Prompt 后原位重新生成，并在同一张图片卡片中切换历史版本。} </div> <br />

🎞️ GIF 动图：生成、播放、按帧修改

使用 GPT Image 2.6 等支持动图的模型时，直接在对话里说「做成 GIF / 动图」即可得到循环动画，也可以把参考图里的角色做成动图。帧数与帧时长可用 frame_count（2–16）、frame_duration_ms（20–2000 ms）指定。

• 生成结果是 GIF 时，对话卡片直接播放动画：左下角调倍速（0.2×–2×），工具栏的下载菜单可按当前倍速或原速下载 GIF、或下载当前帧（PNG）；点开大图有播放键、逐帧缩略图时间轴（悬停预览、点击停在这一帧）和倍速。图库里的 GIF 带角标、悬停即播放，大图同样可播放与下载。GIF 文件可直接拖出，重新生成仍得到 GIF（剪贴板只支持静态图，复制得到的是单帧）。
• GIF 卡片右下角「编辑」（或大图播放条的「编辑帧」）可按帧写修改意见：在画面上点位置写评论，评论只显示在它所在的那一帧，也可切到「全部帧」一次看全；一次发送即按评论重绘整段，新结果作为新版本保留并会动（仅 OpenAI 与兼容渠道，且中转需支持图生图；不支持时可一键改为描述后重新生成）。
• 支持渠道：OpenAI 官方与 OpenAI 兼容中转（需模型与中转支持 GIF）。ChatGPT 订阅使用的 Codex 图片接口目前上游未开放 GIF，暂不支持。

🖼️ SVG 矢量输出

生图时也可以要求矢量结果：generate_image 传 output_format: "svg"（仅 OpenAI 官方与兼容中转的文生图；图生图接口不支持 SVG）。

• 结果会进入对话图卡：卡片直接显示矢量图（点开可放大，无损），工具栏可复制 SVG 源码、下载 .svg、在侧栏打开保存的文件。DSH 附件层只保存 png/jpeg/webp/gif，所以卡片是用工具结果里的 SVG 源码渲染的，图库与版本历史仍只收录位图。
• SVG 没有像素尺寸，size / aspect_ratio / image_size 不会发送，结果里会给出一条说明；frame_count / frame_duration_ms 只属于 GIF，与 SVG 一起传会直接报错。

<br />

✨ 500+ Prompt 灵感：Agent 会自己去找

内置手绘风格手册（风格 / 排版 / 单色主题色）和 awesome-gpt-image-2 案例集，共 500+ 个可直接复用的 Prompt。

• 在对话里直接点名：说「用风格 #123」「做成信息图排版」「莫兰迪色系」，Agent 会先在灵感库里检索，再把模板套到你的主题上出图。风格、排版、主题色还可以组合使用。
• 在界面里浏览：筛选、收藏、复制，或一键带入工作台（见下方 Studio 演示）。
• 图片缓存在本地，浏览和学习不消耗 Token 或生成额度。

<br /> <div align="center"> <img src="docs/assets/readme/inspiration-library.webp" alt="Prompt 灵感素材库" width="100%" /> <br /> _{先找灵感，再把 Prompt 带入工作台；全本地缓存，浏览或复制不消耗生成额度。} </div> <br />

🎛️ Studio 工作台：不用对话，自己调参数

想精细控制时，打开会话顶部的 画廊 → 工作台，所有参数都摆在面前。

• 从灵感直接开工：在灵感库里点「带入工作台」，Prompt 自动填好。
• 参数一目了然：Provider、模型、比例、生成质量、水印都能单独选；一次出 1–4 张候选，满意的才保存。
• 拿历史结果继续改：从「最近生成」拖一张图进来，点「继续编辑（垫图）」，它就自动成为图生图的参考图（最多 5 张）。
• 单模型 / 多模型对比一键切换。

<br /> <div align="center"> <img src="docs/assets/readme/studio.webp" alt="从灵感库挑选 Prompt 带入工作台，调整参数后生成海报" width="100%" /> <br /> _{灵感库挑一个 Prompt → 带入工作台 → 选好参数开始生成 → 出图后再决定保存。（等待部分已加速）} <br /><br /> <img src="docs/assets/readme/studio-ref.webp" alt="从最近生成拖入一张图，点继续编辑后自动切到图生图并作为参考图" width="100%" /> <br /> _{从「最近生成」拖一张图进来 → 「继续编辑（垫图）」→ 自动切到图生图，写一句要改什么就行。} </div> <br />

⚖️ 多模型横向对比

使用同一组 Prompt 和参考图并发调用多个模型，在一张画布中比较并保存结果。

<br /> <div align="center"> <img src="docs/assets/readme/multi-model-compare.webp" alt="同一 Prompt 的多模型生成对比" width="100%" /> <br /> _{在同一画布中比较不同模型结果，再批量保存满意的图片。} </div> <br />

🖼️ 图库、收藏与批量管理

• 统一管理对话和 Studio 中保存的图片，并按工作区隔离。
• 支持搜索、筛选、收藏、下载、继续编辑、重新生成和批量管理。

<br /> <div align="center"> <img src="docs/assets/readme/gallery-management.webp" alt="图库筛选、收藏与批量管理" width="100%" /> <br /> _{图库支持多维度筛选、收藏、批量管理与工作区数据隔离。} </div> <br />

🧩 本地 ComfyUI 多工作流

灵活调用本地 GPU 算力，让私有化绘图无缝融入 Agent 对话。

• 导入并管理多个命名工作流，支持预设 Prompt 和常用占位符。
• Agent 可按名称选择工作流，在对话中完成文生图、图生图和批量生图。
• 占位符：{{prompt}}、{{seed}}；宽高写 {{width}}/{{height}} 后，Agent 传入的尺寸或比例才会生效（默认 1024×1024）；图生图在 LoadImage 写 {{image}}，多张参考图就写多个，按节点编号顺序对应。

ComfyUI 暂未接入 Studio 和多模型对比。

<br /> <div align="center"> <img src="docs/assets/readme/comfyui-workflows.webp" alt="ComfyUI 多工作流配置" width="58%" /> <br /> _{为不同用途维护独立工作流，并通过名称让 Agent 精确选择。} </div> <br />

---

Provider 支持情况

Provider	对话生图	对话批量	对话编辑	Studio	多模型对比	GIF
Google Gemini	✅	✅	✅ 多图	✅	✅	—
OpenAI Images	✅	✅	✅ 多图	✅	✅	✅
OpenAI Compatible（中转站）	✅	✅	✅ 多图	✅	✅	✅
ByteDance Seedream / 火山方舟	✅	✅	✅ 多图	✅	✅	—
Aliyun DashScope / Qwen Image	✅	✅	✅ 多图	✅	✅	—
xAI Grok Imagine	✅	✅	⚠️ 有限	✅	✅	—
智谱 GLM-Image	✅	✅	—	✅	✅	—
Local ComfyUI	✅	✅	✅ 多图	—	—	—
ChatGPT 订阅（免 Key）	✅	✅	✅ 多图	✅	✅	—
Grok 订阅（免 Key）	✅	✅	✅ 多图	✅	✅	—
Google 订阅（免 Key）	✅	✅	✅ 多图	✅	✅	—

Studio 与多模型对比目前只支持云端 Provider（含订阅通道）；多模型对比调用的是各 Provider 在设置中已配置的模型。 智谱 GLM-Image 上游本身不支持图生图；xAI 图生图走 OpenAI 兼容协议（multipart），部分网关可能需等待后续适配。 订阅通道通过账号登录使用（免 API Key），图生图走各订阅渠道的编辑接口（最多 5 张参考图），比例与清晰度可在 Studio 中直接选择。 OpenAI 与兼容渠道的对话生图和图生图都可以直接要求输出 GIF 动图，例如把参考图里的角色做成动图（需模型与中转支持；图生图还要求中转支持改图接口），帧数、帧时长等参数见 Provider 配置参考。ChatGPT 订阅使用的接口暂不支持 GIF 输出。

📖 默认模型与 Endpoint、各 Provider 的比例 / 清晰度、尺寸表、水印、中转站编辑格式等高级配置，见 Provider 配置参考。

---

数据与隐私

• BYOK：API Key 通过 DSH Credentials 服务保存，设置页不会回显 Key 明文。
• 订阅登录：订阅账号令牌经你授权登录后保存于 DSH Credentials，与 API Key 完全隔离，浏览器侧不接触令牌。
• 云端请求：Prompt 与本次使用的参考图会发送给所选 Provider，请遵守对应服务条款。
• 上游图片下载：沿用宿主已有的网络和代理配置，不额外拦截 Fake-IP、内网或回环地址。当前未提供完整的 SSRF 目标限制。
• 本地 ComfyUI：请求发送到用户配置的 ComfyUI 地址。
• 工作区文件：开启工作区保存后，对话结果会落盘；Studio 仅保存用户选中的候选图。
• GIF 原图：动图结果的原始文件另存于原图保险库（vaultEnabled 可关闭），供卡片播放与导出，随图库删除一并清理。
• 图库与收藏：图库元数据和收藏状态保存在当前浏览器本地存储中。
• 删除记录：普通删除会保留轻量的图片 ID 标记，超过 30 天也不会因重新打开旧会话而自动恢复到图库。
• 灵感缓存：案例元数据随插件提供，图片按需加载并缓存在本机，可随时清理。

常见问题

<details> <summary><strong>安装后找不到“图像生成”设置怎么办？</strong></summary>

设置入口随 DSH 版本不同：0.1.6 及以上位于插件详情页（点击左侧边栏「插件」图标，在「已安装」分区进入 dsh-image-gen），0.1.5 及更早位于「设置 → 插件 → 插件配置 → 图像生成」。

若两处都没有，先完全重启当前 DSH Profile，再检查插件配置：

dsh --profile web --dump-config

如果输出中没有 dsh-image-gen，请重新执行安装命令。提交 Issue 时请附 DSH 版本、插件版本和错误日志，不要上传 API Key。

</details> <details> <summary><strong>一次最多能批量生成多少张？</strong></summary>

对话批量单次调用最多 10 张，超过时插件会提示 Agent 拆成多次调用。图片是逐张生成的，单张失败不会中断其余图片，失败的会在结果里单独列出原因。

</details> <details> <summary><strong>生成图片保存在哪里？</strong></summary>

开启“保存到工作区”后，对话生成结果默认保存在当前工作区的 dsh-image-gen/ 子目录，也可以在设置中修改。Studio 候选图先留在临时画布，只有用户选中的结果才会进入图库并保存。

</details> <details> <summary><strong>Gemini 中转只支持 generateContent，如何配置？</strong></summary>

在 Google Gemini 设置中，将“请求协议”改为“原生 generateContent”，接口地址填写中转的 API 基础地址，例如 https://your-relay.example/v1beta，保存后即可用于对话生图、图生图和 Studio。已有的 Interactions 完整地址也可以沿用，插件会按所选模型构建原生请求地址。

配置文件对应 googleNative: true；默认值为 false，现有用户仍使用 Interactions 协议。

</details> <details> <summary><strong>为什么 ComfyUI 没有出现在 Studio 中？</strong></summary>

当前 Studio 与多模型对比仅支持云端 Provider，暂未接入 ComfyUI。ComfyUI 已支持在 Agent 对话中进行文生图、图生图（支持多张参考图）、批量生图以及多个命名工作流。

</details> <details> <summary><strong>从图库删除会删除聊天记录吗？</strong></summary>

不会。删除图库记录不会修改原聊天消息。你可以额外选择是否清理工作区中的本地图片文件；文件删除通常无法恢复，请确认后操作。

</details> <details> <summary><strong>如何升级？</strong></summary>

pnpm dsh plugin --profile web add dsh-image-gen@latest

升级后重启对应的 DSH Profile。

</details>

---

本地开发

git clone https://github.com/shanliuling/dsh-image-gen.git
cd dsh-image-gen

pnpm install
pnpm run typecheck
pnpm test
pnpm run build
pnpm run pack:check
pnpm run test:package

依赖要求与 test:package 的测试范围等维护者说明见 CONTRIBUTING.md。欢迎通过 Issues 反馈问题，或阅读贡献指南后提交 Pull Request。

鸣谢

• AtomGit：为本项目提供国内代码托管，方便国内用户访问与获取源码。

License

本项目基于 Apache License 2.0 开源。

<div align="center">

如果 dsh-image-gen 对你的工作流有所帮助，欢迎在 GitHub 点亮一颗 ⭐ Star 支持持续维护。

查看 Releases · 提交 Issue · 参与贡献

</div>