DeepSeek Harness（DSH）里的模型大多只认文字，图片处理往往要「把文件拖出去、开个工具、再把结果拖回来」。DSH BG Tool 把这个流程收进对话本身：你贴一张图、说一句「去掉背景」，Agent 直接调用 remove_background，本地 GPU 推理完成后把透明 PNG 写到工作区，全程不离开 Harness。

与云端抠图服务不同，这个插件把 rembg + BiRefNet 跑在本机：

• 图片永远不会上传到任何第三方服务，敏感素材也放心处理；
• 不需要 API Key、不消耗任何付费额度，离线可用；
• 显存、模型、输出目录都在你手里，随时可以换成别的模型。

Highlights

• 对话内直接抠图。 把图片放进会话工作区，让 Agent 调用 remove_background，透明背景 PNG 直接写入输出目录并返回路径，Web 里可以继续预览、复用。
• 三档模型按需切换。 general（BiRefNet-general fp16，任意物体/商品/照片）、portrait（BiRefNet-portrait fp16，人物/头发/证件照）、fast（u2netp 快速草稿），每个模式都可以在配置卡里单独换模型。
• 全本地 GPU 推理。 BiRefNet 以 fp16 运行并做了 CUDA 调优，热调用约 0.7~1 秒/张（RTX 3070），无需任何网络请求。
• 服务器生命周期自管理。 DSH 启动时自动拉起本地 rembg 服务（pythonw 无窗口、后台常驻），插件停止时自动回收；首次调用某模型约 7 秒（加载进显存）。
• 官方同款插件配置卡片。 设置 → 插件 → 插件配置 →「背景抠图」，模型映射、输出目录、自动启动开关，暂存编辑、已覆盖标记、恢复默认，与官方卡片一致的 UI 和保存语义。

效果预览

同一张原图，分别用 general 和 portrait 模式抠图（透明背景用棋盘格示意）：

左：原图。中：general 模式（BiRefNet-general fp16）。右：portrait 模式（BiRefNet-portrait fp16）。长发、飘带、半透明裙摆等细节边缘都保持完整。

快速开始：三步

1. 准备本地环境（一次性）

插件依赖工作区里的 .bg-tools/ 目录（Python venv + 模型文件 + bg_server.py）。准备完成后结构大致如下：

.bg-tools/
├── venv/            # Python 虚拟环境（含 rembg、onnxruntime-gpu、CUDA 13 运行库）
├── models/          # 模型文件（BiRefNet fp16、u2netp 等）
├── bg_server.py     # 本地 rembg HTTP 服务（fp16 + CUDA 调优）
├── start-server.ps1 # 手动启动脚本（可选）
└── output/          # 默认输出目录

装好后可以直接跑一遍冒烟测试：

.bg-tools\start-server.ps1   # 手动启动，然后访问 http://127.0.0.1:7000/openapi.json

也可以不手动启动：插件默认开启「自动启动 GPU 服务」，DSH 运行时会自己把服务拉起来。

2. 安装插件（本机 profile）

// ~/.dsh/profiles/web/package.json
"dependencies": { "@local/dsh-bg-tool": "link:<本仓库目录>" },
"dsh": { "profile": { "bundles": ["@local/dsh-bg-tool"] } }

并建立 node_modules/@local/dsh-bg-tool → 本仓库目录 的符号链接，然后重启 Web Profile。

3. 对话里直接抠图

把图片放到会话工作区（或让 Agent 从任何允许的目录读取），直接说：

把 workspace 里的 DSH娘.png 去掉背景，用 portrait 模式。
把这个商品图抠出来，输出到 output 目录，命名 product_1.png。

Agent 会调用 remove_background 工具并返回 output_path；打开该路径就是透明背景 PNG。

工具

插件为每个会话注册一个模型工具：

三种模式的默认模型与适用场景：

三个模式都可以在配置卡里替换成任意已安装模型（isnet-general-use、u2net_human_seg、u2net 等）。

工作原理

flowchart LR
    Agent["DSH Agent"] --> Tool["remove_background 工具"]
    Tool --> Ensure{"本地服务 127.0.0.1:7000 在跑？"}
    Ensure -- "否，自动启动开启" --> Spawn["pythonw 拉起 bg_server.py<br/>（无窗口、detached）"]
    Spawn --> Up["服务就绪"]
    Ensure -- "是" --> Up
    Up --> GPU["POST /api/remove<br/>onnxruntime CUDA fp16 推理"]
    GPU --> PNG["透明背景 PNG"]
    PNG --> Out["写入输出目录 outputDir"]
    Out --> Agent

配置

设置 → 插件 → 插件配置 →「背景抠图」卡片（官方卡片同款 UI：暂存编辑、已覆盖标记、恢复默认）：

也可以在 profile 的 cordis patch 里直接写配置：

- id: bg-tool
  config:
    generalModel: birefnet-general
    portraitModel: birefnet-portrait
    fastModel: u2netp
    outputDir: E:/ProjectCode/DeepSeekHarnessWorkbook/.bg-tools/output
    autoStartServer: true

环境要求

• DeepSeek Harness Web Profile（插件以 bundle patch 方式挂载，重启生效）。
• Windows + NVIDIA GPU：本地服务默认按本机环境（CUDA 13 运行库、pythonw.exe）设计；CPU 环境需自行调整 .bg-tools。
• .bg-tools/ 本地环境：venv（rembg + onnxruntime-gpu）、模型文件、bg_server.py，见上文「快速开始」。
• 输入图片支持 jpg / png / webp，路径需是 Agent 可读的绝对路径。

故障排查

项目结构与许可

dsh-bg-tool/
├── lib/index.js          # 宿主：设置命名空间 + 自有设置路由 + 工具注册 + 服务器生命周期
├── lib/client.js         # 客户端：「背景抠图」插件配置卡片（官方 CardForm 语义）
├── cordis.patch.yml      # bundle patch（注入宿主组合）
└── assets/               # README 截图与演示图

插件以 MIT License 开源；本地 rembg 服务与模型遵循各自上游许可。.bg-tools/ 运行时环境不属于本仓库。

配套项目：dsh-github-tool（GitHub 接入）· dsh-vision-toolkit（视觉工具集）