dsh-desktop
DSH 宿主插件：提供系统级桌面控制工具，包括屏幕坐标 OCR、鼠标点击/拖拽、Unicode 文本输入及组合键发送。
AI 分析
核心用途是让 AI 具备完全操控物理操作系统的能力。适合需要 AI 执行跨软件自动化工作流、操作第三方桌面应用或进行界面诊断的自动化任务。
安装
$
npx -p @deepseek-ai/dsh dsh plugin --profile web add github:Hyna-hla/dsh-desktop说明文档
阅读完整 README ↗dsh-desktop
宿主插件：操作系统级桌面控制工具，让模型操作整个浏览器（含地址栏/搜索栏）和任意窗口。
工具
| 工具 | 作用 |
|---|---|
desktop_ocr | 截屏 + Windows OCR，返回每个词的坐标框（定位用） |
desktop_screen | 虚拟屏幕尺寸与原点 |
desktop_click(x, y, button?, double?) | 移动鼠标并点击（左/右/中，可双击） |
desktop_drag(x1,y1,x2,y2) | 按住拖动 |
desktop_type(text) | Unicode 文本输入（支持中文） |
desktop_press(combo) | 组合键：ctrl+l 地址栏、enter、alt+tab、f5、ctrl+t… |
desktop_cursor | 当前光标位置 |
desktop_screenshot(path?) | 截屏存 PNG |
典型流程（打开网址）：desktop_press "ctrl+l" → desktop_type "https://..." → desktop_press "enter"；任意界面点击：desktop_ocr 找坐标 → desktop_click。
原理与边界
- 工具在宿主进程里 spawn
powershell.exe跑lib/desktop.ps1（Win32 SetCursorPos / mouse_event / SendInput + Windows 自带 OCR），完全不受 DSH 沙盒限制； - 与 Edge 扩展互补：扩展管网页内容，桌面层管浏览器框架和所有程序；
- 高权限操作：模型只有在收到你的指令时才调用这些工具；屏幕上的一切它都能看（OCR）、能动。
构建安装
pnpm install
pnpm build
.\scripts\install-to-profile.ps1 -Name dsh-desktop -SourceDir .
# 重启 DeepSeek Harness