DSH Origin Plugin · DeepSeek Harness × Origin 一键画图

Name: Fantasality/dsh-origin-plugin
Author: Fantasality

让 DeepSeek Harness (DSH) 的 AI 对话直接驱动本机 Origin（科学绘图软件）自动画图并导出 PNG / SVG。

🤖 对话触发：「用 Origin 画 y=x² 折线图并导出 PNG」 → 模型自动调用工具 → 图片落盘
🔌 官方 MCP 桥接：通过 DSH 内置的 @deepseek-ai/dsh-mcp-client 注册为原生工具 mcp__origin__*
🎨 28 个工具：2D 图 line/scatter/line_symbol/column/histogram/box/bar + 误差棒、3D、等高线、统计批
✨ 期刊级排版：style_mode(journal/presentation) + family 调色板 + 幂等 graph_name + 语义轴标题
👁 内联预览：origin_view_graph 直接把图渲染成图片内容返回，视觉模型无需落盘即可核对
🧮 统计批：t 检验 / ANOVA / PCA / Kaplan-Meier 生存分析（纯 numpy 自研）
🧪 科学分析：删点、线性/非线性拟合、FFT、积分 AUC、变换、相关、峰检、直方图
🛡 稳定错误码：全部调用返回 error_code / recoverable / next_actions 三件套，模型可安全分支
🔒 多会话并发安全：专用 COM 线程 + 单实例语义，实测 8 线程并发 8/8 通过

示例输出图 3D 表面示例

v2 排版示例（3 序列 line_symbol，journal 样式 + ocean 调色板 + 语义轴标题 + 符号循环）：

排版示例

权威设计/验证依据见 docs/DESIGN.md（设计蓝图 + 真机探测矩阵 + 官方文档依据）。行为细节以真机探针为准（本环境网络屏蔽 docs.originlab.com，无法抓取官方页）。

DSH 对话（多会话并发）
   │  mcp__origin__origin_plot_file / origin_write_data / ...
   ▼
@deepseek-ai/dsh-mcp-client（DSH 官方 MCP 桥接）
   │  stdio 子进程
   ▼
origin_mcp_server.py（MCP 服务器，Python mcp SDK）
   │  专用 COM 线程（串行化）
   ▼
origin_engine.py（originpro → OriginExt → comtypes → COM）
   ▼
Origin64.exe（单实例 COM 自动化服务器）

快速开始

🚀 模型快速上手：本插件自带 DSH 原生 origin-plotting skill（安装后自动注册，见下方「skill 速查」），模型画图前加载 skill 或调用 origin_help 即可秒懂用法， 无需阅读本 README。

1. 环境要求

Windows + 已安装 Origin（实测 OriginPro 2026b；2018+ 一般均可）
Python 3.10+（本插件自带独立 venv，不污染系统环境）
DeepSeek Harness（DSH Desktop 或 dsh CLI，需含 @deepseek-ai/dsh-mcp-client）

2. 安装

git clone https://github.com/Fantasality/dsh-origin-plugin.git "%USERPROFILE%\dsh_origin_plugin"
cd "%USERPROFILE%\dsh_origin_plugin"

:: 创建独立 venv 并安装依赖
python -m venv .venv
.venv\Scripts\python.exe -m pip install mcp originpro pywin32 numpy

:: 冒烟验证 Origin COM 链路（需已安装 Origin；未运行会自动启动）
.venv\Scripts\python.exe -X utf8 smoke\origin_com_smoke_test.py
:: 预期结尾: RESULT: OK  files={'comtest.png': ..., 'comtest.svg': ...}

2.1 以 bundle 方式安装（一键 / 插件市场）

本仓库声明了 DSH 标准的 dsh.bundle 清单（package.json → cordis.patch.yml），因此可从 DSH 插件市场（dsh-market / awesome-dsh-plugin）一键收录，也可用命令安装：

# 方式一：从 GitHub 源码安装
dsh plugin --profile web add github:Fantasality/dsh-origin-plugin
# 方式二：从 npm 安装（预构建分发，跳过 building 授权）
dsh plugin add dsh-origin-plugin

装好后 cordis.patch.yml 会注册一个 mcp-origin（@deepseek-ai/dsh-mcp-client），默认用系统 python 启动 origin_mcp_server.py。注意：首次使用前仍需按上文「2. 安装」准备好 venv 依赖（本插件是 Windows + Origin 本地进程，无法纯源码免装运行）；若依赖装在独立 venv，请在 profile 的 cordis.patch.yml 里用同一 id mcp-origin 覆盖 command/args（后层覆盖先层），或直接运行 register_to_dsh.ps1 一键写入本机绝对路径。server 连不上时只记日志、不注册工具，不会导致 DSH 崩溃。

3. 注册到 DSH

powershell -ExecutionPolicy Bypass -File "%USERPROFILE%\dsh_origin_plugin\register_to_dsh.ps1"

脚本会把以下条目追加到 %APPDATA%\dsh-desktop\harness\profiles\web\cordis.patch.yml （自动备份、UTF-8 安全、幂等）：

- insert:
    - id: mcp-origin
      name: '@deepseek-ai/dsh-mcp-client'
      config:
        serverName: origin
        transport: stdio
        command: 'C:/Users/<你>/dsh_origin_plugin/.venv/Scripts/python.exe'
        args: ['-X', 'utf8', 'C:/Users/<你>/dsh_origin_plugin/origin_mcp_server.py']
        toolCallTimeoutMs: 120000

然后 重启 Harness（DSH Desktop 菜单 Harness → Restart Harness，或 Ctrl+Shift+R）。可选校验：dsh --profile web --dump-config 能看到 mcp-origin 条目。

机制说明：DSH 的插件生态是 Cordis 插件树 + cordis.patch.yml patch 层；MCP 服务器是官方一等公民——dsh-mcp-client 会自动把外部 MCP 工具桥接为原生工具（名称 mcp__<serverName>__<rawName>），无需编写 TypeScript 插件即可接入 Python 能力。

4. 对话触发示例

你说	模型会调用
「用 Origin 画 y=x²（x=1..10）的折线图，导出 PNG」	`mcp__origin__origin_plot_file`
「把这两列数据画成散点图导出 SVG：x=[1,2,3,4,5], y=[3.1,4.9,7.2,8.8,11.3]」	`mcp__origin__origin_plot_file`
「先写数据再分步画图、导出」	`origin_write_data` → `origin_plot` → `origin_export`

快速上手（skill + origin_help）

模型在对话中遇到 Origin 画图/分析任务时，有两种秒级上手通道：

origin-plotting skill（DSH 原生机制）：安装时自动写入 %APPDATA%\dsh-desktop\harness\skills\origin-plotting\SKILL.md 与 ~/.dsh\skills\origin-plotting\SKILL.md。模型目录可见该 skill，按需加载后直接获得：数据格式、28 工具速查表、12 个任务模板——不用再读 README；
mcp__origin__origin_help 工具：不连接 Origin、约 1ms 返回同一份速查（JSON 格式，含 usage/tools/templates/tips），任何时刻可调用。

两者内容一致、互为备份；工具 description 中也已内嵌快速用法提示。

工具清单

MCP 工具	作用	关键参数
`origin_status`	连接状态 / Origin 进程数 / 环境	无
`origin_write_data`	多列数据写入工作表（dict 或二维列表）	`columns`, `worksheet`?
`origin_plot`	画图：line/scatter/line_symbol/column/histogram/box/bar + 误差棒	`worksheet`, `plot_type`, `yerr_column`, `title`
`origin_export`	导出 PNG/SVG	`graph`, `fmt`, `file_path`, `width`
`origin_plot_file`	一键：写数据→画图→导出	`columns`, `plot_type`, `fmt`, `file_path`, `width`
`origin_filter_data`	删除/裁剪数据点（按行索引或 x 范围）	`worksheet`, `drop_rows`, `x_min`/`x_max`
`origin_fit`	线性/非线性拟合（Origin 内置函数），拟合曲线上图	`worksheet`, `kind`(linear/ExpDec1/Gauss/...), `plot_curve`
`origin_plot3d`	3D 表面图 / 3D 散点图	`data`, `plot_type`(surface/scatter)
`origin_stats`	描述统计：count/mean/std/min/p25/median/p75/max/skew	`worksheet`, `columns`
`origin_transform`	平滑/归一化/微分/插值（写回新列）	`worksheet`, `op`, `method`, `window`, `new_x`
`origin_integrate`	数值积分 AUC（梯形法）	`worksheet`, `x_column`, `y_column`
`origin_fft`	FFT 频谱：主频提取 + 频谱图	`worksheet`, `plot_spectrum`, `top`
`origin_correlate`	Pearson 相关矩阵	`worksheet`, `columns`
`origin_peak_find`	峰值检测（峰高/间距过滤）	`worksheet`, `min_height`, `min_distance`
`origin_histogram`	直方图统计（可画图导出）	`worksheet`, `bins`, `plot`
`origin_plot_contour`	等高线 / 填充等高线 / 3D 线框	`data`, `plot_type`
`origin_catalog`	动态工具目录（按分类列出全部工具，文档即实现）	`group`
`origin_error_codes`	全部稳定错误码 + 恢复建议	无
`origin_list_graphs` / `origin_list_sheets`	列出图页 / 工作表页短名	无
`origin_read_worksheet`	读取工作表列数据（含列角色/点数）	`worksheet`, `columns`, `max_rows`
`origin_view_graph`	图→内联图片（模型可看，不落盘）	`graph`, `max_width`
`origin_apply_style`	对已有图应用排版/调色板/多序列区分	`graph`, `style_mode`, `family`, `columns`
`origin_ttest`	t 检验：one / 两样本(Welch) / paired	`column_a`, `column_b`, `kind`, `mu`
`origin_anova`	单因素方差分析（每组一列）	`columns`
`origin_pca`	主成分分析（载荷/解释方差/得分）	`columns`, `scale`, `n_components`
`origin_survival`	Kaplan-Meier 生存分析	`time_column`, `event_column`

进阶能力

删除/裁剪数据点（`origin_filter_data`）

# 删除第 2/5/9 行（0 起始索引）
origin_filter_data(worksheet="[Book1]Sheet1", drop_rows=[2, 5, 9])
# 只保留 x ∈ [0, 15] 的数据（x 列自动裁剪，NaN 填充尾部，图上不显示）
origin_filter_data(worksheet="[Book1]Sheet1", x_min=0, x_max=15)

拟合（`origin_fit`）

kind="linear"：线性拟合，返回 slope / intercept 及误差；
kind="ExpDec1" / "Gauss" / "Polynomial" / "Lorentz" / "Sigmoid" 等： Origin 内置拟合函数名（非线性最小二乘，返回全部参数 + cod/R² 等统计量）；
plot_curve=True：自动生成「原始散点 + 拟合曲线」图。

实测参数还原精度：线性 slope=2.035（真值 2.0）；ExpDec1 A1=5.08（真值 5.0）、k=0.518（真值 0.5）、cod=0.997。

3D 图（`origin_plot3d`）

# 3D 表面：z 为 2D 网格（自动生成 X/Y 索引网格，或提供 x/y 向量）
origin_plot3d(data={"z": [[1, 2, 3], [4, 5, 6], [7, 8, 9]]}, plot_type="surface")
# 3D 散点：x/y/z 三个等长列表
origin_plot3d(data={"x": [...], "y": [...], "z": [...]}, plot_type="scatter")

表面图走 Origin 原生 GLparafunc 模板（matrix Z/X/Y 三对象），散点走 plotxy plot:=310。

科学分析（`origin_stats` / `origin_transform` / `origin_fft` 等）

能力	工具	说明
描述统计	`origin_stats`	count/mean/std/min/p25/median/p75/max/skew
平滑	`origin_transform(op="smooth")`	移动平均 / 中值滤波，窗口可调
归一化	`origin_transform(op="normalize")`	minmax / zscore / sum
数值微分	`origin_transform(op="derivative")`	基于 x 步长的梯度
插值	`origin_transform(op="interpolate")`	任意新 x 网格线性插值
积分/AUC	`origin_integrate`	梯形法曲线下面积
频谱分析	`origin_fft`	幅度谱 + 主频提取 + 频谱图
相关性	`origin_correlate`	Pearson 相关矩阵
峰值检测	`origin_peak_find`	局部极大值 + 峰高/间距过滤
直方图	`origin_histogram`	bin 频数 + 柱状图

实测：FFT 对 2Hz 正弦（256 点、0.05s 采样）主频检出 2.031Hz；AUC 梯形法精度良好；峰值检测对高斯峰（σ=0.5）在 x=6.0 处检出多个候选峰（配合 min_height/min_distance 收敛）。

画图类型速查（`origin_plot` / `origin_plot_file`）

plot_type	实现	说明
line / scatter / line_symbol / column	add_plot	基础 2D
histogram	numpy 分箱 + 柱状图	稳定可控
box	Origin 原生 `box` 模板	箱线图
bar	Origin 原生 `bar` 模板	条形图（真机验证可靠；plotxy 204/215 在 2026b 会渲成面积图/不出图）
+ `yerr_column`	add_plot colyerr	误差棒

通用排版参数（全部画图工具可用）：

style_mode：default / journal（单栏 89mm·双栏 183mm·8pt 起）/ presentation —— 字号/线宽/刻度/几何真正落图；
family：调色板（ocean/nightfall/duo_warm/forest/grey_tone/low_saturation/paired）；
graph_name：幂等命名——同名重复调用清旧重画，图名稳定（不再累积 Graph2/3）；
轴标题：从列名自动语义推断（temperature_C → "Temperature (°C)"，pressure_kPa → "Pressure (kPa)"），经 GLayer.axis('x'/'y').title 可靠落图；
多序列自动区分：线型/符号循环 + 颜色（CVD 色盲安全）；密集数据自动降符号。

排坑记录：LabTalk plotxy 的列范围必须用 [Book]1!B 短名形式（(n) 索引形式对部分图型静默失败）；box/bar 在真机上无可靠 plotxy 代码，统一改走 Origin 原生模板。

期刊级排版（`plot_style.py`，v2 新增）

采用感知色彩度量（clean-room 自研，未复制任何第三方代码/文档）：

OKLab 色彩空间计算调色板两两感知色差，保证多序列可分辨；
CVD 色盲模拟（protanopia/deuteranopia/tritanopia 转换矩阵）筛选色盲可读方案；
白底对比度（WCAG 对比度）保证线条/符号在期刊白底上清晰；
每种 family 返回 min_oklab_distance / min_contrast_white / min_cvd_distance 指标，且每一步给出 reason，可审计；
style_mode 预设（journal/presentation）给出目标图宽（mm）、最小字号、线宽、刻度长度。

视觉校验（`origin_view_graph`，v2 新增）

出图后模型不必先导出文件再想办法看：

{"graph": "styled3"}   // 返回 [文本摘要, ImageContent]：模型直接看到图

图片为内联 mcp.types.ImageContent（PNG base64），不落盘；max_width 控制 token 成本；
适合让视觉模型核对：图型是否对、配色是否可区分、轴标题是否合理；
实配示例（识图模型核对过）：3 序列 line_symbol，X=温度(°C)、Y=压力(kPa)，蓝圈/橙三角，图例在右上角。

统计批（纯 numpy 自研，无 scipy，v2 新增）

工具	统计量	说明
`origin_ttest`	t / df / p	one（vs 指定 mu）/ 两样本（Welch）/ 配对；t 分布尾概率用 Lanczos γ + 连分数不完全 β 实现
`origin_anova`	F / p / η²	单因素，每组一列；F 分布尾概率同样自研
`origin_pca`	解释方差比 / 载荷 / 得分	SVD；`scale=True` 标准化
`origin_survival`	KM 表 / 中位生存时间	事件+删失；中位时间为存活率过 0.5 的插值点

示例：origin_ttest({"worksheet":"[Book1]Sheet1","column_a":"a","column_b":"b","kind":"two"}) → {"statistic": -1.39, "df": 2.31, "p_value": 0.284}。

稳定错误码（`origin_errors.py`，v2 新增）

所有调用（含遗留错误路径）统一返回：

{"ok": false, "error_code": "worksheet_not_found", "error": "...",
 "recoverable": true, "next_actions": ["..."]}

常用枚举：worksheet_not_found / column_not_found / invalid_request / origin_operation_error / graph_not_found / unsupported_origin_feature（如 3D 散点无输出时优雅降级）；
_synchronized 边界自动把历史 {ok:false,error} 升级为结构化错误；
origin_error_codes 一次返回全部枚举与恢复建议，模型可据此安全分支重试。

并发 / 多会话稳定性设计

Origin 是单实例 COM 自动化服务器，且 comtypes 的 COM 接口指针有线程亲和性 （实测跨线程调用报「对象没有连接到服务器」）。本插件的对策：

专用 COM 线程：所有 Origin 操作投递到唯一工作线程串行执行（任务队列），同时解决线程亲和性与并发互踩；
单实例语义：连接前强制 OriginExt.ApplicationSI（复用已运行主实例），杜绝多 Origin 进程导致的 COM 连错实例（实测多实例会让 LT_execute 报异常）；
唯一命名空间：每次调用新建 DSH_<8hex> 工作表/图，互不覆盖；
多进程加固：设置环境变量 ORIGIN_IPC_LOCK=1 可启用 Windows 命名互斥体，覆盖多 DSH 实例同时操作同一 Origin 的极端场景；
实测：8 线程并发各画一张图 8/8 通过，单张耗时约 1~2 秒。

目录结构

dsh-origin-plugin/
├── origin_engine.py          # 核心引擎：连接/写数/画图/导出/线程/错误升级
├── origin_errors.py          # 稳定错误码：枚举/恢复建议/遗留错误升级（v2 新增）
├── plot_style.py             # OKLab 调色板 + CVD 模拟 + 布局预设（v2 新增）
├── origin_analysis.py        # 纯 numpy 统计：t/ANOVA/PCA/似然 KM（v2 新增）
├── origin_mcp_server.py      # MCP 服务器（28 工具注册式），自带自测模式
├── demo_call.py              # 最小可运行示例（不依赖 MCP）
├── register_to_dsh.ps1       # 注册脚本（幂等/UTF-8 安全/自动备份）
├── unregister_from_dsh.ps1   # 卸载脚本
├── smoke/
│   ├── origin_com_smoke_test.py   # COM 链路冒烟测试
│   ├── advanced_test.py           # 删点/拟合/3D
│   ├── science_test.py            # 直方图/误差棒/等高线…
│   └── mcp_handshake_test.mjs     # 用 DSH 同款 Node SDK 验证 MCP 握手
└── docs/
    ├── DESIGN.md              # 设计蓝图 + 真机探测矩阵 + 官方文档依据（v2 新增）
    ├── example.png            # 示例输出图
    ├── example_style.png      # v2 排版示例（3 序列/轴标题/调色板）
    ├── example_bar.png        # 柱状图（模板修复后）
    └── example_3d.png         # 3D 表面示例

自测

:: 引擎级全链路（写数→画图→PNG→SVG）
.venv\Scripts\python.exe -X utf8 origin_mcp_server.py --selftest

:: 8 线程并发稳定性
.venv\Scripts\python.exe -X utf8 origin_mcp_server.py --concurrency-test

:: MCP 协议级（模拟 DSH 客户端，验证 28 个工具 + 跨协议图片内容）
.venv\Scripts\python.exe -X utf8 origin_mcp_server.py --mcp-test

:: 进阶能力（删点/拟合/3D）+ 科学分析
.venv\Scripts\python.exe -X utf8 smoke\advanced_test.py
.venv\Scripts\python.exe -X utf8 smoke\science_test.py

:: 用 DSH 自带 Node MCP SDK 握手（与 dsh-mcp-client 同款）
node smoke\mcp_handshake_test.mjs

:: 最小调用示例
.venv\Scripts\python.exe -X utf8 demo_call.py

端到端验证清单

smoke 测试输出 RESULT: OK，output\comtest.png 存在
--selftest 输出 SELFTEST OK（含样式应用/幂等命名/预览/错误码/统计批）
--concurrency-test 输出 CONCURRENCY-TEST OK（8/8）
--mcp-test 输出 MCP-TEST OK（28 工具可见，view_graph 返回 image 内容）
origin_view_graph 的返回能被识图模型正确读出轴标题/图型/配色
mcp_handshake_test.mjs 输出 HANDSHAKE-TEST OK
register_to_dsh.ps1 执行成功，dsh --profile web --dump-config 可见 mcp-origin
重启 Harness 后新对话触发画图，返回 PNG 路径且图片内容正确
同时开 2~3 个对话各画不同图，互不干扰

常见问题

现象	处理
对话里没有 `mcp__origin__*` 工具	Harness 未重启；或 `--dump-config` 无 mcp-origin（检查 patch 编码/语法）
`origin_status` 报 LT_execute 异常	存在多个 Origin64 进程：关闭多余 Origin 窗口只保留主实例后重试
Origin 弹模态对话框导致调用卡住	自动化期间不要手动操作 Origin；关闭对话框重试
中文乱码	不要用 `Add-Content` 等 ANSI 方式追加 YAML；脚本已内置 UTF-8 写入
换机器	改 `register_to_dsh.ps1` 中的路径或直接编辑 patch 条目

设计借鉴与 clean-room

v2 的排版方向受 Ge-Shun/origin-mcp 的"调色板 / 轴标题语义化 / 按图型排版"设计理念启发，但全部代码为全新实现：

未复制其任何源码、文档或 official_docs.generated.json；
plot_style.py 的 OKLab 色差 / CVD 模拟 / 对比度度量、origin_analysis.py 的 t / ANOVA / PCA / KM 均为本仓库独立实现（仅依赖 numpy）；
所有轴标题/模板/plotxy 行为均在本机 Origin 2026b 真机探针验证后写入。

精简模式（可选）

设置 ORIGIN_MCP_PROFILE=compact 可从工具集隐藏统计批（ttest/anova/pca/survival），适合只需要画图+基础分析的场景；其余 24 个工具不变。

License

MIT © Fantasality

DSH Origin Plugin · DeepSeek Harness × Origin 一键画图

让 DeepSeek Harness (DSH) 的 AI 对话直接驱动本机 Origin（科学绘图软件）自动画图并导出 PNG / SVG。

🤖 对话触发：「用 Origin 画 y=x² 折线图并导出 PNG」 → 模型自动调用工具 → 图片落盘
🔌 官方 MCP 桥接：通过 DSH 内置的 @deepseek-ai/dsh-mcp-client 注册为原生工具 mcp__origin__*
🎨 28 个工具：2D 图 line/scatter/line_symbol/column/histogram/box/bar + 误差棒、3D、等高线、统计批
✨ 期刊级排版：style_mode(journal/presentation) + family 调色板 + 幂等 graph_name + 语义轴标题
👁 内联预览：origin_view_graph 直接把图渲染成图片内容返回，视觉模型无需落盘即可核对
🧮 统计批：t 检验 / ANOVA / PCA / Kaplan-Meier 生存分析（纯 numpy 自研）
🧪 科学分析：删点、线性/非线性拟合、FFT、积分 AUC、变换、相关、峰检、直方图
🛡 稳定错误码：全部调用返回 error_code / recoverable / next_actions 三件套，模型可安全分支
🔒 多会话并发安全：专用 COM 线程 + 单实例语义，实测 8 线程并发 8/8 通过

示例输出图 3D 表面示例

v2 排版示例（3 序列 line_symbol，journal 样式 + ocean 调色板 + 语义轴标题 + 符号循环）：

排版示例

权威设计/验证依据见 docs/DESIGN.md（设计蓝图 + 真机探测矩阵 + 官方文档依据）。行为细节以真机探针为准（本环境网络屏蔽 docs.originlab.com，无法抓取官方页）。

DSH 对话（多会话并发）
   │  mcp__origin__origin_plot_file / origin_write_data / ...
   ▼
@deepseek-ai/dsh-mcp-client（DSH 官方 MCP 桥接）
   │  stdio 子进程
   ▼
origin_mcp_server.py（MCP 服务器，Python mcp SDK）
   │  专用 COM 线程（串行化）
   ▼
origin_engine.py（originpro → OriginExt → comtypes → COM）
   ▼
Origin64.exe（单实例 COM 自动化服务器）

快速开始

🚀 模型快速上手：本插件自带 DSH 原生 origin-plotting skill（安装后自动注册，见下方「skill 速查」），模型画图前加载 skill 或调用 origin_help 即可秒懂用法， 无需阅读本 README。

1. 环境要求

Windows + 已安装 Origin（实测 OriginPro 2026b；2018+ 一般均可）
Python 3.10+（本插件自带独立 venv，不污染系统环境）
DeepSeek Harness（DSH Desktop 或 dsh CLI，需含 @deepseek-ai/dsh-mcp-client）

2. 安装

git clone https://github.com/Fantasality/dsh-origin-plugin.git "%USERPROFILE%\dsh_origin_plugin"
cd "%USERPROFILE%\dsh_origin_plugin"

:: 创建独立 venv 并安装依赖
python -m venv .venv
.venv\Scripts\python.exe -m pip install mcp originpro pywin32 numpy

:: 冒烟验证 Origin COM 链路（需已安装 Origin；未运行会自动启动）
.venv\Scripts\python.exe -X utf8 smoke\origin_com_smoke_test.py
:: 预期结尾: RESULT: OK  files={'comtest.png': ..., 'comtest.svg': ...}

2.1 以 bundle 方式安装（一键 / 插件市场）

# 方式一：从 GitHub 源码安装
dsh plugin --profile web add github:Fantasality/dsh-origin-plugin
# 方式二：从 npm 安装（预构建分发，跳过 building 授权）
dsh plugin add dsh-origin-plugin

3. 注册到 DSH

powershell -ExecutionPolicy Bypass -File "%USERPROFILE%\dsh_origin_plugin\register_to_dsh.ps1"

脚本会把以下条目追加到 %APPDATA%\dsh-desktop\harness\profiles\web\cordis.patch.yml （自动备份、UTF-8 安全、幂等）：

- insert:
    - id: mcp-origin
      name: '@deepseek-ai/dsh-mcp-client'
      config:
        serverName: origin
        transport: stdio
        command: 'C:/Users/<你>/dsh_origin_plugin/.venv/Scripts/python.exe'
        args: ['-X', 'utf8', 'C:/Users/<你>/dsh_origin_plugin/origin_mcp_server.py']
        toolCallTimeoutMs: 120000

然后 重启 Harness（DSH Desktop 菜单 Harness → Restart Harness，或 Ctrl+Shift+R）。可选校验：dsh --profile web --dump-config 能看到 mcp-origin 条目。

机制说明：DSH 的插件生态是 Cordis 插件树 + cordis.patch.yml patch 层；MCP 服务器是官方一等公民——dsh-mcp-client 会自动把外部 MCP 工具桥接为原生工具（名称 mcp__<serverName>__<rawName>），无需编写 TypeScript 插件即可接入 Python 能力。

4. 对话触发示例

你说	模型会调用
「用 Origin 画 y=x²（x=1..10）的折线图，导出 PNG」	`mcp__origin__origin_plot_file`
「把这两列数据画成散点图导出 SVG：x=[1,2,3,4,5], y=[3.1,4.9,7.2,8.8,11.3]」	`mcp__origin__origin_plot_file`
「先写数据再分步画图、导出」	`origin_write_data` → `origin_plot` → `origin_export`

快速上手（skill + origin_help）

模型在对话中遇到 Origin 画图/分析任务时，有两种秒级上手通道：

origin-plotting skill（DSH 原生机制）：安装时自动写入 %APPDATA%\dsh-desktop\harness\skills\origin-plotting\SKILL.md 与 ~/.dsh\skills\origin-plotting\SKILL.md。模型目录可见该 skill，按需加载后直接获得：数据格式、28 工具速查表、12 个任务模板——不用再读 README；
mcp__origin__origin_help 工具：不连接 Origin、约 1ms 返回同一份速查（JSON 格式，含 usage/tools/templates/tips），任何时刻可调用。

两者内容一致、互为备份；工具 description 中也已内嵌快速用法提示。

工具清单

MCP 工具	作用	关键参数
`origin_status`	连接状态 / Origin 进程数 / 环境	无
`origin_write_data`	多列数据写入工作表（dict 或二维列表）	`columns`, `worksheet`?
`origin_plot`	画图：line/scatter/line_symbol/column/histogram/box/bar + 误差棒	`worksheet`, `plot_type`, `yerr_column`, `title`
`origin_export`	导出 PNG/SVG	`graph`, `fmt`, `file_path`, `width`
`origin_plot_file`	一键：写数据→画图→导出	`columns`, `plot_type`, `fmt`, `file_path`, `width`
`origin_filter_data`	删除/裁剪数据点（按行索引或 x 范围）	`worksheet`, `drop_rows`, `x_min`/`x_max`
`origin_fit`	线性/非线性拟合（Origin 内置函数），拟合曲线上图	`worksheet`, `kind`(linear/ExpDec1/Gauss/...), `plot_curve`
`origin_plot3d`	3D 表面图 / 3D 散点图	`data`, `plot_type`(surface/scatter)
`origin_stats`	描述统计：count/mean/std/min/p25/median/p75/max/skew	`worksheet`, `columns`
`origin_transform`	平滑/归一化/微分/插值（写回新列）	`worksheet`, `op`, `method`, `window`, `new_x`
`origin_integrate`	数值积分 AUC（梯形法）	`worksheet`, `x_column`, `y_column`
`origin_fft`	FFT 频谱：主频提取 + 频谱图	`worksheet`, `plot_spectrum`, `top`
`origin_correlate`	Pearson 相关矩阵	`worksheet`, `columns`
`origin_peak_find`	峰值检测（峰高/间距过滤）	`worksheet`, `min_height`, `min_distance`
`origin_histogram`	直方图统计（可画图导出）	`worksheet`, `bins`, `plot`
`origin_plot_contour`	等高线 / 填充等高线 / 3D 线框	`data`, `plot_type`
`origin_catalog`	动态工具目录（按分类列出全部工具，文档即实现）	`group`
`origin_error_codes`	全部稳定错误码 + 恢复建议	无
`origin_list_graphs` / `origin_list_sheets`	列出图页 / 工作表页短名	无
`origin_read_worksheet`	读取工作表列数据（含列角色/点数）	`worksheet`, `columns`, `max_rows`
`origin_view_graph`	图→内联图片（模型可看，不落盘）	`graph`, `max_width`
`origin_apply_style`	对已有图应用排版/调色板/多序列区分	`graph`, `style_mode`, `family`, `columns`
`origin_ttest`	t 检验：one / 两样本(Welch) / paired	`column_a`, `column_b`, `kind`, `mu`
`origin_anova`	单因素方差分析（每组一列）	`columns`
`origin_pca`	主成分分析（载荷/解释方差/得分）	`columns`, `scale`, `n_components`
`origin_survival`	Kaplan-Meier 生存分析	`time_column`, `event_column`

进阶能力

删除/裁剪数据点（`origin_filter_data`）

# 删除第 2/5/9 行（0 起始索引）
origin_filter_data(worksheet="[Book1]Sheet1", drop_rows=[2, 5, 9])
# 只保留 x ∈ [0, 15] 的数据（x 列自动裁剪，NaN 填充尾部，图上不显示）
origin_filter_data(worksheet="[Book1]Sheet1", x_min=0, x_max=15)

拟合（`origin_fit`）

kind="linear"：线性拟合，返回 slope / intercept 及误差；
kind="ExpDec1" / "Gauss" / "Polynomial" / "Lorentz" / "Sigmoid" 等： Origin 内置拟合函数名（非线性最小二乘，返回全部参数 + cod/R² 等统计量）；
plot_curve=True：自动生成「原始散点 + 拟合曲线」图。

实测参数还原精度：线性 slope=2.035（真值 2.0）；ExpDec1 A1=5.08（真值 5.0）、k=0.518（真值 0.5）、cod=0.997。

3D 图（`origin_plot3d`）

# 3D 表面：z 为 2D 网格（自动生成 X/Y 索引网格，或提供 x/y 向量）
origin_plot3d(data={"z": [[1, 2, 3], [4, 5, 6], [7, 8, 9]]}, plot_type="surface")
# 3D 散点：x/y/z 三个等长列表
origin_plot3d(data={"x": [...], "y": [...], "z": [...]}, plot_type="scatter")

表面图走 Origin 原生 GLparafunc 模板（matrix Z/X/Y 三对象），散点走 plotxy plot:=310。

科学分析（`origin_stats` / `origin_transform` / `origin_fft` 等）

能力	工具	说明
描述统计	`origin_stats`	count/mean/std/min/p25/median/p75/max/skew
平滑	`origin_transform(op="smooth")`	移动平均 / 中值滤波，窗口可调
归一化	`origin_transform(op="normalize")`	minmax / zscore / sum
数值微分	`origin_transform(op="derivative")`	基于 x 步长的梯度
插值	`origin_transform(op="interpolate")`	任意新 x 网格线性插值
积分/AUC	`origin_integrate`	梯形法曲线下面积
频谱分析	`origin_fft`	幅度谱 + 主频提取 + 频谱图
相关性	`origin_correlate`	Pearson 相关矩阵
峰值检测	`origin_peak_find`	局部极大值 + 峰高/间距过滤
直方图	`origin_histogram`	bin 频数 + 柱状图

画图类型速查（`origin_plot` / `origin_plot_file`）

plot_type	实现	说明
line / scatter / line_symbol / column	add_plot	基础 2D
histogram	numpy 分箱 + 柱状图	稳定可控
box	Origin 原生 `box` 模板	箱线图
bar	Origin 原生 `bar` 模板	条形图（真机验证可靠；plotxy 204/215 在 2026b 会渲成面积图/不出图）
+ `yerr_column`	add_plot colyerr	误差棒

通用排版参数（全部画图工具可用）：

style_mode：default / journal（单栏 89mm·双栏 183mm·8pt 起）/ presentation —— 字号/线宽/刻度/几何真正落图；
family：调色板（ocean/nightfall/duo_warm/forest/grey_tone/low_saturation/paired）；
graph_name：幂等命名——同名重复调用清旧重画，图名稳定（不再累积 Graph2/3）；
轴标题：从列名自动语义推断（temperature_C → "Temperature (°C)"，pressure_kPa → "Pressure (kPa)"），经 GLayer.axis('x'/'y').title 可靠落图；
多序列自动区分：线型/符号循环 + 颜色（CVD 色盲安全）；密集数据自动降符号。

排坑记录：LabTalk plotxy 的列范围必须用 [Book]1!B 短名形式（(n) 索引形式对部分图型静默失败）；box/bar 在真机上无可靠 plotxy 代码，统一改走 Origin 原生模板。

期刊级排版（`plot_style.py`，v2 新增）

采用感知色彩度量（clean-room 自研，未复制任何第三方代码/文档）：

OKLab 色彩空间计算调色板两两感知色差，保证多序列可分辨；
CVD 色盲模拟（protanopia/deuteranopia/tritanopia 转换矩阵）筛选色盲可读方案；
白底对比度（WCAG 对比度）保证线条/符号在期刊白底上清晰；
每种 family 返回 min_oklab_distance / min_contrast_white / min_cvd_distance 指标，且每一步给出 reason，可审计；
style_mode 预设（journal/presentation）给出目标图宽（mm）、最小字号、线宽、刻度长度。

视觉校验（`origin_view_graph`，v2 新增）

出图后模型不必先导出文件再想办法看：

{"graph": "styled3"}   // 返回 [文本摘要, ImageContent]：模型直接看到图

图片为内联 mcp.types.ImageContent（PNG base64），不落盘；max_width 控制 token 成本；
适合让视觉模型核对：图型是否对、配色是否可区分、轴标题是否合理；
实配示例（识图模型核对过）：3 序列 line_symbol，X=温度(°C)、Y=压力(kPa)，蓝圈/橙三角，图例在右上角。

统计批（纯 numpy 自研，无 scipy，v2 新增）

工具	统计量	说明
`origin_ttest`	t / df / p	one（vs 指定 mu）/ 两样本（Welch）/ 配对；t 分布尾概率用 Lanczos γ + 连分数不完全 β 实现
`origin_anova`	F / p / η²	单因素，每组一列；F 分布尾概率同样自研
`origin_pca`	解释方差比 / 载荷 / 得分	SVD；`scale=True` 标准化
`origin_survival`	KM 表 / 中位生存时间	事件+删失；中位时间为存活率过 0.5 的插值点

示例：origin_ttest({"worksheet":"[Book1]Sheet1","column_a":"a","column_b":"b","kind":"two"}) → {"statistic": -1.39, "df": 2.31, "p_value": 0.284}。

稳定错误码（`origin_errors.py`，v2 新增）

所有调用（含遗留错误路径）统一返回：

{"ok": false, "error_code": "worksheet_not_found", "error": "...",
 "recoverable": true, "next_actions": ["..."]}

常用枚举：worksheet_not_found / column_not_found / invalid_request / origin_operation_error / graph_not_found / unsupported_origin_feature（如 3D 散点无输出时优雅降级）；
_synchronized 边界自动把历史 {ok:false,error} 升级为结构化错误；
origin_error_codes 一次返回全部枚举与恢复建议，模型可据此安全分支重试。

并发 / 多会话稳定性设计

Origin 是单实例 COM 自动化服务器，且 comtypes 的 COM 接口指针有线程亲和性 （实测跨线程调用报「对象没有连接到服务器」）。本插件的对策：

专用 COM 线程：所有 Origin 操作投递到唯一工作线程串行执行（任务队列），同时解决线程亲和性与并发互踩；
单实例语义：连接前强制 OriginExt.ApplicationSI（复用已运行主实例），杜绝多 Origin 进程导致的 COM 连错实例（实测多实例会让 LT_execute 报异常）；
唯一命名空间：每次调用新建 DSH_<8hex> 工作表/图，互不覆盖；
多进程加固：设置环境变量 ORIGIN_IPC_LOCK=1 可启用 Windows 命名互斥体，覆盖多 DSH 实例同时操作同一 Origin 的极端场景；
实测：8 线程并发各画一张图 8/8 通过，单张耗时约 1~2 秒。

目录结构

dsh-origin-plugin/
├── origin_engine.py          # 核心引擎：连接/写数/画图/导出/线程/错误升级
├── origin_errors.py          # 稳定错误码：枚举/恢复建议/遗留错误升级（v2 新增）
├── plot_style.py             # OKLab 调色板 + CVD 模拟 + 布局预设（v2 新增）
├── origin_analysis.py        # 纯 numpy 统计：t/ANOVA/PCA/似然 KM（v2 新增）
├── origin_mcp_server.py      # MCP 服务器（28 工具注册式），自带自测模式
├── demo_call.py              # 最小可运行示例（不依赖 MCP）
├── register_to_dsh.ps1       # 注册脚本（幂等/UTF-8 安全/自动备份）
├── unregister_from_dsh.ps1   # 卸载脚本
├── smoke/
│   ├── origin_com_smoke_test.py   # COM 链路冒烟测试
│   ├── advanced_test.py           # 删点/拟合/3D
│   ├── science_test.py            # 直方图/误差棒/等高线…
│   └── mcp_handshake_test.mjs     # 用 DSH 同款 Node SDK 验证 MCP 握手
└── docs/
    ├── DESIGN.md              # 设计蓝图 + 真机探测矩阵 + 官方文档依据（v2 新增）
    ├── example.png            # 示例输出图
    ├── example_style.png      # v2 排版示例（3 序列/轴标题/调色板）
    ├── example_bar.png        # 柱状图（模板修复后）
    └── example_3d.png         # 3D 表面示例

自测

:: 引擎级全链路（写数→画图→PNG→SVG）
.venv\Scripts\python.exe -X utf8 origin_mcp_server.py --selftest

:: 8 线程并发稳定性
.venv\Scripts\python.exe -X utf8 origin_mcp_server.py --concurrency-test

:: MCP 协议级（模拟 DSH 客户端，验证 28 个工具 + 跨协议图片内容）
.venv\Scripts\python.exe -X utf8 origin_mcp_server.py --mcp-test

:: 进阶能力（删点/拟合/3D）+ 科学分析
.venv\Scripts\python.exe -X utf8 smoke\advanced_test.py
.venv\Scripts\python.exe -X utf8 smoke\science_test.py

:: 用 DSH 自带 Node MCP SDK 握手（与 dsh-mcp-client 同款）
node smoke\mcp_handshake_test.mjs

:: 最小调用示例
.venv\Scripts\python.exe -X utf8 demo_call.py

端到端验证清单

smoke 测试输出 RESULT: OK，output\comtest.png 存在
--selftest 输出 SELFTEST OK（含样式应用/幂等命名/预览/错误码/统计批）
--concurrency-test 输出 CONCURRENCY-TEST OK（8/8）
--mcp-test 输出 MCP-TEST OK（28 工具可见，view_graph 返回 image 内容）
origin_view_graph 的返回能被识图模型正确读出轴标题/图型/配色
mcp_handshake_test.mjs 输出 HANDSHAKE-TEST OK
register_to_dsh.ps1 执行成功，dsh --profile web --dump-config 可见 mcp-origin
重启 Harness 后新对话触发画图，返回 PNG 路径且图片内容正确
同时开 2~3 个对话各画不同图，互不干扰

常见问题

现象	处理
对话里没有 `mcp__origin__*` 工具	Harness 未重启；或 `--dump-config` 无 mcp-origin（检查 patch 编码/语法）
`origin_status` 报 LT_execute 异常	存在多个 Origin64 进程：关闭多余 Origin 窗口只保留主实例后重试
Origin 弹模态对话框导致调用卡住	自动化期间不要手动操作 Origin；关闭对话框重试
中文乱码	不要用 `Add-Content` 等 ANSI 方式追加 YAML；脚本已内置 UTF-8 写入
换机器	改 `register_to_dsh.ps1` 中的路径或直接编辑 patch 条目

设计借鉴与 clean-room

v2 的排版方向受 Ge-Shun/origin-mcp 的"调色板 / 轴标题语义化 / 按图型排版"设计理念启发，但全部代码为全新实现：

未复制其任何源码、文档或 official_docs.generated.json；
plot_style.py 的 OKLab 色差 / CVD 模拟 / 对比度度量、origin_analysis.py 的 t / ANOVA / PCA / KM 均为本仓库独立实现（仅依赖 numpy）；
所有轴标题/模板/plotxy 行为均在本机 Origin 2026b 真机探针验证后写入。

精简模式（可选）

设置 ORIGIN_MCP_PROFILE=compact 可从工具集隐藏统计批（ttest/anova/pca/survival），适合只需要画图+基础分析的场景；其余 24 个工具不变。

Fantasality/dsh-origin-plugin

DSH Origin Plugin · DeepSeek Harness × Origin 一键画图

快速开始

1. 环境要求

2. 安装

2.1 以 bundle 方式安装（一键 / 插件市场）

3. 注册到 DSH

4. 对话触发示例

快速上手（skill + origin_help）

工具清单

进阶能力

删除/裁剪数据点（origin_filter_data）

拟合（origin_fit）

3D 图（origin_plot3d）

科学分析（origin_stats / origin_transform / origin_fft 等）

画图类型速查（origin_plot / origin_plot_file）

期刊级排版（plot_style.py，v2 新增）

视觉校验（origin_view_graph，v2 新增）

统计批（纯 numpy 自研，无 scipy，v2 新增）

稳定错误码（origin_errors.py，v2 新增）

并发 / 多会话稳定性设计

目录结构

自测

端到端验证清单

常见问题

设计借鉴与 clean-room

精简模式（可选）

License

社区评论

Fantasality/dsh-origin-plugin

DSH Origin Plugin · DeepSeek Harness × Origin 一键画图

快速开始

1. 环境要求

2. 安装

2.1 以 bundle 方式安装（一键 / 插件市场）

3. 注册到 DSH

4. 对话触发示例

快速上手（skill + origin_help）

工具清单

进阶能力

删除/裁剪数据点（origin_filter_data）

拟合（origin_fit）

3D 图（origin_plot3d）

科学分析（origin_stats / origin_transform / origin_fft 等）

画图类型速查（origin_plot / origin_plot_file）

期刊级排版（plot_style.py，v2 新增）

视觉校验（origin_view_graph，v2 新增）

统计批（纯 numpy 自研，无 scipy，v2 新增）

稳定错误码（origin_errors.py，v2 新增）

并发 / 多会话稳定性设计

目录结构

自测

端到端验证清单

常见问题

设计借鉴与 clean-room

精简模式（可选）

License

社区评论

删除/裁剪数据点（`origin_filter_data`）

拟合（`origin_fit`）

3D 图（`origin_plot3d`）

科学分析（`origin_stats` / `origin_transform` / `origin_fft` 等）

画图类型速查（`origin_plot` / `origin_plot_file`）

期刊级排版（`plot_style.py`，v2 新增）

视觉校验（`origin_view_graph`，v2 新增）

稳定错误码（`origin_errors.py`，v2 新增）

删除/裁剪数据点（`origin_filter_data`）

拟合（`origin_fit`）

3D 图（`origin_plot3d`）

科学分析（`origin_stats` / `origin_transform` / `origin_fft` 等）

画图类型速查（`origin_plot` / `origin_plot_file`）

期刊级排版（`plot_style.py`，v2 新增）

视觉校验（`origin_view_graph`，v2 新增）

稳定错误码（`origin_errors.py`，v2 新增）