Skip to content

v0.4.2

Choose a tag to compare

@github-actions github-actions released this 10 Sep 13:17
· 20 commits to main since this release

本次更新完全由 DeepSeek Harness 自主完成。

背景与目标

vision-exp-tile 与上游 picturereader(github.com/jing-hy/picturereader)常同挂载于同一 DSH 实例。二者都做图像识别,若不分工会让模型被两套近似工具搞晕、多空转轮数。本版做"picturereader 适应性优化":两插件共存/协作的工具调度适配,并复用其已配视觉端点与已建 OCR venv,顺带省模型空转。

新功能

  1. 共存探测 + 工具分工引导(A):新增 src/picturereader-detector.js——isPicturereaderPresent(双通道:dsh-tools 注册表 ctx.tools.get('image_scan') / 插件目录 <DSH_HOME>/plugins/picturereader 存在性;全部 try/catch,异常=不在场)、collabGuideText(在场返回 ≤220 字中文分工引导)、withCollabIfPresent。src/index.js 注册三个工具时按探测结果在 description 末尾追加分工段(大图切块/批量/区域→本插件;小图/像素级/整页文档→picturereader 的 image_scan/image_ocr/image_batch/document_to_image);首个 apply 探测 + setTimeout 500/1500ms 复查(防插件注册顺序竞态,结果变化才 dispose+重注册一次)。picturereader 不在场时工具描述与 v0.4.1 逐字节一致(零回归);不在工具结果尾部加任何文本。
  2. peer 配置复用(B):新增 src/peer-config.js——readPeerSettings 读 settings.yaml 的 picturereader: 分区(文本行匹配,去引号/去注释;文件/分区缺失=null);applyPeerDefaults 在本插件 baseURL/model 等于默认(未显式)时以 vlm_base/vlm_model 覆盖(用户显式 > peer > 默认);apiKeyEnv 仍用本插件自身 DEEPSEEK_API_KEY 链(不读 vlm_key 密钥)。
  3. peer venv 复用(C):src/ocr-local.js 的 rapidPython/paddlePython 增加 peer venv 候选——优先级:本插件显式 env(DSH_RAPID_PYTHON/DSH_PADDLE_PYTHON)> 本插件默认 venv(存在)> picturereader 已建 venv($HOME/<venv>/Scripts/python.exe)> 本插件默认(兜底失败安全回退);resolveVenvPython 为纯函数(可注入 exists 便于单测)。venv 路径常量经实证:picturereader/src/core.js 用 join(homedir(),'<venv>','Scripts','python.exe')。
  4. 测试:新增 tests/peer.test.js(16 项):探测双通道/异常、分工引导在场/不在场、三个真实工具描述回归(不在场不含分工段)、peer 配置读取(临时 YAML:正常/缺键/畸形/无分区)、applyPeerDefaults 优先级、resolveVenvPython 优先级、rapid/paddle venv 集成(临时目录 mock 路径存在性)。
  5. 无新增依赖、不改动 picturereader:全部用 Node 内置 + 现有依赖;不写 picturereader 任何文件。

验证

  • npm test:163/163 全绿(原 147 + peer.test.js 16 项);
  • VISION_TEST_TIMEOUT_FACTOR=8 npm test:163/163 仍全绿;
  • VISION_TEST_SKIP_TIMING=1 npm test:162 通过 + 1 跳过(超时/时序敏感用例),0 失败;
  • node scripts/probe-device.mjs:输出合法 JSON(不受本版影响)。

致谢与兼容性说明

本版与 picturereader(MIT,作者 @jing-hy)做了共存协作适配——感谢上游作者与社区。两个插件都装时,模型会自动按分工选工具(大图/批量走 vision-exp-tile,小图/像素级/整页文档走 picturereader);视觉端点与 OCR 环境可共享复用。不安装 picturereader 也完全不影响使用:本插件保持完全独立,所有协作探测失败自动回退,双方互不修改。