Agent_Extensions

AI Agent 技能与 DeepSeek Harness（DSH）扩展集合 —— 通用智能体 Skill + DSH 原生插件 + Hermes 插件，开箱即用。

本仓库收集、翻译并自包含封装 AI Agent 相关的技能资源，并面向 DeepSeek Harness（DSH）提供标准插件形式的扩展。所有内容均为自包含（技能/插件内自带脚本、模板与文档，不依赖仓库外文件），克隆即可用。

来源说明：dsh-plugins/ 除 dsh-annotation-patched（fork 自 omdsh-dev/dsh-annotation）外均为本仓库原创；General_skills/ 与 hermes_plugins/ 为收集、翻译并自包含封装的社区开源技能/插件（作者已在各 SKILL.md/plugin.yaml 中标注），全部按 MIT 许可分发。

✨ 内容总览

1️⃣ 通用技能（General_skills）—— 跨框架可用

任何智能体框架（Claude Code / Codex / opencode / DSH / Hermes 等）均可把目录作为 Skill 挂载：

技能	能力	依赖
`vision-skill`	识图：本地图片 → 视觉模型描述（Qwen 动态分辨率方法，OpenAI 兼容接口）	Python 3 + 视觉模型 API Key
`video-notes-generator`	视频 URL → 结构化 Markdown 笔记（时间戳 / 抽取帧 / 多模态图像观察 / AI 总结），支持 Bilibili / YouTube / 抖音 / 快手 / 本地文件	Python 3 + 依赖（见 `scripts/install_deps.sh`）
`ppt-master`	源文档（PDF / DOCX / URL / Markdown）→ 多角色协作生成 SVG 页面 → 导出 PPTX	Python 3（标准库为主，可选依赖见 `requirements.txt`）
`markitdown-skill`	微软 MarkItDown：PDF / DOCX / PPTX / XLSX / HTML / EPUB 等 → 统一 Markdown	Python 3 + `pip install -r requirements.txt`
`generic-agent-code-run`	GenericAgent 风格 `code_run`：Windows 桌面应用 / 真实浏览器自动化（Win32 / UIA / OCR / 截图 / CDP）+ 观察-行动-验证循环	Python 3 + 对应库

所有技能均内置 SKILL.md（agent 运行时加载的指令），部分附 scripts/、templates/、references/。

2️⃣ DSH 原生插件（dsh-plugins）—— 零框架补丁

面向 DeepSeek Harness 官方扩展接缝（ctx.skills / ctx.tools / ctx.credentials），可随 DSH 版本升级：

插件	能力	依赖
`dsh-vision-skill` v2.1	识图插件：7 个工具 + 渐进式工具暴露 + Credential 化 + 路径围栏	Node.js + DSH（`dsh-tools` / `dsh-credentials`）、Python 3 + Pillow、视觉模型 API Key
`dsh-memory`	跨会话长期记忆：L1 索引注入（每轮实时、KV 缓存友好）+ L2 环境事实 + L3 任务经验，行动验证写入	Node.js + DSH（`dsh-tools`）
`dsh-annotation-patched`	选中批注/引用插件（fork 增强）：选中助手回复文字 → 批注（可空）或一键「引用」→ 回车随消息发送，回复按 `Annotation N` 逐条对照；增强：Codex 式「引用」按钮（显式确认制）+ 幽灵引用修复	Node.js + DSH（纯浏览器端 bundle，零 Node 逻辑）

3️⃣ Hermes 插件（hermes_plugins）

插件	能力	依赖
`language-router` v5.0	自适应语言路由：Planner-first → Worker → 可选 Verifier → Digest 流程（NousResearch / Diana 出品），hooks 挂载 `pre_llm_call` / `pre_api_request` / `post_api_request`	Hermes 框架

📁 目录结构

Agent_Extensions/
├── General_skills/            # 通用智能体技能（跨框架，挂载即用）
│   ├── vision-skill/          # 识图
│   ├── video-notes-generator/ # 视频转结构化笔记
│   ├── ppt-master/            # 文档 → SVG → PPTX
│   ├── markitdown-skill/      # 任意文档 → Markdown
│   └── generic-agent-code-run/ # Windows 桌面/浏览器自动化
├── dsh-plugins/               # DeepSeek Harness（DSH）原生插件
│   ├── dsh-vision-skill/      # 识图插件 v2.1（7 工具 + 渐进式暴露 + Credential 化）
│   ├── dsh-memory/            # 跨会话分层长期记忆
│   └── dsh-annotation-patched/ # 选中批注/引用插件（fork 增强，Codex 式选中即引用）
├── hermes_plugins/            # Hermes 框架插件
│   └── language-router/       # 语言路由（planner-first）
└── README.md

🚀 快速开始

方式一：挂载通用技能（任何框架）

以 vision-skill 为例：

# 1. 复制技能目录到你的 agent 的 skills 目录
#    （Claude Code: ~/.claude/skills/ ；Codex: ~/.codex/skills/ ；其他框架见其文档）
cp -r General_skills/vision-skill <你的 skills 目录>/

# 2. 配置视觉模型（OpenAI 兼容接口）
cd General_skills/vision-skill
cp templates/.env.example .env   # 填入 VISION_API_URL / VISION_MODEL / VISION_API_KEY

# 3. 自检
python scripts/vision.py --check

其他技能用法详见各目录内 SKILL.md。

方式二：安装 DSH 插件（以 `dsh-vision-skill` 为例）

完整步骤见 dsh-plugins/dsh-vision-skill/README.md，推荐 bundle 标准安装：

# 1. 克隆仓库
git clone https://github.com/DDDFXYqiming/Agent_Extensions.git
cd Agent_Extensions/dsh-plugins/dsh-vision-skill

# 2. 安装依赖（dsh-tools / dsh-credentials）
pnpm add "@deepseek-ai/dsh-tools@rc" "@deepseek-ai/dsh-credentials@rc"

# 3. 注册到 web profile（自带 cordis.patch.yml，自动贡献 id: vision-skill）
dsh plugin --profile web add <本目录绝对路径>

# 4. 配置 Credential（$DSH_HOME/.credentials.yaml）
VISION_API_KEY: sk-xxxx

⚠️ bundle 安装后不要在 profile 的 cordis.patch.yml 里再 insert 同名条目，否则会触发 duplicate loader entry id 启动崩溃；需要自定义配置时用裸条目按 id 覆盖（见插件 README）。

方式三：安装 Hermes 插件

将 hermes_plugins/language-router 目录放入 Hermes 插件目录即可（plugin.yaml 声明了全部 hooks 与版本信息）。

🧩 DSH 插件能力一览

dsh-vision-skill v2.1（7 工具 + 1 运行时 skill）

工具	能力
`vision_analyze`	识图（5 模式 + `mega` 超高清 16M 像素预算）
`vision_ocr` / `vision_long_screenshot_ocr`	独立 OCR / 超长截图分块 OCR（带重叠切块 → 逐块识别 → 合并）
`vision_ground` / `vision_detect`	目标定位 / 元素枚举（像素坐标框 + 归一化坐标）
`vision_dominant_colors`	主色分析（本地像素算法，无需 API）
`vision_clipboard`	剪贴板图片兜底（应对"当前模型不支持图片"粘贴拦截）

工程化特性：渐进式工具暴露（全局只挂 1 个轻量激活工具，省上下文）、密钥 Credential 化（credential: VISION_API_KEY 引用，每操作解析）、路径围栏（realpath 校验防穿越）、超时与并发门控、严格 JSON Schema 结构化输出。

dsh-memory（分层长期记忆）

组件	说明
`memory:index`	通过 `ctx.systemPrompt.context` 每轮实时注入 L1 索引（读文件即生效，无需重载）
`memory`（运行时 skill）	触发语义：何时读 / 何时写 / 何时同步索引
`memory_list`	列出全部记忆（L2 facts + L3 sops + 索引行数）
`memory_read`	读取指定记忆（index / fact 主题 / sop 文件名）
`memory_write`	写入记忆（fact/sop，evidence 必填 = 行动验证公理）
`memory_index`	重建 L1 索引自动段（保留 `[RULES]` 手动段）

核心公理：行动验证（No Execution, No Memory）、神圣不可删改（已验证事实可压缩迁移、严禁丢弃）、禁易变状态（时间戳/PID/临时路径不存）、最小充分指针（L1 只写存在性）。注入走 user-role 快照，不破坏 DSH 的 KV 缓存命中率（设计细节见插件 README）。

dsh-annotation-patched（选中批注/引用，fork 增强）

能力	说明
选中批注	选中助手回复文字 → 批注（可留空）→ 回车随消息发送；自己的气泡不显示批注块（零闪烁隐藏）
逐条对照	模型按 `Annotation 1: …` 逐条回应，回复中为可悬停芯片（回看原文+批注）
Codex 式「引用」按钮（增强①）	选中文字 → 工具栏「引用」按钮 → 回车即带（空批注纯引用），显式确认制，复制/阅读选中不会误触发
幽灵引用修复（增强②）	拼稿即清待发送集（原版依赖装饰扫描轮询清理存在竞态残留）

来源：omdsh-dev/dsh-annotation v1.3.13（MIT），全部改动带 PATCH(2026-08-14) 标记，详见目录内 README.md。

⚙️ 环境要求

使用场景	要求
通用技能（vision / video / ppt / markitdown / automation）	Python 3.x + 各技能列出的 pip 依赖
DSH 插件	Node.js + DSH（`@deepseek-ai/dsh-tools`、`@deepseek-ai/dsh-credentials`）
dsh-vision-skill / vision-skill	额外需要 Python 3 + Pillow，以及任意 OpenAI 兼容多模态模型 API Key（Qwen-VL / MiniMax-M3 / Gemini / GPT-4o，默认 MiniMax-M3）
Hermes 插件	Hermes 框架

❓ FAQ

Q：通用技能和 DSH 插件怎么选？
A：通用技能跨框架，任何 agent 都能挂载；DSH 插件是 DSH 原生扩展，走官方接缝（工具注册 / Credential / 上下文注入），能力更强但只适用于 DSH。两者能力互通——dsh-vision-skill 就是把 General_skills/vision-skill 包装成 DSH 原生插件。

Q：我的模型不支持图片，能识图吗？
A：能。直接贴图会被框架拒绝（MODEL_DOES_NOT_SUPPORT_IMAGES），改用两种方式：① 发图片的本地路径文本；② 截图后说"看图"，vision_clipboard 自动保存到工作区再识别。这是纯文本模型的能力门禁，不是插件问题。

Q：视觉 API 用哪家？
A：任意 OpenAI 兼容的多模态模型接口，通过 VISION_API_URL / VISION_MODEL / VISION_API_KEY 注入，不写死任何厂商。

Q：子目录之间有关联吗？
A：没有。每个子目录是独立的自包含单元，可单独使用、单独发布、单独删除。

🤝 贡献

每个子目录是独立的自包含单元，欢迎以 PR 提交新技能/插件，或提 Issue 反馈问题。
贡献要求：自包含（自带脚本/模板/文档）、许可证清晰（建议 MIT）、不写死密钥与本机绝对路径。
新增技能的入口文档统一为 SKILL.md，DSH 插件另附 cordis.patch.yml 与 package.json。

📄 许可

本仓库全部内容以 MIT License 分发。社区来源内容保留原作者署名（见各子目录 SKILL.md / plugin.yaml 头部）。