dsh-image-generation

使用

DSH Desktop 默认关闭内置生图插件。需要使用内置版本时，在「设置 → 插件」启用「内置生图工具」并重启 Harness；启用前须先停用同名市场版本。启用后，在生图工具卡片选择 Seedream 或 OpenAI，填写该平台的 API Key 并保存。生图模型支持预设选择或自定义输入，API 地址可在高级设置中修改。

生图模型使用下拉选择。OpenAI 的「获取模型」用当前填写或已保存的 Key 发起一次 GET /models，筛选 Images API 支持的 GPT Image 模型；获取过程只更新候选列表，配置在点击保存时生效。查询来源保留在接口中，界面显示候选模型、空列表和查询错误。字节的管理接口使用独立签名凭据，因此 API Key 模式提供内置选项和自定义模型/接入点 ID。

Seedream 预设按 火山方舟模型列表 的图片生成能力核对（2026-09-10）：

模型	模型 ID
Seedream 5.0 Pro	doubao-seedream-5-0-pro-260628
Seedream 5.0	doubao-seedream-5-0-260128
Seedream 5.0 Lite	doubao-seedream-5-0-lite-260128
Seedream 4.5	doubao-seedream-4-5-251128
Seedream 4.0	doubao-seedream-4-0-250828

官方目录明确同时支持 5.0 和 5.0 Lite 两个 ID。预设表示插件支持的型号，实际可用性取决于账户开通情况；自定义入口用于填写其他模型或接入点 ID。

API 地址同时接受基础地址和控制台提供的完整 /images/generations 地址。保存时统一为基础地址，实际请求只添加一次接口路径。

服务商	默认模型	默认 API 地址
字节 / 火山方舟	doubao-seedream-4-5-251128	https://ark.cn-beijing.volces.com/api/v3
OpenAI	gpt-image-1.5	https://api.openai.com/v1

保存自动发起一次非生图校验请求，界面显示校验中、保存成功或具体错误。失败保留输入及之前的有效配置。Key 更换后立即生效；两个服务商分别保存配置和 Key。更换 API 地址的域名时需要重新填写 Key。

• OpenAI：GET /models/{model}，检查凭据和模型元数据访问。Key 需要允许读取该模型信息。
• 字节：POST /images/generations，请求体仅含 model，省略必填 prompt。只将明确的 prompt 缺参错误识别为连接校验成功，其他错误正常报错。该请求进入参数检查，不提交生图任务。采用此方式是因为 Ark 官方运行时 SDK 没有可依赖的模型列表接口。

校验结果与实际生图成功分别记录。生图权限、余额、内容审核和输出效果在真正调用时确认。本插件没有生成测试图按钮。

提示词示例：「为这份 PPT 生成一张留出左侧标题空间的科技插画，风格沿用当前模板。」Agent 加载 Skill 后调用 image_generate，按当前 Host 权限策略直接执行，将图片保存到工作区 .workbuddy/generated-images/.png。工具返回路径、尺寸、字节数、哈希、服务商和模型。图片可保留透明通道，标题、表格和简单图表继续使用 Office 原生对象。

本期支持文生图，每次生成一张图片。OpenAI 的 16:9 / 4:3 请求使用 1536×1024 画布，竖图使用 1024×1536；文档按实际返回尺寸等比放置或裁剪。字节按目标比例选择支持的画布。编辑图、参考图、批量生图和本地模型留待后续版本。

字节请求采用 Seedream 4.5 / 5.0 Pro 共用的单图字段，由服务端默认单图模式执行。自定义接入点 ID 也使用这一契约。组图控制属于独立能力，5.0 Pro 的单图请求省略 sequential_image_generation 及其 options。模型能力和画布范围参考 BytePlus 官方 Seedream 能力表。

生图失败时，工具和 Host 日志保留 HTTP 状态、服务商错误码、参数名及请求编号。错误响应最多读取 64 KB，仅提取受限格式的诊断字段；服务商原始错误文本可能回显 Key 或提示词，因此留在 Host 处理。模型根据具体原因反馈，参数错误交由插件修正。

对话直接展示生成图片，点击缩略图可放大，Esc 或点击背景关闭。已有成功生图记录也能预览。预览接口通过 Host 鉴权，按会话中成功的工具结果授权读取对应 PNG，并校验目录、文件类型、体积和 SHA-256；访问留有审计日志。图片以文本资产信息返回给聊天模型，界面预览与模型视觉能力分别处理。