dsh-snip 📸 快速截图

一个 DeepSeek Harness（DSH）插件： 输入框旁的「📸 截图」按钮——像豆包一样一键框选截图，不用再开本地截图工具。 截完图片自动进剪贴板，Ctrl+V 直接贴进对话；模型还能用 MCP 工具读最近的截图帮你分析。

用法

1. 点输入框旁的「📸 截图」按钮
2. DSH 窗口默认暂时隐藏（不把自己截进去）；想保留就点按钮旁的 ▾，在菜单里 取消勾选「截图时隐藏 DSH 窗口」（QQ 同款选项，选择会记住）
3. 悬停会高亮窗口边框——点一下=选中整窗；按住左键拖拽=自由框选（选区外压暗、蓝框、实时宽高），松手弹出「确认/取消」工具条
4. 回车 / 双击 / 点「确认」完成；点选区外重新框选；ESC 取消
5. DSH 窗口自动回到前台，截图自动粘贴进输入框（QQ 式，无需手动 Ctrl+V；若没贴上再按一次即可）
6. 模型就能看到图（配合视觉模型/视觉插件）

组成

客户端 lib/client.js
  「📸 截图」按钮（conversation.input.right 插槽）→ POST /dsh-snip/start
宿主 lib/index.js
  本地路由 POST /dsh-snip/start（等待拖选完成/取消/超时）+ GET /last
  + 挂载 MCP 桥接（模型工具）
PowerShell scripts/snip.ps1（-STA）
  交互层 = scripts/snip-overlay.cs 编译出的独立 exe：
    宿主在插件挂载时后台用 csc.exe 预热编译到 ~/.dsh/dsh-snip/（按源码哈希缓存），
    点击按钮直接启动 exe —— 冷启动 <1s 出遮罩（旧版经 PowerShell+CodeDom 要 3-5s）
    exe 内完成：DSH 窗口隐藏/恢复、全屏冻结底图、窗口吸附高亮（EnumWindows + DWM
    扩展边框）、橡皮筋选框（选区外压暗、蓝框、白色手柄、实时尺寸）、确认工具条
    → PNG 落盘 ~/.dsh/dsh-snip/ + 图片写剪贴板 + 记录 last.json
  snip.ps1 现在只负责：-Rect 静默截图（MCP 用）+ exe 未就绪时的兜底（csc 现编再启动）
MCP mcp/server.mjs
  last_screenshot   最近一次截图的 PNG 路径与尺寸（配视觉工具"看图"）
  take_screenshot   静默截指定区域（x,y,w,h，无遮罩，模型自助观察屏幕用）

设计借鉴

交互层重写前调研了主流开源实现，借鉴其设计思路（全部原创实现，未复制任何代码）：

项目	许可	借鉴点
ShareX	GPL-3.0	全屏无边框窗体、Win32/DWM 窗口吸附思路
Greenshot	GPL-3.0	OptimizedDoubleBuffer 双缓冲三件套、预渲染压暗背景
xland/ScreenCapture	MIT	微信式交互取向、单文件轻量化
Flameshot	GPL-3.0	选区交互 UX

v0.1.5 及之前把事件处理写在 PowerShell 脚本块里，每个 MouseMove 都要过一遍解释器， 实测就是"左键失灵、拖选卡顿"的根源——这也是上面这些成熟工具全部用编译代码做 事件循环的原因。v0.1.6 起交互层改为运行时编译的 C#。

安装

dsh plugin --profile <你的 profile> add github:hezhaochao/dsh-snip

安装后完全退出 DSH（含托盘）再重启。要求 Windows 10/11。

为什么能自动粘贴

确认后客户端把输入框的实时屏幕坐标上报宿主，宿主拉起 scripts/paste.ps1： 把 DSH 强制带回前台（SwitchToThisWindow，与任务栏点击同一机制）→ 原生点击输入框 （窗口隐藏/恢复会丢 DOM 焦点，必须真实点击才能拿到键盘焦点）→ 发一次系统级 Ctrl+V——网页安全沙箱拦不住真实的键盘输入，这正是 QQ/微信自动贴图的同一套机制。 键鼠模拟放在系统 powershell.exe 里执行而不是临时编译的 exe，避免被 Defender 行为 启发式误杀。无论"隐藏窗口"开关与否都会执行；粘贴偶尔没落上时，图仍在剪贴板， 手动 Ctrl+V 即可（~/.dsh/dsh-snip/paste-debug.log 记录了每一步，便于排查）。

给模型的两个 MCP 工具（mcp__snip__<名>）

工具	作用
last_screenshot	最近一次截图的 PNG 路径 + 尺寸——配视觉工具即可"看"你刚截的图并分析
take_screenshot	模型自助静默截屏（指定 x,y,w,h 区域），用于观察屏幕状态；无遮罩、不抢焦点

隐私与行为

• 截图 PNG 只存在本机 ~/.dsh/dsh-snip/；last.json 只记最近一次的路径与尺寸
• 不上传、不联网；截图后想删就手动删目录，或不管它（PNG 不进任何历史）
• 默认框选期间 DSH 窗口被暂时隐藏（截完自动恢复并抢回前台）；右键按钮可改为保留。 宿主识别按进程名匹配 deepseek/harness/zcode/dsh（Electron 多层进程取最靠根的 带窗口祖先=主窗口），匹配不上就静默跳过
• 截图有 150 秒超时兜底（拖选太久不选会自动结束）

兼容性

• 声明 engines.dsh: ">=0.2.0-rc.1 <0.3.0-0"，已在 v0.2.1-rc.3（当前最新版）上 完成安装 / 配置树组合 / 卸载验证
• 多显示器支持（遮罩覆盖整个虚拟屏）；高 DPI 下坐标为物理像素
• 非 Windows：按钮安装后仍会出现，点击返回明确的平台错误

开发与测试

git clone https://github.com/hezhaochao/dsh-snip.git
cd dsh-snip
npm test             # MCP 协议层（隔离 USERPROFILE）
npm run test:snip    # 截图脚本真实 E2E：-Rect 抓屏/PNG 尺寸/last.json/剪贴板图片（仅 Windows）

.ps1 必须保持 UTF-8 with BOM（PowerShell 5.1 编码坑，真机踩过）。

本地真机验证插件挂载：

dsh plugin --profile zz-test add link:"<本仓库绝对路径>"
dsh --profile zz-test --dump-config   # 应能看到 id: snip-button 条目

已知限制

• 框选遮罩期间其他显示器同属一个虚拟屏，跨屏拖选没问题；遮罩底图是启动瞬间的冻结画面
• 窗口吸附基于顶层窗口枚举，识别不到子面板/网页内部元素（QQ/微信的"智能选区"同样只到窗口级）
• 个别全屏独占游戏上遮罩可能被压到下面——这类场景本就不适合网页式截图
• take_screenshot 抓屏包含遮罩以外的一切内容，请勿用于窥探他人屏幕
• 插件挂载后台会编译一次交互层 exe（约 0.5-2s，csc.exe 来自系统自带 .NET Framework 4.x）； 编译好之前点按钮会走 PowerShell 兜底（多 2-3 秒），不影响功能

许可

MIT © hezhaochao