dsh-text2img-compress

dsh-text2img-compress — 把长文本渲染成图片发送给 DeepSeek 视觉模型， 利用 每张图片 384 token 封顶 的计费规则压缩输入 token（text-as-image token compression）。

English · npm

一个 DeepSeek Harness（DSH）插件： 输入框右侧出现「图」开关，开启后，超过阈值的长消息在发送给模型前会被自动渲染为 文字图片（每张 800×800，恰好吃掉 384 token 上限）；模型看到的输入从上万 token 降到 几百到几千，而内容一字不差（所有文字都在图里）。由此带来两点直接收益：

• ① 输入 token 大幅下降（约 4~5×），成本随之降低——消息之前的对话前缀逐字节不变， 而缓存命中不会因此降低；
• ② 上下文窗口占用大幅压缩——同样的窗口能装下几十倍内容，为指令、推理步骤与工具结果 留足空间，长文档场景不再轻易被截断，模型表现更稳定。

原理

DeepSeek 视觉 API 对输入图片有固定计费规则（官方文档）：

• 每张图片进入模型前自动缩放：更大图片等比缩到总像素约 800×800 等效；
• 每张图片 token 数存在上限：384 个 —— 2000×2000 和 5000×5000 的图，缩放后一样是 384；
• 多张图每张独立计费。

对长文本：按文本发 → N 个 token；渲染成 800×800 的图 → 每 384 token/[页]。

实测（2026-08，deepseek-v4-flash-vision-exp，18px 字号）：约 9000+ 字的 DeepSeek 更新日志 （含大量日期、基准分数、模型名、URL）→ 7 页 ≈ 2688 token，而文本约 10000+ token， 压缩约 4~5×。字号越小越密（16px 约 3000 字/页 → 约 8×），最大安全页数为 10。

安装

# 有 DSH CLI：
dsh plugin --profile web add dsh-text2img-compress@0.1.0

# 或直接 npm 安装：
npm install dsh-text2img-compress

然后重启 DSH、打开/刷新页面：输入框右侧、发送按钮左边出现「图」按钮。

需要当前模型是视觉模型（如 deepseek-v4-flash-vision-exp）；模型名不含 vision 时 插件自动跳过转换（避免给纯文本模型发图片块导致报错）。

使用

1. 点击「图」→ 变为「图·开」（状态持久化，重启不丢）；
2. 旁边可选字号 16/18/20/22px（越大越易读、每页字数越少）；
3. 发送 ≥ 默认 600 字 的文本 —— 聊天里显示一条提示 + 文字图片；
4. 模型直接读取图片内容（图中包含全部原文，含你写的指令，如"复述以下内容："）。

设置项（settings 命名空间 text2img）：enabled（默认 false）、fontPx（默认 18）、 threshold（默认 600）。也可在 DSH 设置文件里直接改。

适用 / 不适用

✅ 适用（"读懂大意/高保真阅读"）：

• 长文档/论文/手册/更新日志的理解、总结、检索；
• 长上下文窗口的预算压缩（100KB 文档从 3 万+ token 降到几千）；
• 需要大致还原内容的场景（日期、数字、段落大意）。

⚠️ 不适用（需要逐字精确）：

• 代码、配置、SQL、JSON（一个字符错就全错）—— 请用文本发送；
• 超长文本（> 10 页 ≈ 约 22000 字@18px）：插件会自动回退纯文本，绝不截断；
• 小图/极小字号下的复杂排版（表格、公式）。

准确率提示：通用视觉模型不是 OCR 专用模型。建议根据实测选择字号—— 18px 是压缩与可读性的折中；对精度要求高用 22px，对预算极端敏感用 16px。

工作原理（实现）

• Host：监听 agent/pre-step（官方 waterfall），把进入模型的用户消息中 单个文本块、≥ 阈值、当前模型为视觉模型的，用 @napi-rs/canvas 渲染成 800×800 PNG 页， 经 attachments.saveImages 落盘为 ImageBlock 后替换原文本块； 任何失败都回退纯文本，绝不丢内容、不中断会话。
• Client：conversation.input.right 槽位注入「图」开关 + 字号下拉； 状态通过 DSH settings（ctx.settingsScope.bind）持久化，与 Host 共享同一命名空间。
• 零自定义 RPC：开关/字号走 settings；渲染/替换走宿主事件与附件服务。

开发

pnpm install
pnpm build       # tsc (host+types) + tsdown (client bundle)
pnpm typecheck

结构：

src/index.ts      Host 插件（settings + agent/pre-step 替换）
src/render.ts     文本 → 800×800 PNG 页（@napi-rs/canvas，词边界换行）
src/ui/index.ts   Client 插件（「图」开关 + 字号下拉）
cordis.patch.yml  组合补丁（一行 insert）

License

MIT