dsh-omni-vision

使用

eyes_render —— 画

参数：width/height（64–2048）、background（CSS 颜色）、title、description、commands（数组）、mermaid（字符串，可选）、ocr（布尔，渲染后顺带本地 OCR，默认 false）。

Mermaid 连线图：传 mermaid 参数（Mermaid 源码字符串，如 graph LR\n A[start] --> B[process] --> C[end]）即可让浏览器渲染出流程图/时序图等，无需手工计算坐标；mermaid 存在时优先于 commands。支持 flowchart / sequenceDiagram / classDiagram / stateDiagram 等 Mermaid 语法。渲染结果走同一套 PNG 存档（一式两份）+ 可选 OCR（可把节点文字读回给模型）。按需加载（本插件所有下载均按需，见"下载策略"）：只有实际传 mermaid 参数渲染时才加载，优先用本地副本（在插件目录 npm i mermaid@11 后全离线可用），缺失时才回退 CDN（首次需浏览器联网，成功后浏览器缓存）。加载或语法失败时工具返回明确错误。

落盘 PNG 的像素尺寸与 width/height 完全一致（不做设备像素比缩放），命令坐标与 PNG 像素一一对应——eyes_analyze 看到的网格坐标、contentBox 都与命令里的 x/y 直接可比。

text 的 y 是首行字形顶部的坐标：绘制时用 measureText 量出字形顶部相对字母基线的距离（actualBoundingBoxAscent），在 y + ascent 处画基线，字形顶精确落在 y 上（跨引擎一致，不随字体/字号/浏览器解释差异偏下），中文、拉丁文混排时顶部对齐一致。

PNG 一式两份：renders/eyes-.png（ocr:true 且读回成功后自动删除，读完即焚）+ pics/eyes-.png（永久保留，结果里的 keptPath）。

op	字段
text	x,y,text,size,font,weight,color,align,maxWidth
line	x1,y1,x2,y2,color,width
rect	x,y,w,h,radius,fill,stroke,strokeWidth
circle	cx,cy,r,fill,stroke,strokeWidth
ellipse	cx,cy,rx,ry,fill,stroke,strokeWidth
clear	color（清屏底色）

eyes_ocr —— 读文字

参数：path（PNG 绝对路径，如 eyes_render 返回的 path）。返回 ok、text（全文）、lines（逐行）、language，以及 fileDeleted（renders/ 下的源文件读取后自动删除）。

eyes_analyze —— 看图形

参数：path（PNG 绝对路径）、grid（采样网格 N×N，2–32，默认 8）、maxColors（主色数量，1–16，默认 6）。返回 gridCells（网格平均色）、dominantColors（主色及占比）、contentBox（内容包围盒），以及 fileDeleted（同上，读完即焚）。

eyes_paste —— 收图

参数：hint（可选，显示在粘贴卡片上的说明）。调用后 GUI 出现粘贴卡片，用户选择一张图片复制后ctrl+v或直接拖到浏览器界面（批量读取时，可把多张图片副本直接放入 renders/ 文件夹并告诉所用AI），浏览器捕获并保存为 /renders/paste-.png（读完即焚，无 pics/ 永久副本读完即焚；未读取的文件会留在 renders/ 中，可手动清理）。返回 path、width、height、bytes、fileSaved、fileError。

示例

用 eyes_paste 让用户粘贴一张截图，然后用 eyes_ocr 读出里面的文字并复述给我

用 eyes_render 画一张 800x400 的画布，写上文字"Hello 世界 123"，设 ocr:true，然后告诉我你看到了什么

用 eyes_render 画一张 900x500 的 Mermaid 流程图：graph TD\n A[登录] --> B{校验}\n B -->|成功| C[进入主页]\n B -->|失败| D[提示错误]，设 ocr:true 读回节点文字

eyes_ocr 读取 \renders\eyes-xxx.png，把识别出的文字逐行复述给我

eyes_analyze 分析 \renders\eyes-xxx.png，网格 12，然后描述画面布局和主要颜色