生图工作台 (dsh-our-imagen)

DeepSeek Harness 的开源文生图工作台与 Agent 视觉工具。
首发支持 Kaggle 免费云端双卡 GPU（每周赠送 30 小时），不吃本机显卡，开机随画随出，图片全部直接落盘在本地。

🚧 当前处于 Preview 早期预览阶段：可插拔后端架构正在演进，首发默认驱动为 Kaggle 免费双卡 GPU；Colab、本地 GPU 及自建 Worker 支持正在接入中。更稳定的插件版本、更多前沿模型正在持续更新，欢迎体验与反馈 issue！

快速上手 · 它是什么 · 后端支持 · 问答 · 开发与测试 · English

💡 它是什么

生图工作台（仓库：dsh-our-imagen）是运行在 DeepSeek Harness (DSH) 上的开源文生图工作台与视觉 Agent 插件。

它解决一个很实在的问题：很多人想在本地用开源大模型画图，但自己的笔记本或台式机没有大显存独显，或者懒得在本地折腾一套数百兆甚至数千兆的 PyTorch、CUDA、ComfyUI 环境。

本插件采用宿主工作台与算力后端解耦的可插拔设计：

你得到一个整页可视化工作台：开机唤醒云端算力，选好模型、敲下灵感、一键生图；
你得到一组开箱即用的对话工具：在聊天窗口里直接跟 AI 说「帮我画一张赛博朋克雨夜街道」，Agent 会自动整理参数、展示确认卡片并调用算力生成；
零门槛免费算力驱动：首发提供开箱即用的 Kaggle 2×T4 免费云端驱动（每周 30 小时免费额度），后续将陆续接入 Google Colab 等免费/自建后端；
不用担心算力浪费与图床隐私：空闲 30 分钟自动关机，图片通过加密安全隧道直接存进你本地工作区的 imagen-output/ 文件夹。

🔌 算力后端支持 (Backend Drivers)

本插件将文生图交互界面与底层推理引擎解耦，支持按需接入不同的算力驱动：

后端驱动	状态	算力规格	成本 / 门槛	说明
Kaggle GPU Driver	已内置 (默认)	2×Nvidia Tesla T4 (30G 显存)	完全免费（每周 30 小时额度）	首发开箱即用，零本地显存负担，自动会合与加密直连
Google Colab Driver	接入中	Nvidia T4 / A100	免费 / 订阅	一键 Notebook 挂载与隧道直连，丰富免费算力来源
自建远端 Worker	规划中	自建服务器 / AutoDL / RunPod	按需计费 / 私有部署	适合拥有私有 GPU 服务器或需要长驻不关机的创作者
本地直连 (Local/ComfyUI)	规划中	本机独显 (RTX 3060/4090 等)	本地硬件	适合拥有本地大显存显卡、追求绝对零延迟与离线运行的用户

🎨 核心能力

1. 独立整页工作台

多款实测开源模型卡片：从疾速出图的 SDXL Lightning、Hyper-SDXL，到画风扎实的 SDXL Base、RealVisXL，再到动漫专项 Animagine XL 3.1 与轻量前沿 FLUX.2 Klein 4B 等。
单轨专注面板：提示词、反向词、尺寸比例（1:1 / 16:9 / 9:16 / 4:3 / 3:4）、步数、随机种子一目了然。
四维轻量润色：光影、材质、构图、氛围一键追加；追加进提示词的是英文短语，界面显示中文标签，不破坏原生提示词意图。
底栏轻胶卷与历史抽屉：刚生成的图随时回看，支持一键「带回全部参数」与「继续生成变体」。

_{独立整页工作台：参数面板 + 实时画布 + 最近胶卷}

2. 创作助手与对话调用

对话直接出图：宿主自动挂载 imagen_generate、imagen_session、imagen_history 等工具，与你的日常对话无缝集成。
自然语言意图对齐：随口说一句画面想法，内置创作助手先帮你翻译为规范的英文提示词、推断合适的比例与推荐模型，先出确认卡片，确认后再跑。
双向无缝流转：聊天中生成的图片，随时可在右侧胶卷点击展开并在整页工作台里二次编辑。

_{对话卡片：先给确认卡，点确定即出图，成果进本地工作区}

3. 本地落盘与自愈防烧

资产 100% 留存本地：生成完毕的数据流通过临时单次 Token 隧道直接写进你工作区的 imagen-output/ 目录，不经过任何第三方公共商业图床。
省心防烧机制：云端 Kernel 空闲超过 30 分钟（时间可配置）自动关机，或者在工作台右上角随时手动关机。
意外断点恢复：本地实时记录 .imagen/session.json。DSH 重启或窗口刷新后，插件会自动探活旧实例并无缝接管，避免重复开机浪费额度。

[ DSH 工作台 / 聊天窗口 ]
          │  /imagen-api/* (本地通信)
          ▼
[ 本地插件 Host (Node.js) ] ── (写入) ──▶ [ 本地 imagen-output/ ]
          │  kaggle kernels push
          ▼
[ Kaggle 云端 (2×Tesla T4) ]
   daemon.py (diffusers)
          │  单次 Bearer Token 加密隧道
          └─────────────────────────────▶ (安全返回本地)

🖼 界面速览

_{深色主题的模型选择卡：九款内置模型逐一对比，标注实测出图耗时}

_{作品画廊：按日期归档，支持搜索、收藏与批量选择}

🎨 模型示例

以下 9 张样张按内置模型逐一给出，均由本插件调用 Kaggle 2×T4 实际生成，仅转存为 WebP，未做后期修图；耗时取自当次生成记录。

_{SDXL Lightning · 雨夜霓虹街道 · 约 9.8 秒}	_{Hyper-SDXL 8-Step · 巴洛克静物 · 约 8.0 秒}	_{SDXL Turbo · 赤月下的武士 · 约 3.9 秒}
_{Playground v2.5 · 云端瀑布梦境 · 约 19.6 秒}	_{SDXL Base 1.0 · 高山湖泊的金色黄昏 · 约 17.1 秒}	_{RealVisXL V5.0 · 海边老渔民肖像 · 约 21.1 秒}
_{FLUX.2 Klein 4B · 极简京都旅行海报 · 约 6.8 秒}	_{Animagine XL 3.1 · 樱花巷口的少女 · 约 21.1 秒}	_{Anima Light Lavender · 薰衣草花田的黄昏 · 约 63.4 秒}

⚡ 三步上手

第一步：准备 Kaggle Token

提示：Kaggle 账号必须在个人设置里完成手机号绑定验证（Phone Verification），平台才会给分配免费 GPU；未绑定的账号会被降级为纯 CPU。

推荐方式（kaggle CLI 2.x）：安装 CLI 后直接登录，凭据会自动写入本机，不需要手动创建文件。

pip install -U kaggle
kaggle auth login

手动方式（旧版 CLI / API Token）：

打开 Kaggle API Settings，点击 Create New Token。
拿到你的 Token（或 kaggle.json），写入本地配置文件：

Windows (PowerShell)：

New-Item -ItemType Directory -Force "$env:USERPROFILE\.kaggle" | Out-Null
Set-Content -NoNewline "$env:USERPROFILE\.kaggle\access_token" "你的_Kaggle_Token"

macOS / Linux (Bash / Zsh)：

mkdir -p ~/.kaggle
printf '%s' '你的_Kaggle_Token' > ~/.kaggle/access_token
chmod 600 ~/.kaggle/access_token

验证：kaggle quota 能打印 GPU/TPU 配额即配置成功。

第二步：在 DSH 中加载插件

推荐用下面两种方式安装（都无需 npm 账号；把 web 换成你的 profile 名，DSH Desktop 客户端通常是 desktop）：

方式 A（推荐）：命令行一条命令从 GitHub 安装
```
dsh plugin --profile web add github:nanxfu/dsh-our-imagen
```
升级：先 dsh plugin --profile web remove dsh-our-free-imagen，再执行上面的安装命令；安装或升级后重启 DSH。
方式 B（推荐）：图形界面安装 DSH 设置 → 插件管理 → 安装插件，粘贴 github:nanxfu/dsh-our-imagen → 安装完成后重启 DSH。

网络受限或需要离线时，可改用：

方式 C：固定版本的 Release tarball（只依赖 HTTPS，适合 GitHub 直连不稳定的网络）

dsh plugin --profile web add https://github.com/nanxfu/dsh-our-imagen/releases/download/v0.7.0/dsh-our-free-imagen-0.7.0.tgz

方式 D：离线 zip + 本地加载（Load Bundle）（完全离线可用）
1. 从 Releases 下载 dsh-our-free-imagen-<version>.zip 并解压；
2. DSH 设置 → 插件管理 → 本地加载（Load Bundle），选中解压后的目录；
3. 点击左侧工具栏新增的「生图工作台」图标。
方式 E：本地源码 link（开发调试，改代码即时生效）
```
dsh plugin --profile desktop add D:\path\to\our-free-imagen
```

npm 包与 1024 插件市场暂未上架，以上方式都可以正常安装与使用。

第三步：点击唤醒并开始出图

进入工作台，点击顶部的 开机 / 唤醒云端；
首次开机 Kaggle 约需 3~10 分钟分配资源并加载模型权重；
云端就绪变绿（Online）后，随写随出，每张仅需数秒。

❓ 常见问答

Q1: 使用这个插件要花钱吗？每周 30 小时 GPU 够用吗？

完全免费，且额度非常充裕。

插件代码采用宽松的 MIT 协议开源。
算力直接借用 Kaggle 平台向所有通过手机认证用户每周免费赠送的 30 小时 GPU（2×Nvidia T4），额度内完全不花一分钱。
每周能出多少张图？
- 以日常主力 1024 高清模型（SDXL Lightning 1024px，实测约 6.2 秒/张）为例，30 小时额度每周最高可出图 17,000+ 张；
- 即使每天重度画图几十到上百张，一周通常也只消耗 1~2 小时额度，日常个人创作额度根本用不完。

Q2: 我的电脑需要配独立显卡吗？

完全不需要。 所有的模型加载与扩散去噪推理都在 Kaggle 的云端双卡 T4 上执行。你的本地电脑（甚至是轻薄办公本）只负责显示工作台界面以及把图片写到硬盘里。

Q3: 首次开机为什么需要等几分钟？

云端冷启动包含几个固定步骤：

Kaggle 调度分配免费 2×T4 虚拟机；
远端运行环境初始化与依赖检查；
下载并装载所选模型权重（若未挂载缓存数据集）。这个过程通常需要 3~10 分钟。一旦就绪，后续连续生成无需等待，稳态下每张图只需要数秒。 插件提供了 30 分钟空闲保活，用完也可以随时点击关机。

Q4: 我的图片会传到第三方云盘或公共图床吗？

不会。 远端生成完毕的图像数据，只通过该次会话随机生成的专属 Bearer Token 隧道直接流式传回本地 Host，并直接保存到你电脑的 imagen-output/ 文件夹下。没有中间商业图床，也不保留公开访问链接。

Q5: 支持哪些模型？

目前开箱内置多款实测可用的模型配置（定义在 models/*.json）：

SDXL Lightning（默认，4 步疾速，~2s/张）
Hyper-SDXL 8-Step（兼顾细节与速度，~2.5s/张）
SDXL Turbo（实时去噪，极速草图）
Playground v2.5（美感表现优异，色彩丰富）
SDXL Base 1.0（经典标准底模）
RealVisXL V5.0（写实人像与摄影质感专项）
FLUX.2 Klein 4B（轻量新一代扩散模型架构）
Animagine XL 3.1（二次元与动漫风格专项）
Anima Light Lavender（二次元插画专项，Cosmos-Predict2 2B 底座）

🛠 开发与测试

如果你想修改代码、贡献新功能或调试模型：

操作	命令	说明
安装依赖	`npm install`	安装开发与打包依赖
运行单元测试	`npm test`	校验核心状态机与工作流逻辑
契约测试	`npm run test:contract`	校验全套模型配置与接口契约
离线联调	`node test/mock-daemon.mjs`	本地模拟云端双向通信，无需真实 Kaggle 算力
构建工作台	`node build.mjs`	编译前端单文件 Bundle `client.js`
预览与截图	`node tools/preview.mjs --shot`	生成设计预览页（加 `--readme` 同时刷新 README 截图）
生产打包	`npm run package`	生成可发布的 `dist/` 独立插件 Bundle

📱 关注作者

作者抖音账号：Lumen流明（抖音号 42906749348）——「用 AI 把想法变成画面」。打开抖音「扫一扫」关注：

📄 开源许可与致谢

本项目基于 MIT License 开源。
感谢 DeepSeek Harness (DSH) 团队提供出色的宿主扩展体系与设计规范。
感谢 Kaggle 为全球开发者提供稳定的免费 GPU 算力支持。
感谢 Hugging Face diffusers 与各大开源模型团队（Stability AI、ByteDance、Playground AI、CagliostroLab 等）。

生图工作台 (dsh-our-imagen)

🚧 当前处于 Preview 早期预览阶段：可插拔后端架构正在演进，首发默认驱动为 Kaggle 免费双卡 GPU；Colab、本地 GPU 及自建 Worker 支持正在接入中。更稳定的插件版本、更多前沿模型正在持续更新，欢迎体验与反馈 issue！

快速上手 · 它是什么 · 后端支持 · 问答 · 开发与测试 · English

💡 它是什么

生图工作台（仓库：dsh-our-imagen）是运行在 DeepSeek Harness (DSH) 上的开源文生图工作台与视觉 Agent 插件。

本插件采用宿主工作台与算力后端解耦的可插拔设计：

你得到一个整页可视化工作台：开机唤醒云端算力，选好模型、敲下灵感、一键生图；
你得到一组开箱即用的对话工具：在聊天窗口里直接跟 AI 说「帮我画一张赛博朋克雨夜街道」，Agent 会自动整理参数、展示确认卡片并调用算力生成；
零门槛免费算力驱动：首发提供开箱即用的 Kaggle 2×T4 免费云端驱动（每周 30 小时免费额度），后续将陆续接入 Google Colab 等免费/自建后端；
不用担心算力浪费与图床隐私：空闲 30 分钟自动关机，图片通过加密安全隧道直接存进你本地工作区的 imagen-output/ 文件夹。

🔌 算力后端支持 (Backend Drivers)

本插件将文生图交互界面与底层推理引擎解耦，支持按需接入不同的算力驱动：

后端驱动	状态	算力规格	成本 / 门槛	说明
Kaggle GPU Driver	已内置 (默认)	2×Nvidia Tesla T4 (30G 显存)	完全免费（每周 30 小时额度）	首发开箱即用，零本地显存负担，自动会合与加密直连
Google Colab Driver	接入中	Nvidia T4 / A100	免费 / 订阅	一键 Notebook 挂载与隧道直连，丰富免费算力来源
自建远端 Worker	规划中	自建服务器 / AutoDL / RunPod	按需计费 / 私有部署	适合拥有私有 GPU 服务器或需要长驻不关机的创作者
本地直连 (Local/ComfyUI)	规划中	本机独显 (RTX 3060/4090 等)	本地硬件	适合拥有本地大显存显卡、追求绝对零延迟与离线运行的用户

🎨 核心能力

1. 独立整页工作台

多款实测开源模型卡片：从疾速出图的 SDXL Lightning、Hyper-SDXL，到画风扎实的 SDXL Base、RealVisXL，再到动漫专项 Animagine XL 3.1 与轻量前沿 FLUX.2 Klein 4B 等。
单轨专注面板：提示词、反向词、尺寸比例（1:1 / 16:9 / 9:16 / 4:3 / 3:4）、步数、随机种子一目了然。
四维轻量润色：光影、材质、构图、氛围一键追加；追加进提示词的是英文短语，界面显示中文标签，不破坏原生提示词意图。
底栏轻胶卷与历史抽屉：刚生成的图随时回看，支持一键「带回全部参数」与「继续生成变体」。

_{独立整页工作台：参数面板 + 实时画布 + 最近胶卷}

2. 创作助手与对话调用

对话直接出图：宿主自动挂载 imagen_generate、imagen_session、imagen_history 等工具，与你的日常对话无缝集成。
自然语言意图对齐：随口说一句画面想法，内置创作助手先帮你翻译为规范的英文提示词、推断合适的比例与推荐模型，先出确认卡片，确认后再跑。
双向无缝流转：聊天中生成的图片，随时可在右侧胶卷点击展开并在整页工作台里二次编辑。

_{对话卡片：先给确认卡，点确定即出图，成果进本地工作区}

3. 本地落盘与自愈防烧

资产 100% 留存本地：生成完毕的数据流通过临时单次 Token 隧道直接写进你工作区的 imagen-output/ 目录，不经过任何第三方公共商业图床。
省心防烧机制：云端 Kernel 空闲超过 30 分钟（时间可配置）自动关机，或者在工作台右上角随时手动关机。
意外断点恢复：本地实时记录 .imagen/session.json。DSH 重启或窗口刷新后，插件会自动探活旧实例并无缝接管，避免重复开机浪费额度。

[ DSH 工作台 / 聊天窗口 ]
          │  /imagen-api/* (本地通信)
          ▼
[ 本地插件 Host (Node.js) ] ── (写入) ──▶ [ 本地 imagen-output/ ]
          │  kaggle kernels push
          ▼
[ Kaggle 云端 (2×Tesla T4) ]
   daemon.py (diffusers)
          │  单次 Bearer Token 加密隧道
          └─────────────────────────────▶ (安全返回本地)

🖼 界面速览

_{深色主题的模型选择卡：九款内置模型逐一对比，标注实测出图耗时}

_{作品画廊：按日期归档，支持搜索、收藏与批量选择}

🎨 模型示例

以下 9 张样张按内置模型逐一给出，均由本插件调用 Kaggle 2×T4 实际生成，仅转存为 WebP，未做后期修图；耗时取自当次生成记录。

_{SDXL Lightning · 雨夜霓虹街道 · 约 9.8 秒}	_{Hyper-SDXL 8-Step · 巴洛克静物 · 约 8.0 秒}	_{SDXL Turbo · 赤月下的武士 · 约 3.9 秒}
_{Playground v2.5 · 云端瀑布梦境 · 约 19.6 秒}	_{SDXL Base 1.0 · 高山湖泊的金色黄昏 · 约 17.1 秒}	_{RealVisXL V5.0 · 海边老渔民肖像 · 约 21.1 秒}
_{FLUX.2 Klein 4B · 极简京都旅行海报 · 约 6.8 秒}	_{Animagine XL 3.1 · 樱花巷口的少女 · 约 21.1 秒}	_{Anima Light Lavender · 薰衣草花田的黄昏 · 约 63.4 秒}

⚡ 三步上手

第一步：准备 Kaggle Token

提示：Kaggle 账号必须在个人设置里完成手机号绑定验证（Phone Verification），平台才会给分配免费 GPU；未绑定的账号会被降级为纯 CPU。

推荐方式（kaggle CLI 2.x）：安装 CLI 后直接登录，凭据会自动写入本机，不需要手动创建文件。

pip install -U kaggle
kaggle auth login

手动方式（旧版 CLI / API Token）：

打开 Kaggle API Settings，点击 Create New Token。
拿到你的 Token（或 kaggle.json），写入本地配置文件：

Windows (PowerShell)：

New-Item -ItemType Directory -Force "$env:USERPROFILE\.kaggle" | Out-Null
Set-Content -NoNewline "$env:USERPROFILE\.kaggle\access_token" "你的_Kaggle_Token"

macOS / Linux (Bash / Zsh)：

mkdir -p ~/.kaggle
printf '%s' '你的_Kaggle_Token' > ~/.kaggle/access_token
chmod 600 ~/.kaggle/access_token

验证：kaggle quota 能打印 GPU/TPU 配额即配置成功。

第二步：在 DSH 中加载插件

推荐用下面两种方式安装（都无需 npm 账号；把 web 换成你的 profile 名，DSH Desktop 客户端通常是 desktop）：

方式 A（推荐）：命令行一条命令从 GitHub 安装
```
dsh plugin --profile web add github:nanxfu/dsh-our-imagen
```
升级：先 dsh plugin --profile web remove dsh-our-free-imagen，再执行上面的安装命令；安装或升级后重启 DSH。
方式 B（推荐）：图形界面安装 DSH 设置 → 插件管理 → 安装插件，粘贴 github:nanxfu/dsh-our-imagen → 安装完成后重启 DSH。

网络受限或需要离线时，可改用：

方式 C：固定版本的 Release tarball（只依赖 HTTPS，适合 GitHub 直连不稳定的网络）

dsh plugin --profile web add https://github.com/nanxfu/dsh-our-imagen/releases/download/v0.7.0/dsh-our-free-imagen-0.7.0.tgz

方式 D：离线 zip + 本地加载（Load Bundle）（完全离线可用）
1. 从 Releases 下载 dsh-our-free-imagen-<version>.zip 并解压；
2. DSH 设置 → 插件管理 → 本地加载（Load Bundle），选中解压后的目录；
3. 点击左侧工具栏新增的「生图工作台」图标。
方式 E：本地源码 link（开发调试，改代码即时生效）
```
dsh plugin --profile desktop add D:\path\to\our-free-imagen
```

npm 包与 1024 插件市场暂未上架，以上方式都可以正常安装与使用。

第三步：点击唤醒并开始出图

进入工作台，点击顶部的 开机 / 唤醒云端；
首次开机 Kaggle 约需 3~10 分钟分配资源并加载模型权重；
云端就绪变绿（Online）后，随写随出，每张仅需数秒。

❓ 常见问答

Q1: 使用这个插件要花钱吗？每周 30 小时 GPU 够用吗？

完全免费，且额度非常充裕。

插件代码采用宽松的 MIT 协议开源。
算力直接借用 Kaggle 平台向所有通过手机认证用户每周免费赠送的 30 小时 GPU（2×Nvidia T4），额度内完全不花一分钱。
每周能出多少张图？
- 以日常主力 1024 高清模型（SDXL Lightning 1024px，实测约 6.2 秒/张）为例，30 小时额度每周最高可出图 17,000+ 张；
- 即使每天重度画图几十到上百张，一周通常也只消耗 1~2 小时额度，日常个人创作额度根本用不完。

Q2: 我的电脑需要配独立显卡吗？

Q3: 首次开机为什么需要等几分钟？

云端冷启动包含几个固定步骤：

Kaggle 调度分配免费 2×T4 虚拟机；
远端运行环境初始化与依赖检查；
下载并装载所选模型权重（若未挂载缓存数据集）。这个过程通常需要 3~10 分钟。一旦就绪，后续连续生成无需等待，稳态下每张图只需要数秒。 插件提供了 30 分钟空闲保活，用完也可以随时点击关机。

Q4: 我的图片会传到第三方云盘或公共图床吗？

Q5: 支持哪些模型？

目前开箱内置多款实测可用的模型配置（定义在 models/*.json）：

SDXL Lightning（默认，4 步疾速，~2s/张）
Hyper-SDXL 8-Step（兼顾细节与速度，~2.5s/张）
SDXL Turbo（实时去噪，极速草图）
Playground v2.5（美感表现优异，色彩丰富）
SDXL Base 1.0（经典标准底模）
RealVisXL V5.0（写实人像与摄影质感专项）
FLUX.2 Klein 4B（轻量新一代扩散模型架构）
Animagine XL 3.1（二次元与动漫风格专项）
Anima Light Lavender（二次元插画专项，Cosmos-Predict2 2B 底座）

🛠 开发与测试

如果你想修改代码、贡献新功能或调试模型：

操作	命令	说明
安装依赖	`npm install`	安装开发与打包依赖
运行单元测试	`npm test`	校验核心状态机与工作流逻辑
契约测试	`npm run test:contract`	校验全套模型配置与接口契约
离线联调	`node test/mock-daemon.mjs`	本地模拟云端双向通信，无需真实 Kaggle 算力
构建工作台	`node build.mjs`	编译前端单文件 Bundle `client.js`
预览与截图	`node tools/preview.mjs --shot`	生成设计预览页（加 `--readme` 同时刷新 README 截图）
生产打包	`npm run package`	生成可发布的 `dist/` 独立插件 Bundle

📱 关注作者

作者抖音账号：Lumen流明（抖音号 42906749348）——「用 AI 把想法变成画面」。打开抖音「扫一扫」关注：

📄 开源许可与致谢

本项目基于 MIT License 开源。
感谢 DeepSeek Harness (DSH) 团队提供出色的宿主扩展体系与设计规范。
感谢 Kaggle 为全球开发者提供稳定的免费 GPU 算力支持。
感谢 Hugging Face diffusers 与各大开源模型团队（Stability AI、ByteDance、Playground AI、CagliostroLab 等）。

nanxfu/dsh-our-imagen

生图工作台 (dsh-our-imagen)

💡 它是什么

🔌 算力后端支持 (Backend Drivers)

🎨 核心能力

1. 独立整页工作台

2. 创作助手与对话调用

3. 本地落盘与自愈防烧

🖼 界面速览

🎨 模型示例

⚡ 三步上手

第一步：准备 Kaggle Token

第二步：在 DSH 中加载插件

第三步：点击唤醒并开始出图

❓ 常见问答

🛠 开发与测试

📱 关注作者

📄 开源许可与致谢

Community comments

nanxfu/dsh-our-imagen

生图工作台 (dsh-our-imagen)

💡 它是什么

🔌 算力后端支持 (Backend Drivers)

🎨 核心能力

1. 独立整页工作台

2. 创作助手与对话调用

3. 本地落盘与自愈防烧

🖼 界面速览

🎨 模型示例

⚡ 三步上手

第一步：准备 Kaggle Token

第二步：在 DSH 中加载插件

第三步：点击唤醒并开始出图

❓ 常见问答

🛠 开发与测试

📱 关注作者

📄 开源许可与致谢

Community comments