DSH 的主脑通常为纯文本模型，无法直接读取渲染后的页面，因此自然无法回答关于版式、密度或图表对齐的问题。视觉子代理（如 subagent_vision、mimo-v2.5 等）虽然具备视觉能力，但存在两个主要短板：一是缺乏会话上下文，无法识别业务语义（例如将核心能力标记 ⭐ 误判为装饰）；二是可能发生 OCR 误读或页码归属错误。gewu-tools 旨在解决这一问题。它为 DSH 提供了一套模型无关的视觉检验流水线：HTML 逐页渲染 PNG、生成视觉子代理简报契约，以及源码真值核验。

安装与前置

在安装前，请确认环境满足以下条件：Windows 系统，已安装 Chrome 或 Edge 浏览器，以及 Node.js 24+（仅脚本验证用）。

安装过程分为两步：先通过 npm 获取包，再将其挂载到 DSH。

1、安装依赖包：

npm i gewu-tools

2、挂载插件：

pwsh node_modules\gewu-tools\scripts\install-gewu-plugins.ps1 -Install

或者使用 DSH 插件管理器：

dsh plugin add gewu-tools

注意：安装后必须重启 DSH 会话才能生效。安装脚本会修改 DSH 的 agent preset，默认挂载点为 <workspace>\.dsh\gewu-tools。

核心功能

gewu-tools 提供以下核心能力：

  1. HTML 逐页渲染 PNG：插件会读取 HTML 文件，优先查找 <section> 锚点（如 v2-page 类），并使用无头 Chrome 进行逐页截图。如果页面无锚点，会自动降级为整页长截图。截图输出目录默认为 <workspace>/_tmp_vision_test/<filename>_shots。
  2. 生成视觉子代理简报契约：在截图的同时，插件会生成一份包含纪律声明、伪影声明和页码归属规则的简报。这份简报会作为上下文传递给视觉子代理，以防止因缺乏背景信息导致的误报（例如将业务标记误判为缺陷）。
  3. 真值核验：这是插件的核心。它会将视觉子代理发现中的文字或数字回溯定位到 HTML 源码中，并返回对应的页码和行号。如果定位结果为空（count=0），说明该发现是 OCR 误读，不应采信。
  4. 消除误报与拦截错误：通过简报契约提供上下文，并通过真值核验环节拦截 OCR 误读与页码偏移，可显著降低无上下文误报率，确保关键数字的准确性。

使用方法

使用流程分为三个步骤。

第一步：准备与截图
调用 gewu_prep 工具，传入 HTML 路径、客户名称和背景信息。背景信息（如业务标记语义）是提供上下文的关键。

gewu_prep(html_path='output\\方案.html', client='客户A', background='核心能力用⭐标记')

该函数返回包含页面列表和简报文本的对象。

第二步：视觉子代理审阅
将 gewu_prep 返回的简报全文作为 prompt，调用 DSH 原生的视觉子代理（如 subagent_vision）。视觉子代理会根据简报中的要求进行审阅。

第三步：真值核验
对视觉子代理发现的关键问题，使用 gewu_locate 进行核验。

gewu_locate(html_path='output\\方案.html', needle='关键数据123')

如果返回的页码和行号有效，则采信该发现；否则视为误报。

模型无关性与兼容性

该插件在视觉子代理 mimo-v2.5 与 qwen3.7-plus 上进行了实测验证。测试表明，模型的档位差异主要体现在审阅风格（如洞察力强弱、结论保守度），而不影响结果的可信度。可信度主要取决于流水线中的“简报契约”提供的上下文，以及“真值核验”环节的源码比对。

兼容性说明：
* DSH 版本：DSH 0.1.0-rc.6。
* 依赖：仅依赖 @deepseek-ai/dsh-tools。
* 浏览器：支持 Chrome 和 Edge，并会自动探测安装路径。

自定义规范注入

插件默认使用内置的 community preset（零注入）。如果需要将特定的设计规范或验收标准注入到简报中，可以通过安装脚本指定 preset 文件：

pwsh node_modules\gewu-tools\scripts\install-gewu-plugins.ps1 -Install -Preset <preset文件路径>

或者在运行时通过环境变量 GEWU_BRIEF_PRESET 指定。Preset 文件允许定义关注的焦点、验收标准段落以及调度提示。

CLI 跨宿主用法

如果不在 DSH 环境中，可以直接使用 CLI 工具获得同源的截图、简报和核验产物。

# 截图 + 简报
node gewu\index.js --prep <html> --client <客户名> --background "<背景>"

# 真值核验
node gewu\index.js --locate <html> --needle "<文本/数字>"

总结

gewu-tools 通过“截图 + 简报契约 + 源码核验”的三步流水线，解决了纯文本主脑无法进行视觉检验的难题。它通过强制执行纪律声明和伪影声明，以及将视觉发现回溯到源码，保证了视觉审阅的准确性和可审计性。无论接入何种档位的视觉模型，该插件都能产出可信的结果。