dsh-screenshot

对话框下面加一个「截图」按钮：点一下，DSH 窗口收起，你拖个框，选中的那块图直接落进输入框。

干什么用的

平时想让模型看屏幕上的东西，得自己开截图工具、截图、保存、再拖进输入框。这个插件把这段收成一次点击：

1. 点「截图」→ DSH 窗口最小化，屏幕上别的东西露出来
2. 整屏变暗，鼠标变十字，拖一个矩形（框边实时显示 宽 x 高）
3. 松手 → 只裁框住那块 → DSH 窗口弹回来 → 图片躺在输入框的附件条里

不想框？按住 Alt 再点，直接整屏。想反悔？右键或 Esc，什么都不放，也不报错。

要求

• Windows 10 / 11（抓屏走 PowerShell + GDI+，别的平台还没写）
• DSH 桌面版，0.2.1 及以上
• 系统自带的 Windows PowerShell 5.1 就够了，不用装 pwsh

安装

在 DSH 的「插件」页里添加本目录（本地目录安装）。或者由 Agent 调 plugin_manager 的 install_bundle，指向这个目录的绝对路径。

装完刷新页面；如果是从旧版更新，把 DSH 完全退出再打开，Host 半才会换成新代码。

用法细节

操作	结果
点「截图」	框选一块区域
Alt + 点	整屏
拖动	框选，实时显示尺寸
右键 / Esc	取消

成品长边超过 1920 会自动缩一档，避免把几 MB 的原图塞给模型。框选出来的图会按原样保留（不缩），除非它本身就超了 1920。

实现

三个文件，各管一段：

文件	职责
client.js	输入框下面那个按钮。取到图后调 conversation.createDrafts() + inputActions.addAttachments()，把 PNG 变成输入框里的待发附件
index.js	Host 半。注册 POST /dsh-screenshot/capture，过一遍 ctx.connection.requestRejection() 的鉴权，然后串行地跑 PowerShell，回 PNG 字节
capture.ps1	真正干活的：沿进程树找到 DSH 的窗口句柄 → 最小化 → 抓虚拟桌面 → 铺一层可选区的遮罩 → 裁切/缩放 → 存 PNG → 不管成败都恢复窗口

几个设计取舍：

• 先抓整屏再选，选完从那张原图上裁。所以成品里不会带上遮罩、边框、尺寸提示，也没有「截图时窗口还没最小化完」的时序问题。
• 选择器只编译一次。C# 现编译在冷机上要十几秒，所以编译产物缓存到 %TEMP%\dsh-screenshot\selector-v1.dll，之后每次调用稳定在 1.5 秒上下。
• 鉴权走 DSH 自己的那套。路由没有另开鉴权，直接用 connection.requestRejection()，所以只有带着本机浏览器会话 cookie 的页面能调，命令行 curl 过去是 401。
• 图片不落盘：Host 写到临时目录，客户端取走字节后立刻删。

已知限制

• 只有 Windows。
• 多显示器且各屏缩放比不同时，坐标可能有偏差（目前按系统 DPI 处理）。
• 框选期间是全屏模态的：想截某个应用里展开的菜单，得先用快捷键把菜单调出来再点截图。
• 没有全局快捷键，入口只有输入框下那个按钮。

验证状态

• 框选、裁切、窗口恢复：在本机真实桌面上用合成鼠标事件跑通过，产出的图就是框住的那块。
• 取消路径：脚本退出码 2 → 路由回 409 → 前端静默复位，不弹错误。
• 鉴权：不带浏览器 cookie 直接 POST 返回 401。
• 浏览器里真实点击这一下：没有浏览器自动化手段，靠手动验证。

License

MIT