dsh-computer-use · 让 DeepSeek Harness 学会操作电脑

Name: JasonWei04/dsh-computer-use
Author: JasonWei04

DSH computer_use plugin — give your DeepSeek Harness (text-only LLM) real desktop control: screenshot / screen-record → Xiaomi MIMO vision analysis → mouse / keyboard / window / program control → autonomous loop until the task is done.

[!IMPORTANT] 安装本插件前，必须先安装 @linxin666/dsh-web-ui-all（dsh-web-ui 全家桶），本插件基于其 defineTool / installSettingsSection / systemPrompt.section 框架能力开发，缺少全家桶将无法加载。

纯文本模型通过「截屏/录屏 → 视觉模型看屏幕 → 真实键鼠操作」的闭环，获得真实的电脑操作能力：打开程序、点击界面、输入文字、拖拽滚动、操作微信，甚至自主循环完成一个完整任务。

✨ 特性

🖥️ 真实桌面控制 —— 不是模拟器，直接操作你的 Windows 桌面：鼠标、键盘、窗口、进程
👁️ 多模态视觉 —— 基于 Xiaomi MIMO 视觉模型（OpenAI 兼容端点）理解屏幕内容与元素坐标，让纯文本模型"看得见"
📹 截屏 + 录屏双观察 —— 静态场景（看页面布局）用 computer_screenshot；动态场景（滚动、滑动、动画、加载，如微信下滑找朋友圈）用 computer_record 录屏抽帧一次看清，避免反复截屏浪费时间
🧹 临时文件自动清理 —— 截屏分析完、录屏分析完、computer_use 循环结束时，自动删除过程中产生的临时截图与录屏帧，不留垃圾文件
🔁 自主循环 —— computer_use 工具：给定任务描述，自动执行「观察（截屏或录屏）→ 视觉决策 → 操作 → 再看」直到完成，观察方式由 MIMO 按场景自动选择
🧩 web_ui 家族框架 —— 与 @linxin666/dsh-web-ui 全家桶完全一致：defineTool + installSettingsSection + systemPrompt.section + mountOnce 单实例守卫
📦 零依赖自包含 —— C# 助手源码内嵌在 index.js 里，首次使用自动写入工作区并用系统自带的 csc.exe 编译，无需安装任何运行时
🔐 密钥不落盘 —— MIMO API Key 只从环境变量读取，绝不写入插件文件

🧠 工作原理

┌─────────────┐    computer_screenshot /     ┌──────────────────┐
│  你的 DSH    │    computer_record (录屏抽帧)  │  Windows 桌面观察  │
│  (纯文本模型) │ ───────────────────────────▶ │  截屏 PNG / 录屏帧 │
└──────┬──────┘                              └────────┬─────────┘
       │                                           │ 分析（单帧/多帧）
       │  computer_action / computer_use            ▼
       │  (真实鼠标/键盘/窗口/进程)          ┌──────────────────┐
       │                                   │  Xiaomi MIMO 视觉  │
       │                                   │  模型 (OpenAI 兼容) │
       └─────────────────────────────────── │  描述屏幕+坐标      │
          C# 助手 exe（内嵌源码自动编译）      └──────────────────┘

computer_use 自主循环（观察方式自适应）：

任务描述 ─▶ [截屏(静态)/录屏(动态)] ─▶ [MIMO 分析] ─▶ [决策下一步操作] ─▶ [执行]
                                      ▲                                     │
                                      └──────── 未完成，继续（自动清理临时文件）┘

📁 文件结构

dsh-computer-use/
├── index.js          插件本体（ESM，静态注册到宿主；含内嵌 C# 助手源码，自包含）
├── helper.cs         C# 助手源码副本（仅作参考；index.js 已内嵌，不是运行必需）
├── package.json      包元数据（dsh.bundle.patch → cordis.patch.yml）
├── cordis.patch.yml  安装用 patch 片段（参考，实际手工追加到 profile 的 cordis.patch.yml）
└── README.md

📦 安装

前置条件

依赖	说明
DSH（DeepSeek Harness）	web 版本，运行于 Windows
@linxin666/dsh-web-ui-all（web_ui 全家桶）	提供 `defineTool` / `installSettingsSection` 等框架能力，必须先安装
Windows 10/11	C# 助手依赖系统 .NET Framework（自带）与 Win32 API
MIMO API Key（可选但强烈推荐）	视觉分析用，见下方「配置视觉」

步骤

将 dsh-computer-use/ 整个文件夹复制到 profile 的 plugins/ 目录下：
```
C:\Users\<你的用户名>\.dsh\profiles\web\plugins\dsh-computer-use\
```
打开 profile 的补丁文件 C:\Users\<你的用户名>\.dsh\profiles\web\cordis.patch.yml，在 plugins: 列表末尾追加：
```
- insert:
    - id: computer-use
      name: './plugins/dsh-computer-use/index.js'
```
重启 DSH —— 静态插件在启动时加载，无需审批。
验证：向模型发送「查看电脑操作插件状态」，应得到助手就绪信息。

配置视觉（MIMO）

设置 Windows 环境变量（用户级即可）：

MIMO_API_KEY = sk-你的密钥

插件每 30 秒自动重新探测密钥；没有密钥时截图类工具仍可用，只是 analyze 与 computer_use 的视觉决策不可用。

⚙️ 配置项

可在 DSH 设置界面的「dsh-computer-use」分区（settings card）调整：

配置	默认值	说明
`baseURL`	`https://api.xiaomimimo.com/v1`	MIMO（OpenAI 兼容）端点
`model`	空（自动选择）	视觉模型 id，如 `mimo-v2.5`
`apiKeyEnv`	`MIMO_API_KEY`	读取密钥的环境变量名
`maxOutputTokens`	`4096`	视觉响应最大 token
`timeoutMs`	`120000`	视觉请求超时
`helperExe`	空（自动编译）	指定已编译的助手 exe 路径，跳过编译
`enabled`	`true`	总开关
`announceToAgent`	`true`	启动时向 agent 宣告本插件能力

🛠️ 工具参考

工具	作用
`computer_status`	查看助手与 MIMO 状态、统计、最近错误
`computer_screenshot`	截屏保存 PNG；`analyze=true` 时让 MIMO 分析屏幕内容与坐标；静态场景（看页面布局）用这个；可传 `model` 指定视觉模型
`computer_record`	录屏抽帧（JPEG），把整段时间的多帧画面一次交给 MIMO 观察动态过程（滚动/滑动/动画/加载）；动态场景（微信下滑找朋友圈等）用这个，一次看清避免反复截屏；可传 `model` 指定视觉模型
`computer_action`	单步执行一次真实桌面操作
`computer_use`	自主循环执行任务（观察 → 视觉决策 → 执行 → 再看）直到完成，观察方式由 MIMO 自动选择（静态截屏 / 动态录屏）；循环结束自动清理临时文件；可传 `model` 与 `observe`

截屏 vs 录屏：什么时候用哪个？

场景	工具	为什么
看页面布局、确认当前界面、等待某个元素出现	`computer_screenshot(analyze=true)`	一帧静态图足够，快
滚动列表、滑动屏幕、动画/加载过程（如微信里下滑找朋友圈）	`computer_record(seconds=4, fps=2)`	录 4 秒抽 8 帧一次看清动态，避免每滚一格截一次屏
复杂任务自动执行	`computer_use(observe="auto")`	MIMO 按场景自动决定每步用截屏还是录屏

computer_use / computer_screenshot / computer_record 的 model 参数

三个工具的视觉调用都支持 model 参数，每次调用可指定不同的视觉模型（如 mimo-v2.5、mimo-v2.5-pro），不传则回退到设置区 model 或自动选中的模型：

computer_screenshot(analyze=true, model="mimo-v2.5-pro")
computer_record(seconds=4, fps=2, model="mimo-v2.5")
computer_use(task="打开 PyCharm 创建 test.py", model="mimo-v2.5")

computer_use 的 observe 参数

computer_use 支持 observe 控制观察方式：

auto（默认）：每步由 MIMO 决定——静态界面用截屏，需要观察动态过程时输出 next_observe: "record" 切换录屏
screenshot：强制每步截屏
record：强制每步录屏

computer_use(task="在微信里下滑找到三天前的朋友圈并截图", observe="auto")

computer_action 支持的操作

action	参数	说明
`move`	`x, y`	移动鼠标到坐标
`click`	`button`(left/right/middle/double), `x, y`	点击
`drag`	`x1, y1, x2, y2`	从 (x1,y1) 拖到 (x2,y2)
`scroll`	`dy`（正=向下）	滚轮滚动
`type`	`text`	输入文本（剪贴板 + Ctrl+V）
`keys`	`keys`	按键串（SendKeys 语法，见下）
`run`	`command`	启动程序/命令（可带参数）
`activate`	`process`, `title`(可选)	激活窗口到前台
`windowrect`	`process`, `title`(可选)	获取窗口矩形
`listwindows`	—	列出可见窗口
`sendchat`	`text`	向微信当前聊天发送消息

keys 语法示例：

{LWIN}{UP}       Win+↑ 最大化窗口
^{a}             Ctrl+A 全选
{ENTER}          Enter
{TAB}            Tab
{F5}             F5 刷新
{F1}-{F24}       功能键

💡 使用示例

「打开记事本，输入 Hello, DSH! 并保存」

computer_action(action="run", command="notepad")
computer_screenshot(analyze=true) —— 确认记事本已打开
computer_action(action="type", text="Hello, DSH!")
computer_action(action="keys", keys="^{s}") —— Ctrl+S 保存

「在微信里给当前聊天发送『今晚八点开会』」

computer_action(action="sendchat", text="今晚八点开会")

「打开 PyCharm，在项目里创建一个 test.py」—— 直接交给 computer_use：

computer_use(task="打开 PyCharm，在打开的文件夹下创建 test.py，内容为 print('hi')")

🧩 技术细节

C# 助手自动编译：首次调用时，index.js 内嵌的 C# 源码写入工作区 .ds_computeruse_helper_v9.cs，调用系统 csc.exe（C:\Windows\Microsoft.NET\Framework64\v4.0.30319\csc.exe）编译为 .ds_computeruse_helper_v9.exe，之后直接复用；也可在设置里指定 helperExe 跳过编译
截图位置：临时写入工作区 .dsh_computeruse_shot_*.png / .dsh_computeruse_loop_*.png，分析完即删（keep=true 可保留）
录屏帧：临时写入工作区 .dsh_computeruse_record_*/frame_*.jpg，分析完整目录删除（keep=true 可保留）
临时文件：视觉请求体临时写入工作区 .dsh_computeruse_req.json（用后即弃）
密钥探测顺序：启动环境变量 → PowerShell 分层探测（User → Machine → Process），每 30 秒重试
sendchat 定位：按微信窗口宽度 62%、底边上方 55px 估算输入框位置

❓ 常见问题

Q：工具报错 unknown cmd: [object object]？ A：这是 v1 的 bug，已修复。请确认运行的是 v2 版本（本仓库 2.0.0）。

Q：C# 编译失败？ A：插件需要系统 .NET Framework 4.x 的 csc.exe（Win10/11 自带）。确认 C:\Windows\Microsoft.NET\Framework64\v4.0.30319\csc.exe 存在。也可手动编译后通过 helperExe 配置指定。

Q：analyze 报错说没密钥？ A：设置环境变量 MIMO_API_KEY 后等 30 秒（插件自动重试探测），或重启 DSH。

Q：坐标不准？ A：视觉模型给出的坐标是估算值。复杂界面建议小步操作：先截图分析，再小范围移动点击，逐步逼近。

🗑️ 卸载

删除 cordis.patch.yml 中 - insert: 的 computer-use 三行
删除 plugins/dsh-computer-use/ 文件夹
重启 DSH

⚠️ 免责声明

本插件操作的是真实桌面、消耗真实资源，请确认意图后再让模型执行
视觉模型坐标可能不准，高风险操作（删除、提交、支付等）请人工确认
sendchat 仅针对微信（Weixin/WeChat 进程）
插件在受限沙箱内运行宿主进程，请仅在可信环境使用

📜 更新日志

v3.0.0 (2026-08-22)

📹 新增 computer_record 录屏工具：录制 N 秒屏幕按帧率抽帧为 JPEG，把整段时间的多帧画面一次交给 MIMO 观察动态过程（滚动/滑动/动画/加载），动态场景一次看清，避免反复截屏
🧹 临时文件自动清理：截屏分析完、录屏分析完、computer_use 循环结束时自动删除过程中产生的临时截图与录屏帧（各工具 keep=true 可保留）
🔁 computer_use 观察方式自适应：新增 observe 参数（auto/screenshot/record），auto 模式下 MIMO 按场景决定每步用截屏（静态）还是录屏（动态，输出 next_observe:"record" 切换）
🆕 C# 助手升级 v9：新增 record <outDir> <seconds> <fps> [quality] 命令

v2.1.0 (2026-08-18)

✨ computer_use 的 model 参数真正生效（此前声明了但未传给视觉调用，实际用全局默认）
✨ computer_screenshot 新增 model 参数，单步视觉分析也可指定模型
🔧 现在可随时在调用中切换视觉模型（如 mimo-v2.5 / mimo-v2.5-pro），不传则回退全局默认

v2.0.0 (2026-08-18)

🐛 修复 helperRun 参数错位导致的 unknown cmd: [object object] 错误
🐛 C# 源码从「同目录 helper.cs」改为内嵌进 index.js，消除 import.meta.url 在 loader 下定位失败导致的编译错误
📦 首个公开版本

v1.0.0 (内部)

初始版本：C# 助手 v8、MIMO 视觉、四个工具

📄 许可证

MIT © JasonWei04

dsh-computer-use · 让 DeepSeek Harness 学会操作电脑

DSH computer_use plugin — give your DeepSeek Harness (text-only LLM) real desktop control: screenshot / screen-record → Xiaomi MIMO vision analysis → mouse / keyboard / window / program control → autonomous loop until the task is done.

[!IMPORTANT] 安装本插件前，必须先安装 @linxin666/dsh-web-ui-all（dsh-web-ui 全家桶），本插件基于其 defineTool / installSettingsSection / systemPrompt.section 框架能力开发，缺少全家桶将无法加载。

✨ 特性

🖥️ 真实桌面控制 —— 不是模拟器，直接操作你的 Windows 桌面：鼠标、键盘、窗口、进程
👁️ 多模态视觉 —— 基于 Xiaomi MIMO 视觉模型（OpenAI 兼容端点）理解屏幕内容与元素坐标，让纯文本模型"看得见"
📹 截屏 + 录屏双观察 —— 静态场景（看页面布局）用 computer_screenshot；动态场景（滚动、滑动、动画、加载，如微信下滑找朋友圈）用 computer_record 录屏抽帧一次看清，避免反复截屏浪费时间
🧹 临时文件自动清理 —— 截屏分析完、录屏分析完、computer_use 循环结束时，自动删除过程中产生的临时截图与录屏帧，不留垃圾文件
🔁 自主循环 —— computer_use 工具：给定任务描述，自动执行「观察（截屏或录屏）→ 视觉决策 → 操作 → 再看」直到完成，观察方式由 MIMO 按场景自动选择
🧩 web_ui 家族框架 —— 与 @linxin666/dsh-web-ui 全家桶完全一致：defineTool + installSettingsSection + systemPrompt.section + mountOnce 单实例守卫
📦 零依赖自包含 —— C# 助手源码内嵌在 index.js 里，首次使用自动写入工作区并用系统自带的 csc.exe 编译，无需安装任何运行时
🔐 密钥不落盘 —— MIMO API Key 只从环境变量读取，绝不写入插件文件

🧠 工作原理

┌─────────────┐    computer_screenshot /     ┌──────────────────┐
│  你的 DSH    │    computer_record (录屏抽帧)  │  Windows 桌面观察  │
│  (纯文本模型) │ ───────────────────────────▶ │  截屏 PNG / 录屏帧 │
└──────┬──────┘                              └────────┬─────────┘
       │                                           │ 分析（单帧/多帧）
       │  computer_action / computer_use            ▼
       │  (真实鼠标/键盘/窗口/进程)          ┌──────────────────┐
       │                                   │  Xiaomi MIMO 视觉  │
       │                                   │  模型 (OpenAI 兼容) │
       └─────────────────────────────────── │  描述屏幕+坐标      │
          C# 助手 exe（内嵌源码自动编译）      └──────────────────┘

computer_use 自主循环（观察方式自适应）：

任务描述 ─▶ [截屏(静态)/录屏(动态)] ─▶ [MIMO 分析] ─▶ [决策下一步操作] ─▶ [执行]
                                      ▲                                     │
                                      └──────── 未完成，继续（自动清理临时文件）┘

📁 文件结构

dsh-computer-use/
├── index.js          插件本体（ESM，静态注册到宿主；含内嵌 C# 助手源码，自包含）
├── helper.cs         C# 助手源码副本（仅作参考；index.js 已内嵌，不是运行必需）
├── package.json      包元数据（dsh.bundle.patch → cordis.patch.yml）
├── cordis.patch.yml  安装用 patch 片段（参考，实际手工追加到 profile 的 cordis.patch.yml）
└── README.md

📦 安装

前置条件

依赖	说明
DSH（DeepSeek Harness）	web 版本，运行于 Windows
@linxin666/dsh-web-ui-all（web_ui 全家桶）	提供 `defineTool` / `installSettingsSection` 等框架能力，必须先安装
Windows 10/11	C# 助手依赖系统 .NET Framework（自带）与 Win32 API
MIMO API Key（可选但强烈推荐）	视觉分析用，见下方「配置视觉」

步骤

将 dsh-computer-use/ 整个文件夹复制到 profile 的 plugins/ 目录下：
```
C:\Users\<你的用户名>\.dsh\profiles\web\plugins\dsh-computer-use\
```
打开 profile 的补丁文件 C:\Users\<你的用户名>\.dsh\profiles\web\cordis.patch.yml，在 plugins: 列表末尾追加：
```
- insert:
    - id: computer-use
      name: './plugins/dsh-computer-use/index.js'
```
重启 DSH —— 静态插件在启动时加载，无需审批。
验证：向模型发送「查看电脑操作插件状态」，应得到助手就绪信息。

配置视觉（MIMO）

设置 Windows 环境变量（用户级即可）：

MIMO_API_KEY = sk-你的密钥

插件每 30 秒自动重新探测密钥；没有密钥时截图类工具仍可用，只是 analyze 与 computer_use 的视觉决策不可用。

⚙️ 配置项

可在 DSH 设置界面的「dsh-computer-use」分区（settings card）调整：

配置	默认值	说明
`baseURL`	`https://api.xiaomimimo.com/v1`	MIMO（OpenAI 兼容）端点
`model`	空（自动选择）	视觉模型 id，如 `mimo-v2.5`
`apiKeyEnv`	`MIMO_API_KEY`	读取密钥的环境变量名
`maxOutputTokens`	`4096`	视觉响应最大 token
`timeoutMs`	`120000`	视觉请求超时
`helperExe`	空（自动编译）	指定已编译的助手 exe 路径，跳过编译
`enabled`	`true`	总开关
`announceToAgent`	`true`	启动时向 agent 宣告本插件能力

🛠️ 工具参考

工具	作用
`computer_status`	查看助手与 MIMO 状态、统计、最近错误
`computer_screenshot`	截屏保存 PNG；`analyze=true` 时让 MIMO 分析屏幕内容与坐标；静态场景（看页面布局）用这个；可传 `model` 指定视觉模型
`computer_record`	录屏抽帧（JPEG），把整段时间的多帧画面一次交给 MIMO 观察动态过程（滚动/滑动/动画/加载）；动态场景（微信下滑找朋友圈等）用这个，一次看清避免反复截屏；可传 `model` 指定视觉模型
`computer_action`	单步执行一次真实桌面操作
`computer_use`	自主循环执行任务（观察 → 视觉决策 → 执行 → 再看）直到完成，观察方式由 MIMO 自动选择（静态截屏 / 动态录屏）；循环结束自动清理临时文件；可传 `model` 与 `observe`

截屏 vs 录屏：什么时候用哪个？

场景	工具	为什么
看页面布局、确认当前界面、等待某个元素出现	`computer_screenshot(analyze=true)`	一帧静态图足够，快
滚动列表、滑动屏幕、动画/加载过程（如微信里下滑找朋友圈）	`computer_record(seconds=4, fps=2)`	录 4 秒抽 8 帧一次看清动态，避免每滚一格截一次屏
复杂任务自动执行	`computer_use(observe="auto")`	MIMO 按场景自动决定每步用截屏还是录屏

computer_use / computer_screenshot / computer_record 的 model 参数

computer_screenshot(analyze=true, model="mimo-v2.5-pro")
computer_record(seconds=4, fps=2, model="mimo-v2.5")
computer_use(task="打开 PyCharm 创建 test.py", model="mimo-v2.5")

computer_use 的 observe 参数

computer_use 支持 observe 控制观察方式：

auto（默认）：每步由 MIMO 决定——静态界面用截屏，需要观察动态过程时输出 next_observe: "record" 切换录屏
screenshot：强制每步截屏
record：强制每步录屏

computer_use(task="在微信里下滑找到三天前的朋友圈并截图", observe="auto")

computer_action 支持的操作

action	参数	说明
`move`	`x, y`	移动鼠标到坐标
`click`	`button`(left/right/middle/double), `x, y`	点击
`drag`	`x1, y1, x2, y2`	从 (x1,y1) 拖到 (x2,y2)
`scroll`	`dy`（正=向下）	滚轮滚动
`type`	`text`	输入文本（剪贴板 + Ctrl+V）
`keys`	`keys`	按键串（SendKeys 语法，见下）
`run`	`command`	启动程序/命令（可带参数）
`activate`	`process`, `title`(可选)	激活窗口到前台
`windowrect`	`process`, `title`(可选)	获取窗口矩形
`listwindows`	—	列出可见窗口
`sendchat`	`text`	向微信当前聊天发送消息

keys 语法示例：

{LWIN}{UP}       Win+↑ 最大化窗口
^{a}             Ctrl+A 全选
{ENTER}          Enter
{TAB}            Tab
{F5}             F5 刷新
{F1}-{F24}       功能键

💡 使用示例

「打开记事本，输入 Hello, DSH! 并保存」

computer_action(action="run", command="notepad")
computer_screenshot(analyze=true) —— 确认记事本已打开
computer_action(action="type", text="Hello, DSH!")
computer_action(action="keys", keys="^{s}") —— Ctrl+S 保存

「在微信里给当前聊天发送『今晚八点开会』」

computer_action(action="sendchat", text="今晚八点开会")

「打开 PyCharm，在项目里创建一个 test.py」—— 直接交给 computer_use：

computer_use(task="打开 PyCharm，在打开的文件夹下创建 test.py，内容为 print('hi')")

🧩 技术细节

C# 助手自动编译：首次调用时，index.js 内嵌的 C# 源码写入工作区 .ds_computeruse_helper_v9.cs，调用系统 csc.exe（C:\Windows\Microsoft.NET\Framework64\v4.0.30319\csc.exe）编译为 .ds_computeruse_helper_v9.exe，之后直接复用；也可在设置里指定 helperExe 跳过编译
截图位置：临时写入工作区 .dsh_computeruse_shot_*.png / .dsh_computeruse_loop_*.png，分析完即删（keep=true 可保留）
录屏帧：临时写入工作区 .dsh_computeruse_record_*/frame_*.jpg，分析完整目录删除（keep=true 可保留）
临时文件：视觉请求体临时写入工作区 .dsh_computeruse_req.json（用后即弃）
密钥探测顺序：启动环境变量 → PowerShell 分层探测（User → Machine → Process），每 30 秒重试
sendchat 定位：按微信窗口宽度 62%、底边上方 55px 估算输入框位置

❓ 常见问题

Q：工具报错 unknown cmd: [object object]？ A：这是 v1 的 bug，已修复。请确认运行的是 v2 版本（本仓库 2.0.0）。

Q：analyze 报错说没密钥？ A：设置环境变量 MIMO_API_KEY 后等 30 秒（插件自动重试探测），或重启 DSH。

Q：坐标不准？ A：视觉模型给出的坐标是估算值。复杂界面建议小步操作：先截图分析，再小范围移动点击，逐步逼近。

🗑️ 卸载

删除 cordis.patch.yml 中 - insert: 的 computer-use 三行
删除 plugins/dsh-computer-use/ 文件夹
重启 DSH

⚠️ 免责声明

本插件操作的是真实桌面、消耗真实资源，请确认意图后再让模型执行
视觉模型坐标可能不准，高风险操作（删除、提交、支付等）请人工确认
sendchat 仅针对微信（Weixin/WeChat 进程）
插件在受限沙箱内运行宿主进程，请仅在可信环境使用

📜 更新日志

v3.0.0 (2026-08-22)

📹 新增 computer_record 录屏工具：录制 N 秒屏幕按帧率抽帧为 JPEG，把整段时间的多帧画面一次交给 MIMO 观察动态过程（滚动/滑动/动画/加载），动态场景一次看清，避免反复截屏
🧹 临时文件自动清理：截屏分析完、录屏分析完、computer_use 循环结束时自动删除过程中产生的临时截图与录屏帧（各工具 keep=true 可保留）
🔁 computer_use 观察方式自适应：新增 observe 参数（auto/screenshot/record），auto 模式下 MIMO 按场景决定每步用截屏（静态）还是录屏（动态，输出 next_observe:"record" 切换）
🆕 C# 助手升级 v9：新增 record <outDir> <seconds> <fps> [quality] 命令

v2.1.0 (2026-08-18)

✨ computer_use 的 model 参数真正生效（此前声明了但未传给视觉调用，实际用全局默认）
✨ computer_screenshot 新增 model 参数，单步视觉分析也可指定模型
🔧 现在可随时在调用中切换视觉模型（如 mimo-v2.5 / mimo-v2.5-pro），不传则回退全局默认

v2.0.0 (2026-08-18)

🐛 修复 helperRun 参数错位导致的 unknown cmd: [object object] 错误
🐛 C# 源码从「同目录 helper.cs」改为内嵌进 index.js，消除 import.meta.url 在 loader 下定位失败导致的编译错误
📦 首个公开版本

v1.0.0 (内部)

初始版本：C# 助手 v8、MIMO 视觉、四个工具

JasonWei04/dsh-computer-use

dsh-computer-use · 让 DeepSeek Harness 学会操作电脑

✨ 特性

🧠 工作原理

📁 文件结构

📦 安装

前置条件

步骤

配置视觉（MIMO）

⚙️ 配置项

🛠️ 工具参考

截屏 vs 录屏：什么时候用哪个？

computer_use / computer_screenshot / computer_record 的 model 参数

computer_use 的 observe 参数

computer_action 支持的操作

💡 使用示例

🧩 技术细节

❓ 常见问题

🗑️ 卸载

⚠️ 免责声明

📜 更新日志

v3.0.0 (2026-08-22)

v2.1.0 (2026-08-18)

v2.0.0 (2026-08-18)

v1.0.0 (内部)

📄 许可证

Community comments

JasonWei04/dsh-computer-use

dsh-computer-use · 让 DeepSeek Harness 学会操作电脑

✨ 特性

🧠 工作原理

📁 文件结构

📦 安装

前置条件

步骤

配置视觉（MIMO）

⚙️ 配置项

🛠️ 工具参考

截屏 vs 录屏：什么时候用哪个？

computer_use / computer_screenshot / computer_record 的 model 参数

computer_use 的 observe 参数

computer_action 支持的操作

💡 使用示例

🧩 技术细节

❓ 常见问题

🗑️ 卸载

⚠️ 免责声明

📜 更新日志

v3.0.0 (2026-08-22)

v2.1.0 (2026-08-18)

v2.0.0 (2026-08-18)

v1.0.0 (内部)

📄 许可证

Community comments