taxueseek/taxue-dsh-artisan

taxue-dsh-artisan

DeepSeek Harness 的一体化视觉创作工具链：提示词反推、确定性色卡提取、审计优化、多供应商生图。基于原反推提示词插件完善而来，并原生整合了多供应商生图能力，成为可灵活组装的单插件。

解决什么问题

原来要「反推一张图 → 生成一张图」需要先后调用两个互不相识的插件：一个只出提示词、一个只生图，模型要自己把结构化的 meta_prompt 手动搬运成生图的 prompt，中间承接全靠试错。

整合后四个原生工具在同一插件内，可单个调用、也可按需串联：反推 → 色卡/优化 → 生图。

四个工具

工具	作用	是否调远程
reverse_prompt	反推图像/视频提示词并直出可直接生图的完整提示词，附带优化方向、画幅建议与同规格同风格新图引导	否（本地纯函数）
optimize_prompt	对候选提示词做本地结构审计：信息量、相机冲突、构图/动作缺失、硬冲突（风格机制互斥）、模仿/IP 风险、单变量优化建议	否（本地纯函数）
extract_palette	对 PNG 参考图做确定性色卡提取：主色/辅色/点缀色 hex 与占比、暗部/高光锚点色；同一张图永远同一结果	否（本地像素算法）
generate_image	用配置的供应商生成一张图：Google Gemini / OpenAI / 字节 Seedream / xAI Grok / ChatGPT 订阅；支持参考图对比预览与可选图控图	是

图控图（默认关闭）

generate_image 的 reference_assets 默认只用于结果卡片里「参考图 vs 生成图」并排对比，不上传。显式传 use_reference_images: true 时才把参考图内联编码进生图请求：

• Google Gemini：参考图作为 input_image 内容块随 prompt 进入 Interactions API。
• OpenAI / Seedream / codex（gpt-image）：参考图以 data URL 数组走 image 字段。
• Grok Imagine：参考图以 data URL 数组走 image_url 字段。

开启后生成结果会向参考图的构图、色彩、主体靠拢，适合「照着这张图还原/改画」类任务；要求路径为本地可读的 PNG/JPEG/WebP 文件。默认不带参考图的行为完全不变。

确定性色卡提取

extract_palette 用本地像素级聚类（Oklab 颜色空间 K-Means，无随机种子、固定迭代轮数），对 8-bit 非隔行 PNG 输出：

1. 主色/辅色/点缀色的 hex 值与占比（点缀色按「高饱和 + 与主辅色拉开距离」评分选出）
2. 暗部锚点色（明度 < 0.3 的簇）与高光锚点色（明度 > 0.87 的簇）
3. 全部颜色及归一化占比

输出 hex 取自「离簇心最近的真实采样像素」，保证颜色真实出现在原图中。反推图像时先调它拿到真实色值再写进提示词，把配色描述从目测升级为像素级精确。JPEG/WebP 参考图需先用 sips 等本地命令转 PNG。

直出反推（相对原 forge 的任务包模式）

原 forge 把反推输出成「evidence-first 元提示词 + JSON 输出合同」，让模型把它当外包任务执行，与 DSH 单模型环境脱节，模型倾向绕开。本版改为直出：

输出字段	作用
prompt	可直接粘贴到生图工具的完整提示词（还原参考图文字排版、风格与细节）
optimization_advice	可执行的优化方向（每一条一个变量）
aspect_ratio	从参考图真实像素宽高换算的画幅建议（如 9:16）；无像素时回退文本推断
variant_guidance	同规格同风格新图引导
quality_gate / risk_flags / clarification_questions	质量门、风险与澄清问题

模型调用一次 reverse_prompt 即可拿到完整结果，再把它直接喂给 generate_image，参考图经 reference_assets 传入后会在结果卡片与生成图并排预览对比。

视觉还原锚点（量身为本插件定做）

反推还原度不足的根因是模型看图没有方法论约束。本插件提炼 9 个可量化还原锚点，注入最终提示词，供下游生图模型逐条复现：

1. 画幅锚点：第一句写死「画幅比例：<真实比例>」，正文不再出现第二个比例
2. 气质锚点：首句锁定总体视觉气质，媒介感优先
3. 风格锚点：先证据后定名，赛璐璐/厚涂/柔和渲染判定规则硬编码
4. 表面层锚点：扫描颗粒/柔焦/低清只写作用区域，不得当材质纹理
5. 构图锚点：景别、主体位置、留白、视角各一句，禁止冲突景别
6. 光色材质锚点：主光源、冷暖、饱和度、关键材质固有色与反射
7. 主体锚点：≥3 项独立锚点一致才写具体 IP/角色/品牌
8. 文字锚点：可见文字逐字照抄，注明字体/横竖排/对齐
9. 负向锚点：只留 2-5 个最可能跑偏风险，原图已有特征不得列入

画幅精确还原：reverse_prompt 新增 image_width / image_height 参数。模型 read_image 后把返回的 width×height 填入，插件按真实像素换算最接近的标准画幅（支持 Grok/Seedream 扩展比例），并在提示词第一句写死真实比例——截图/参考图的画幅因此可以精确还原，不再靠文本猜。

LLM 反推重组（观察描述 → 可生成提示词）

reverse_prompt 内置 LLM 反推重组器（llmPolish，默认开启）：模型 read_image 得到的只是「观察描述」，重组器把它按 6-block 结构化协议 转译为可直接喂给生图模型的生成指令：

1. 主体与任务：主体是谁/什么、动作、姿态、方向
2. 构图与版式：空间纵深、前后层次、视觉优先级、留白、裁切
3. 视觉风格与材质：风格气质、光源方向与色温、投影、主色数量/色值、材质纹理
4. 文字与标注：可见文字内容、字体、排版、字号关系、内边距
5. 画幅与输出：画幅比例
6. 约束与负向：保持/可改/避免用「没有…」「无…」自然表达

转译原则：去描述语气改生成语气、按题材路由选 block 顺序（装置类构图先行、海报类文字版式加重、人像类主体先行）、无元语言、负向克制。任一环节失败自动回退原提示词。可在设置中指定 llmPolishProvider / llmPolishModel，关闭 llmPolish 即退回纯规则编译。

Token 优化（相对原 forge）

项目	原 forge	taxue-artisan	变化
注入体	3863 字节任务包	直出提示词（约 2178 字节）	-44%
反推调用链路	read_image + 读资料 + 手写长文（8-24 步）	read_image + reverse_prompt 一步直出（2-3 步）	步数 -70% 以上

手段：

• 默认单语言：output_language 默认 zh-CN，不再默认压一份英文元提示词；需要双语时显式指定。
• 直出而非外包：不再输出需要模型二次执行的「任务包」，直接产出可粘贴提示词，砍掉模型手写长文的多轮。
• 参考图对比：generate_image 接收 reference_assets 路径，结果卡片并排显示参考图与生成图。

多语言

不局限于中文。reverse_prompt 与 optimize_prompt 的 output_language 参数支持三种取值：

取值	元提示词 / 审计 / 质量门 / 风险与澄清提示
zh-CN（默认）	全中文
en	全英文
bilingual	中文为主、关键锚点双语

output_language: 'en' 时，meta_prompt 正文、quality_gate、risk_flags、clarification_questions、审计 warnings/summary/next_single_variable_test 均输出英文。

保存文件夹（生成图落盘位置可选）

generate_image 生成的图除附加到会话外，会落盘到可配置目录，方便追溯。配置路径：设置 → 插件 → taxue 画师 → 保存文件夹。

• 填入绝对路径 → 生成图保存到该目录（自动建目录）。
• 留空 → 保存到默认 ~/Downloads/。
• 落盘文件名：taxue-image-<时间戳>.<扩展名>；落盘失败不阻断出图，仅提示。
• 提示词 sidecar：落盘的同时写同名 .json（taxue-image-<时间戳>.json），内含完整 prompt、provider、model 与生成时间——图与生成它的提示词不分离，收藏即溯源。

供应商

Provider	默认模型	凭证环境变量
Google Gemini	gemini-3.1-flash-image	GEMINI_API_KEY
OpenAI	gpt-image-2	OPENAI_API_KEY
字节 Seedream	doubao-seedream-5-0-260128	ARK_API_KEY
xAI Grok	grok-imagine-image-2.0	XAI_API_KEY
ChatGPT codex	gpt-image-2	无需 API Key，走 ChatGPT 订阅

凭证路由（订阅优先，已实测验证）：provider 为 grok 且 Grok 订阅已登录时，generate_image 自动走订阅出图（无需 API Key，SuperGrok / X Premium 的 OAuth token 对 /v1/images/generations 有效）；codex 走 ChatGPT 订阅（/backend-api/codex），登录订阅即可出图，无需 API Key；未登录订阅或非 grok/codex 供应商用 API Key 兜底；无 API Key 但环境有 Grok 订阅时自动重定向到 Grok 订阅。generate_image 声明 timeoutMs: 180000。Grok 出图时效：grok-imagine-image 约 5-15 秒，grok-imagine-image-2.0（默认，质量最高）约 30-60 秒，接近超时建议用 run_in_background 后台生图。订阅出图要求网络可达 api.x.ai（走系统代理）；网络层失败已包装为带排查提示的错误（而非笼统的 fetch failed）。

Grok 兼容性与差异：xAI 的 /v1/images/generations 是 OpenAI 兼容端，但 不支持 size/quality/style 参数，只支持 aspect_ratio 与 resolution。整合时已为 Grok 走独立参数路径——不带 size，可选带 aspect_ratio——避免收到 400。默认返回临时 URL，插件会立即下载持久化为附件。

安装

从 npm 安装（推荐，发布后可用）：

dsh plugin --profile web add taxue-dsh-artisan

从 GitHub 直装：

dsh plugin --profile web add github:taxueseek/taxue-dsh-artisan

本地源码开发时用 file: 引用：

dsh plugin --profile web add taxue-dsh-artisan@file:/path/to/taxue-dsh-artisan

重启 dsh web，打开 设置 → 插件 → taxue 画师 配置供应商与 API Key（写保护，前端不读回明文）。

可选桥接：炭笔动态万物速写

reverse_prompt 保留 dynamic_charcoal_mode 开关（默认关闭）。开启后元提示词额外锁定「主体类别—受力事件—主轴—深黑锚点—余势」，并按需加抓拍瞬间、低机位/俯拍、切边、时间残线、方向性留白与有限墨彩控制。

开发

pnpm install
pnpm run typecheck   # tsc --noEmit
pnpm run test        # node tests/smoke.mjs（纯函数闭环）
pnpm run build       # tsc && tsdown → lib/

许可

MIT

安装

```sh dsh plugin --profile web add taxueseek/taxue-dsh-artisan ```

贡献

欢迎提交 PR。

卸载

```sh dsh plugin --profile web remove taxueseek/taxue-dsh-artisan ```