dsh-text2img

把本机 ComfyUI 的文生图能力注册成 DeepSeek Harness（DSH）的原生工具 text2img。

装上之后，你在对话里说「帮我画一张图：……」，Agent 会扩写提示词、调用本地模型、把生成的图直接显示在对话里——不走网络，不上传任何数据，不消耗 API 额度。

同一个仓库还配套一个独立 CLI：dshtext2img.py，不装 DSH 也能命令行出图。

特性

• 三种模型可选：FLUX.1 Dev（画质/遵循度最好）、Qwen-Image（图内可读文字最强）、SDXL（最快）
• 零云端依赖：ComfyUI 跑在 127.0.0.1:8188，图片落本地磁盘
• 图片直接进对话：经 DSH 的 attachments 服务变成会话附件，不是甩一个路径给你
• 自动拉起 ComfyUI：服务没起时自动运行启动脚本并轮询就绪（最多 120 秒）
• 不覆盖旧图：ComfyUI 只按自己的 output 目录编号，文件被移走后会从 00001 重排，本插件在目标已存在时自动加 _2、_3 后缀
• 降级安全：附件服务缺席时退化为返回文件路径，工具本身不会失败

工具参数

参数	类型	说明
prompt	string，必填	详细提示词，建议英文长句
model	flux / qwen / sdxl	默认 flux
width / height	integer	默认 1024 × 1024
steps	integer	默认 20（flux/qwen）或 25（sdxl）
seed	integer	固定种子可复现同一张图
guidance	number	FLUX 专用，默认 3.5
negative	string	负向提示词（qwen/sdxl 生效，FLUX 忽略）
output_name	string	输出文件名前缀

模型选型（RTX 5070 Ti Laptop 12GB 实测）

场景	模型	耗时
复杂场景、严格遵循提示词、最高画质	flux	~64–78 秒
图里需要可读文字（海报 / 图表 / Logo）	qwen	~161 秒
要快、或需要特定画风（配 LoRA）	sdxl	~10–16 秒

⚠️ FLUX.1 dev 的产出不可商用；Qwen-Image 与 SDXL 可以。

前置条件

1. ComfyUI（本仓库在 0.38.0 + torch 2.9.1+cu128 上验证），默认监听 127.0.0.1:8188
2. 模型文件按模型名放到 ComfyUI 的标准目录：

模型	文件	放置位置
FLUX	flux1-dev-Q4_K_S.gguf	models/unet/
FLUX	t5-v1_1-xxl-encoder-Q4_K_S.gguf、clip_l.safetensors	models/clip/
FLUX	flux-vae-bf16.safetensors	models/vae/
Qwen-Image	qwen-image-Q3_K_S.gguf + Qwen 文本编码器	按 ComfyUI 官方蓝图
SDXL	sd_xl_base_1.0.safetensors	models/checkpoints/

1. DSH（本仓库在 0.2.1-rc.2 上验证），Node.js ^22.19.0 || >=24.0.0

安装

本插件是纯插件挂载，不改内核、无构建步骤。把包放进 DSH profile 的 plugins/ 目录：

$dest = "$env:USERPROFILE\.dsh\profiles\desktop\plugins\dsh-text2img"
New-Item -ItemType Directory -Force -Path $dest | Out-Null
Copy-Item .\* $dest -Recurse -Force

然后在 profile 的 package.json 里登记两处：

{
  "dependencies": {
    "dsh-text2img": "file:./plugins/dsh-text2img"
  },
  "dsh": {
    "profile": {
      "bundles": [
        // ……原有的 bundle……
        "dsh-text2img"
      ]
    }
  }
}

重启 DSH 后，模型选择器旁的工具栏里就会出现 text2img 工具。

桌面端（Electron）的 profile 由应用独占，命令行 dsh plugin add 写不进去；改完 package.json 后重启应用即可。

配置（环境变量）

默认值对应作者本机布局，换机器时全部可覆盖，无需改代码：

环境变量	默认值	作用
TEXT2IMG_COMFY_URL	http://127.0.0.1:8188	ComfyUI 服务地址
TEXT2IMG_COMFY_OUTPUT	D:\AI\ComfyUI\output	ComfyUI 的 output 目录，插件从这里取图
TEXT2IMG_OUT_DIR	D:\DSH输出\图片	图片最终保存目录
TEXT2IMG_START_BAT	D:\AI\start_ai.bat	ComfyUI 未运行时拉起的启动脚本；留空则只报错不自动启动

实现要点

• 不 import 任何 @deepseek-ai/* 包，用 ctx.tools.register(原始对象) 注册，避免依赖解析问题
• 图片经 attachments.saveImage() 变成会话附件，以 { type: 'image', attachment: {...} } 内容块返回
• ComfyUI 没运行时自动拉起启动脚本并轮询 /system_stats 就绪

踩过的坑（已在代码里内建修复）

坑	处理
原生 DualCLIPLoader 看不到 GGUF 文本编码器	FLUX 改用 DualCLIPLoaderGGUF
Qwen-Image 缺 ModelSamplingAuraFlow 会出图异常	已加入该节点（shift=3.1）
FLUX 官方 VAE 在 hf-mirror 上返回 403 需授权	改用 Kijai/flux-fp8 的 flux-vae-bf16.safetensors
Comfy-Org/flux2-dev 的 VAE 与 FLUX.1 不通用	明确不混用
输出文件互相覆盖	目标存在时自动加序号
ctx.effect 缺席导致插件加载失败	检测后降级为直接注册

目录结构

dsh-text2img/
├── package.json          # dsh.bundle.patch 指向 cordis.patch.yml
├── cordis.patch.yml      # 一行 insert，挂载插件
├── lib/index.js          # 全部实现（工具注册 + ComfyUI 通信 + 工作流）
└── README.md

许可

MIT，见 LICENSE。