v0.1.0-preview.3 · 看图批量操作

0.1.0-preview.3

版本分类：功能预览版。适用于 Windows x64、DSH Desktop 0.2.0-rc.2，以及支持图片输入的模型。

新增看图批量操作：一张截图规划最多 8 个动作，一次执行后返回最终截图和逐步结果，减少模型往返。截图像素坐标会自动换算窗口位置与缩放。原有单步工具和配置继续兼容。

跳转、提交、菜单等步骤设置检查点；滚动和 Enter 自动停组。窗口、焦点、标题或可读取控件变化、失败、取消和 Esc 会阻止剩余操作。返回已完成数量，禁止整组重放。控件检查无法识别所有画布变化，未知页面仍需主动设置检查点。

安装与升级

下载下方 .tgz，在 DSH Desktop 自带终端执行，替换为文件的实际绝对路径：

dsh plugin --profile desktop add "C:\path\to\dsh-windows-computer-use-0.1.0-preview.3.tgz"

正常退出并重开 DSH。包内含运行依赖和自包含 C# 引擎，不需要另外安装 .NET SDK。请在 DSH 选择支持图片输入的模型；纯文本模型无法使用看图批量操作，但原有 UIA/OCR 工具仍可使用。

验证与边界

验证覆盖真实测试窗口的多步中文输入、截图缩放坐标、失效引用、检查点、弹窗/控件变化、窗口移动、取消和 Esc。实际 DSH 官方桥接验证首尾图片入库并进入 image 消息通道、批量输入回读和纯文本模型拒绝。模型路由元数据使用测试替身，未调用实际模型自主规划，也未替换用户当前 DSH 配置。

引擎在内存中传输截图，DSH 会将图片保存为会话附件。UIA 可能阻塞，超时不自动重放；已经送达应用的输入无法撤销。仍不支持 UAC 安全桌面、后台输入和 WGC，Windows 引擎尚未代码签名。预览版不代表所有应用兼容，GitHub 发布不等于插件市场收录。

v0.1.0-preview.2 · DSH Windows 电脑控制插件

这是 DSH Windows 电脑控制插件的修复预览版，适用于 Windows x64 / DSH Desktop 0.2.0-rc.2。

• 修复窗口忙碌时过早报告激活失败，等待实际前台状态。
• 双击事件一次提交，点击前重新核对焦点和指针。
• 停止监听等消息循环就绪后启动，补充实际 Esc 事件验证。

本机连续五轮 19 项测试通过；最终安装包已在隔离 DSH 中完成工具注册、中文输入和回读验证。完整记录见仓库 docs/verification.md。

下载下方 .tgz，在 DSH Desktop 自带终端执行（替换为下载文件的绝对路径）：

dsh plugin --profile desktop add "C:\path\to\dsh-windows-computer-use-0.1.0-preview.2.tgz"

正常退出并重开 DSH。相对 preview.1 没有破坏性配置变化，包内含运行依赖和自包含引擎，无需另装 .NET SDK。

这是预览版，先在测试文档使用。Windows 拒绝前台切换时插件会停止输入，不支持 UAC 安全桌面、后台输入和 WGC。引擎尚未代码签名，也未验证所有应用。GitHub 发布不等于插件市场收录。

v0.1.0-preview.1 · DSH Windows 电脑控制插件预览版

0.1.0-preview.1

版本分类：预览版。适用于 Windows x64、DSH Desktop 0.2.0-rc.2 的测试用户。

这是基于 dsh-computer-use-win 改造的第一版，采用 C# 桌面引擎和 TypeScript 接入，重点是目标窗口绑定、Esc 停止和操作后的证据核对。原项目及更早上游署名和 MIT 许可均保留。

安装与升级

下载 Release 的 .tgz，在 DSH Desktop 自带终端执行：

dsh plugin --profile desktop add "C:\path\to\dsh-windows-computer-use-0.1.0-preview.1.tgz"

完整退出并重开 DSH。包内含运行依赖和自包含 C# 引擎，不要求安装 .NET SDK；支持中文和带空格路径。只选择一套电脑控制插件执行任务，避免争抢桌面。

兼容性

与上游有兼容性变化：独立包名、新元素 ID 和返回结构；没有后台消息输入和 WGC 捕获。不要把它当成上游配置的原位升级。

已验证与风险

本机验证范围见 verification.md。覆盖专用真实窗口、MCP 通信和实际 DSH Electron/Cordis/MCP 桥接，未验证所有应用，也未替换用户正在运行的 DSH 配置。

UIA 可能被目标应用阻塞；超时不自动重放输入。截图的屏幕裁剪可能受遮挡，返回值会标明。OCR 依赖 Windows 语言包，识别效果受字体和布局影响。Esc 可停止后续输入，已经送达应用的操作无法撤回。

当前自编译的 Windows 引擎没有代码签名。

这是早期预览版，先在测试文档或专用窗口使用。GitHub 公布不等于 npm 发布或插件市场收录。