DSH | pptx-annotate | 在预览面板里逐元素批注 PPT，一键交给 Agent 改

[HiddenPuppy]

非官方项目，由社区成员独立开发和维护。

项目地址

https://github.com/HiddenPuppy/dsh-pptx-annotate

项目介绍

在 DSH 的预览面板里，对 PPT 的每一个元素做批注，然后一键把整轮修改意见交给 Agent。

内置的 Office 预览是只读的：.pptx 被转成 PDF 渲染，你能看，但没法对"第 2 页那个大标题"说一句话。
于是改 PPT 的真实流程变成了：看一眼 → 记住位置 → 切到对话 → 用文字描述 → Agent 猜你指哪个元素 → 改错 → 再来一轮。

这个插件把"描述位置"这一步去掉了。页面上每个形状都是可点的热区，意见直接挂在元素上，
提交时变成一条可定位的结构化消息：

【PPT 批注】`deck.pptx` · 共 3 条

- 第 2 页 · #3 · 三个工具，三种完全不同的结局：标题太大，缩到 40pt
- 第 3 页 · #8 · 表格：换成三列卡片
- 第 1 页 · #6 · 2026.10 · 内部技术分享：字号太小

Agent 收到的不再是一段散文，而是「第几页 · 哪个元素 · 改什么」。

和内置预览的差别

能力	内置 Office 预览	dsh-pptx-annotate
打开 .pptx	转 PDF 只读	直接渲染每页
选中单个元素	❌ 只有一整页	✅ 解析形状树（组合展开、占位符继承）
逐元素批注	❌	✅ 点元素 → 写意见 → 编号标记
批注回到对话	❌ 手打描述	✅ 一键提交为结构化 prompt
改完回看	❌ 手动刷新	✅ 轮询文件版本，自动换图
目录 / 缩略图	❌	✅ 面板够宽时自动出现
提交进度	❌	✅ 输入框旁「N 条批注处理中…」

与 DSH 的集成方式

标准 bundle：一条 Loader 行同时带来 Host 与 Client 两面。

• Host：ctx.connection.fetch.register 三条鉴权路由 —— 形状几何、单页 PNG（调用捆绑的 LibreOffice Kit 渲染）、文件版本
• Client：ctx.documentPreviews.register({ extensions: ['pptx'], priority: 'extension' }) + sidebar.right.tab.document 挂载 body，
  因此它和内置预览并列在工具栏下拉里，随时可以切回去
• 提交：ctx.sessions.scope(id).conversation.send(prompt)，走的是正常的 user turn，思考过程在主对话里照常流式显示
• 进度：注册到 conversation.composer.dock，提交后显示条数，文件一变自动消失

零运行时依赖：client.js 手写成 window.__ModuleLoader__.load 格式，只 require("react")；Host 只用 node:zlib 与 node:child_process。

截图

左侧是可滚动的页面目录（面板够宽时出现），右侧是页面本身，点中的元素会高亮并编号，
底部是批注框，工具栏右上角是「发送给 Agent」。

状态

• 35 个单元 / 集成用例 + headless 浏览器端到端（900px / 500px 两个宽度）
• 已知限制：只接管 .pptx、首次打开约 10 秒（LibreOffice 冷启动）、批注不落盘
• 后续：批注持久化、逐条接受/忽略做成可审阅 diff、支持 .docx

欢迎试用和拍砖，尤其是"哪一步还是需要你用文字描述位置"这种反馈——那正是这个插件想消灭的东西。

[HiddenPuppy]

作者补充几条实践信息，省得大家翻 README：

安装（link 方式，不动签名过的应用包）

cd ~/.dsh/profiles/desktop
ln -sfn /absolute/path/to/dsh-pptx-annotate node_modules/dsh-pptx-annotate
# 再把 dsh-pptx-annotate 加进 package.json 的 dsh.profile.bundles

改完 package.json 需要重启一次；之后只改 lib/client.js 会热替换，改 lib/index.js 存一下 cordis.patch.yml 触发重组。

已经发了 v0.1.0：https://github.com/HiddenPuppy/dsh-pptx-annotate/releases/tag/v0.1.0

几个我踩过的坑，提前说清楚免得大家以为坏了：

• 首次打开一个 pptx 要等 10 秒左右（LibreOffice 冷启动），之后同文件是毫秒级
• conversation.input.activity 是 kind: single，被语音输入占着；要挂进度提示得用 conversation.composer.dock（list）
• 图片刷新一定要在 URL 里带版本号，只靠 cache-control: no-store 不够，浏览器会用内存里的旧图

想收集的反馈：你们改 PPT 时，除了「改文字 / 改版式」，还有哪些动作是希望 Agent 直接接手的？我下一版在做逐条「接受 / 忽略」+ 可审阅 diff，不确定是不是伪需求。