← 返回列表
✓ 可直接安装
面向 Windows 的 DSH Computer Use
自动检查通过：npm 包已发布且 engines 声明满足基线（声明 Node >=20）；该结论来自程序自动检查，未经人工实机验证。 · 最近上游提交 2026/9/3 · 已提供中文文档
Windows 计算机使用 for DeepSeek Harness (DSH)：窗口绑定的截图/OCR/点击，带验证循环、纯 OCR 模式、可插拔视觉模型。
综合分
30.1
GitHub 分
30.1
用户评分
—
★ Stars
3
周下载量
—
安装插件（需先安装 dsh CLI 引擎：npm install -g @deepseek-ai/dsh）
dsh plugin --profile web add dsh-computer-use-windowsnpm 包 dsh-computer-use-windows 已校验归属本仓库，走 npm 安装最省事
信任档位：已验证本站已于 1 天前真实安装成功
- 是什么
- dsh 原生插件 · vision
- 装得上吗
- 本站已真实安装成功（非静态推断）
- 安全吗
- 本站尚未对该插件做风险分级（暂未覆盖，不等同于无风险）
- 还在维护吗
- 活跃：最近一次提交在 22 天前
档位由下列信号合成：本站实装验证（真实安装，当前最高到 L4）· 验证所用 dsh 版本 · 静态安装检查 · 风险分级 · 仓库维护状态。下方各区块是它的证据明细。 验证判据与等级说明 →
🟢实装验证通过· 2026/9/24
由本站实装验证器在真实 dsh 环境安装成功，非静态推断。
数据截至 2026/9/24（元数据每日更新 · 实装验证按队列轮转，单条结论的验证时间见上方）
安装兼容性检查✓ 自动检查通过
以下结论由程序自动检查 npm 包、engines 声明与入口文件得出，未做人工实机验证——能装不等于用着没问题。
✓npm 包dsh-computer-use-windows @ 0.2.1
✓Node 引擎要求 >=20 · 基线 Node 22.19 满足
✓dsh CLI 依赖未声明 dsh 版本约束
✓入口文件main/exports/bin 已声明
验证方式：npm registry 存在性 + package.json 静态校验 · 最后验证 2026/9/24 11:30:03
依赖的 DSH / Cordis 模块
@deepseek-ai/dsh-tools@deepseek-ai/schemastery用户评分
还没有人投票，来当第一个
订阅周报，不错过优质插件更新
每周一封 · 高评分插件 + 新用户活动
README
由 DeepSeek 最新模型翻译生成面向 Windows 的 DSH Computer Use
面向 DeepSeek Harness 的实验性 Windows computer-use 插件包，围绕窗口范围感知、文本定位操作与操作后验证构建。
该仓库源于一个真实的桌面自动化失败模式：当截图包含无关窗口、OCR 位置漂移，或点击悄无声息地落在错误的 UI 状态上时，仅靠坐标的控制十分脆弱。因此，本实现将每个操作都视为可观察的状态转换，而非盲目的坐标命令。
中文简介：面向 DeepSeek Harness 的 Windows computer-use 实验插件。核心是目标窗口绑定、OCR 文本定位、点击后验证与失败重试；视觉模型是可选项，纯 OCR 模式不需要外部 VLM。
状态
实验性 alpha 版本。 该仓库包含真实的 DSH 插件封装（plugins/index.js）、辅助运行时（helper/cu.ps1）、bundle 补丁、技能文档、本地健康检查以及托管的 Windows 静态 CI。它适用于开发和受控测试，但该项目尚未宣称具备生产级的无人值守桌面自动化能力。
剩余的发布门槛是在具有代表性的交互式 Windows 配置上进行干净安装 / 真实 DSH 验证矩阵测试。
设计不变式
| 不变式 | 存在的原因 |
| --- | --- |
| 窗口范围坐标 | 截图、OCR 结果和点击必须引用同一个目标窗口坐标系 |
| 文本优先于坐标 | 当文本可观察时，click_text 从 OCR 解析目标，而不是让模型猜测像素 |
| 操作后验证 | 只有当预期的操作后状态可被观察到时，点击才算成功 |
| 带证据重试 | 偏移重试会返回尝试过的位置和验证结果，而不是隐藏失败 |
| 视觉可选 | 确定性 OCR 路径仍然可用，无需将截图发送到外部模型 |
| 凭据保持外部化 | 模型/API 凭据从环境或主机凭据存储中读取，而非提交到配置中 |
已实现的接口
| 能力 | 当前接口 |
| --- | --- |
| computer_screenshot | 带坐标元数据的全屏或目标窗口截图 |
| computer_ocr | 带词坐标、过滤和模糊查询支持的 Windows OCR |
| computer_click_text | OCR 定位 → 点击 → 验证 → 有界偏移重试 |
| computer_mouse / computer_keyboard | 鼠标、拖拽、滚动、键盘和面向剪贴板的输入原语 |
| computer_window | 枚举、聚焦和解析目标窗口 |
| computer_use_run | 通过一次工具调用批量执行操作 |
| computer_vision | 可选的可插拔 OpenAI 兼容视觉端点 |
| computer_calibrate | DPI / 残差校准支持 |
面向 DSH 的工具注册位于 plugins/index.js；Windows 实现保留在 helper/cu.ps1 中，以便平台特定机制与宿主适配器保持隔离。
模式
仅 OCR
{
"vision": {
"enabled": false
}
}
在此模式下，不会有意将任何截图发送到远程视觉模型。
可选视觉提供程序
{
"vision": {
"enabled": true,
"provider": "openai-compatible",
"base_url": "https://your-vlm.example.com/v1",
"api_key_env": "MY_VLM_KEY",
"model": "your-model"
}
}
API 密钥通过环境变量名称引用；它不会存储在仓库配置中。
本地交互式冒烟检查
要求：
- 推荐使用 Windows 11；
- PowerShell 7.4+；
- 用于 DSH 插件表面的 Node.js 20+；
- 用于依赖 OCR 的工作流的 Windows OCR 语言包。
在目标 Windows 工作站上运行：
./scripts/check-health.ps1
该脚本会演练辅助程序健康检查路径和窗口枚举。缺少 OCR 语言支持会报告为警告，而不会被静默视为可用。
如需直接调用辅助程序：
$env:CU_ARGS = '{"cmd":"screen"}'
& ./helper/cu.ps1
托管 CI
GitHub Actions 在 windows-latest 上运行，并且有意只执行在托管 Windows Server 运行器上有效的确定性检查：
1. DSH 插件包装器的 JavaScript 语法；
2. 辅助程序和诊断入口点的 PowerShell 解析器正确性；
3. package / bundle / skill 入口点的存在性。
完整的 scripts/check-health.ps1 路径不会被视为托管 CI，因为它依赖于 Windows Runtime/OCR 的可用性以及交互式桌面会话。这些属性与目标 Windows 工作站不同，必须单独记录为发布证据。
仓库结构图
.
├── plugins/index.js # 面向 DSH 的工具适配器
├── helper/cu.ps1 # Windows 实现
├── skills/computer-use-windows/ # 面向 agent 的使用契约
├── scripts/check-health.ps1 # 本地交互式冒烟/诊断入口点
├── docs/
│ ├── design.zh.md # 架构与配置设计
│ ├── experiment-findings.zh.md # 原始工作流的失败分析
│ └── research-plan.zh.md # 对比 / 验证问题
├── cordis.patch.yml # DSH bundle 组成
└── package.json
发布就绪工作
在宣布其稳定之前，项目应证明：
- 针对固定的当前 DSH 版本进行干净安装；
- 在 Windows 11 上至少有一个可复现的纯 OCR 工作流；
- DPI 缩放检查（在可行的情况下为 100% / 125% / 150%）；
- 英语和简体中文 OCR 语言包行为；
- 当目标窗口消失或无法满足验证时的显式失败行为；
- 记录哪些操作是确定性的，哪些依赖于已配置的 VLM。
安全边界
本软件可以向桌面应用程序注入鼠标和键盘输入。请仅在您有权操作的系统 and 应用程序上使用它。目标窗口检查可减少与无关窗口的意外交互，但并不能使任意桌面自动化变得无风险。
如果启用了视觉功能，截图可能会被传输到配置的端点。当截图必须保留在本地时，请使用仅 OCR 模式。
许可证
MIT。参见 LICENSE。