截图识别文字提问（dsh-shot-ocr）

Capture a region of the desktop with a global hotkey, then either recognise its text with the built-in Windows OCR engine or attach the screenshot to the DeepSeek Harness chat draft.

• Windows 10/11, Windows PowerShell 5.1 (WinRT OCR)
• Global hotkey (default Ctrl+Alt+S), in-app shortcut, or the composer button
• Drag-to-select region, full screen, foreground window, or the monitor under the pointer
• Two outputs: recognised text, or the screenshot itself as a draft attachment
• Settings card under Plugins → dsh-shot-ocr: on/off switch, hotkey recorder, capture area, output mode, auto-send, OCR scale and language
• OCR runs locally; nothing leaves the machine until you send the message

---

按一个快捷键截取桌面（默认拖动框选区域），用 Windows 自带 OCR 识别文字，把结果直接填进 DeepSeek Harness 的输入框——不用先存图片、不用手动打字。

识别全部在本机完成，图片不会上传到任何地方；只有你按下发送后，文字才会作为消息进入对话。

功能

入口	默认键	作用
全局快捷键	Ctrl + Alt + S	在任何程序前面时按下都能截图（Harness 在后台也可以）：屏幕冻结 → 拖动选区 → 识别 → Harness 自动切到前台，文字进输入框
应用内快捷键	Ctrl + Shift + S	Harness 窗口在前台时使用；可先最小化 Harness 再截图。可在 设置 → 快捷键 改键
输入框按钮	—	输入框下方（上下文占用环旁边）的「截图识字」
插件设置卡片	—	插件 → 截图识别文字提问 → 配置：功能开关、全局快捷键录入、截图范围、自动发送等

识别结果默认只填入输入框，方便你补一句问题再发送；打开「识别后直接发送」后会直接发送。

两种输出方式

设置卡片里的「识别方式」可以切换：

方式	行为
识别文字（默认）	选区 → Windows OCR → 文字填进输入框（可加前后缀）
直接插入截图	选区 → 跳过 OCR → 原图作为附件插入输入框（和粘贴截图一样，可直接发送）

「直接插入截图」适合让模型自己看图（图表、设计稿、报错截图），不需要把图里的字转成文本；也更快，因为没有 OCR 步骤。

截图范围

默认 拖动选择区域：按下快捷键后屏幕会被冻结，拖动鼠标框出要识别的部分，松开即开始识别；Esc 或右键取消。

也可以在设置卡片里改成：

取值	含义
region	拖动选择区域（默认，小字识别最准）
window	当前前台窗口
cursor	鼠标所在的那块屏幕
fullscreen	整个桌面（多显示器时是全部屏幕）

设置

打开 插件 页面 → 截图识别文字提问 → 配置，卡片里可以改：

• 启用截图识字：总开关，关掉后快捷键和按钮都不再截图
• 全局截图快捷键：点「录入」，按下新的组合键（必须含 Ctrl / Alt / Shift / Win 之一）
• 注册全局快捷键：只想用按钮/应用内快捷键时关掉
• 截图范围、识别方式（识别文字 / 直接插入截图）、识别后直接发送、截图时最小化窗口、识别放大倍数、识别语言

切到「直接插入截图」时，放大倍数和识别语言会隐藏（图片模式不做 OCR）。

保存即时生效：Host 会按新配置重启快捷键监听，无需重启 Harness。

卡片里的设置在 %USERPROFILE%\.dsh\shot-ocr\settings.json；首次运行前由 cordis.patch.yml 的 config 提供默认值，保存过一次后以卡片为准。

工作原理

全局快捷键（常驻 PowerShell 监听进程）
        │  按下 Ctrl+Alt+S
        ▼
capture-ocr.ps1：冻结桌面 → 拖动选区 → （文字模式）放大 2× → Windows.Media.Ocr 识别
        │  文字结果或图片路径写入 %TEMP%\dsh-shot-ocr\inbox
        ▼
Host 插件：监视 inbox → /api/dsh-shot/pending（图片转 base64）
        ▼
页面：轮询到新结果 → 文字 insertText / 图片 createDrafts + addAttachments 填入输入框

应用内快捷键和输入框按钮走 /api/dsh-shot/capture，同步返回识别文字；取消选区不会报错。

安装 / 卸载

从 GitHub 安装（推荐）：

# 装进你的 profile（换成 web / desktop 等实际 profile 名）
dsh plugin --profile desktop add github:baibaiyi/dsh-shot-ocr

# 卸载
dsh plugin --profile desktop remove dsh-shot-ocr

还需要把 dsh-shot-ocr 加入 profile package.json 的 dsh.profile.bundles，或在 插件 页面启用。

本地开发时可以直接链接目录：

dsh plugin --profile desktop add link:D:/path/to/dsh-shot-ocr

修改插件自身源码后，HMR 只重载配置、不监听插件源码：需要在插件页把本插件关掉再打开，或重启 Harness。

环境要求

• Windows 10 / 11（截图与 OCR 依赖 Windows.Media.Ocr）
• Windows 自带 PowerShell 5.1（不能用 PowerShell 7：它不支持 WinRT）
• 系统装有带 OCR 的语言包。中文系统默认 zh-Hans-CN；可在 设置 → 时间和语言 → 语言和区域 给语言添加「光学字符识别」可选功能

常见问题

按下快捷键没反应 看 %TEMP%\dsh-shot-ocr\listener.json：registered: false 表示组合键被别的程序占用，在设置卡片里换一个即可（卡片会显示注册失败的提示）。

选区覆盖了 Harness 自己 全局快捷键请在目标窗口处于前台时按；应用内快捷键可打开「截图时最小化窗口」。

提示「没有识别到文字」 选区里确实没有可识别文字，或语言包不匹配；可把「识别放大倍数」调到 3。

选区一闪就没了 / 无法拖动 确认 globalHotkey 打开且 Windows PowerShell 5.1 可用；远程桌面或锁屏会话里 Win32 选区窗口无法显示。

目录结构

dsh-shot-ocr/
├─ index.js                     Host 插件：路由、设置存取、inbox 监视、常驻监听进程
├─ client.js                    浏览器插件：输入框按钮、快捷键、设置卡片、轮询插入
├─ cordis.patch.yml             bundle 补丁（插入插件行与首启默认值）
├─ locale/{zh,en}.json          插件页显示的名称与说明
├─ icon.svg                     插件图标
└─ scripts/
   ├─ capture-ocr.ps1           冻结桌面 + 选区 + Windows OCR，输出 UTF-8 JSON
   └─ hotkey-listener.ps1       全局快捷键监听，识别后通知 Host