🎁 福利专区全网大模型免费应用 + 新用户福利 + 注册活动入口,低成本玩转 AI

视觉工作台 manhoolee/hoosland-visual-workbench

DeepSeek Harness
manhoolee65 天前有提交已提供中文文档扫描:未发现敏感能力

用 Skill 与 MCP 规划并生成优化视觉 Prompt

28.2/100
综合分
0
GitHub 星标
—
npm 周下载
—/5
用户评分

数据截至 2026/9/16 · 周下载取自 npm 全网(含 CI / 镜像),非本站安装数;综合分由星标、活跃度与兼容性检查合成。

安装命令 · 需先装 dsh CLI 引擎
dsh plugin --profile web add manhoolee/hoosland-visual-workbench
该包不可直接 npm 安装,改从 GitHub 源安装(明细见下方安装检查)

状态速览

判定依据:实装验证 · 静态安装检查 · 自动扫描 · 仓库维护状态
信任档位:已验证
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
L4 · 真实安装等级说明 →
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
更新放缓:最近一次提交在 65 天前
档位由哪些信号合成

本站实装验证(真实安装 L4 覆盖全站;L5 为运行时冒烟或实机截图,覆盖范围小于 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 →
社区实装还没有人打卡 · 装过的第一个就是你
安全扫描自动 · 静态分析源码
v2.7.0
🟢 扫描:未发现敏感能力尚无人工评估
展开查看扫描说明与证据 ↓

静态扫描未发现敏感能力:最多只发网络请求、读取自身元数据或只读文件,未发现执行命令、文件写入或敏感信息读取。

发起外部网络请求
查看扫描证据(共 18 处,展示前 6 条)
  • 发起网络请求
    frontend/src/api.ts:293
    const response = await fetch(apiUrl("/api/projects"), {
  • 发起网络请求
    frontend/src/api.ts:309
    const response = await fetch(apiUrl(`/api/projects/${projectId}/conversations`), {
  • 发起网络请求
    frontend/src/api.ts:324
    const response = await fetch(apiUrl(`/api/conversations/${conversationId}`), {
  • 发起网络请求
    frontend/src/api.ts:352
    const response = await fetch(apiUrl("/api/admin/conversations"), {
  • 发起网络请求
    frontend/src/api.ts:369
    const response = await fetch(apiUrl("/api/admin/projects"), {
  • 发起网络请求
    frontend/src/api.ts:409
    const response = await fetch(apiUrl(`/api/conversations/${conversationId}/messages`), {
扫描于 2026/11/3(1 天前) · 范围 全包扫描 · 来源 GitHub 仓库

静态扫描只反映源码中出现的调用,不构成安全背书;人工评估与自动扫描相互独立、互不覆盖。

给这个插件打分还没有人投票↓
用户评分
还没有人投票,来当第一个

功能亮点

  • 规划视觉Prompt
  • 生成优化视觉Prompt

基于插件的智能可视化工作台,由 DeepSeek Harness、Oscar Director 和 FANTASY Visual Studio 驱动。

README

由 DeepSeek 最新模型翻译生成
Hoosland 视觉工作台 基于 DeepSeek Harness 的插件式智能视觉工作台。它使用 LLM 动态规划任务,通过 Skill 加载视觉专业方法,通过 MCP 调用视觉分析和生图 Provider。 当前 V0.1.0 支持: - 从创意、文字、剧本片段或参考图生成视觉 Prompt; - 诊断、压缩和优化已有 Prompt; - 用户明确要求时,通过 MCP 调用文生图或携带本轮参考图的 Edits API; - Oscar 导演与类型片电影语言; - FANTASY Visual Studio 六套视觉工作流; - 新风格 Skill 的后续插件式扩展。 设计原则 工作台不是固定模板拼接器。DSH LLM 先理解目标、附件和历史,再选择最小有效 Skill 集,决定分析与工具调用顺序,检查真实结果后继续、重试或交付。
展开完整文档(README 剩余 1 节)
Hoosland 视觉工作台

基于 DeepSeek Harness 的插件式智能视觉工作台。它使用 LLM 动态规划任务,通过 Skill 加载视觉专业方法,通过 MCP 调用视觉分析和生图 Provider。

当前 V0.1.0 支持:

- 从创意、文字、剧本片段或参考图生成视觉 Prompt;
- 诊断、压缩和优化已有 Prompt;
- 用户明确要求时,通过 MCP 调用文生图或携带本轮参考图的 Edits API;
- Oscar 导演与类型片电影语言;
- FANTASY Visual Studio 六套视觉工作流;
- 新风格 Skill 的后续插件式扩展。

设计原则

工作台不是固定模板拼接器。DSH LLM 先理解目标、附件和历史,再选择最小有效 Skill 集,决定分析与工具调用顺序,检查真实结果后继续、重试或交付。

flowchart LR
U[用户 / 参考图 / Prompt] --> API[React + FastAPI]
API --> DSH[DeepSeek Harness Agent]
DSH --> C[visual-workbench-controller]
C --> S[Oscar / FANTASY / Future Skills]
C --> O[visual-prompt-optimizer]
O --> G[visual-image-generator]
DSH --> MCP[MCP Capability Gateway]
MCP --> V[vision_analyze]
MCP --> I[image_generate]
P[Optional Cordis policy plugin] -. source-runtime extension .-> DSH

层级职责:

| 层 | 职责 |
| DSH / Cordis | LLM、Agent loop、会话、工具、Skill、MCP、沙箱与插件生命周期 |
| 视觉总控 | 动态规划、Skill 路由、依赖排序、结果判断与迭代 |
| 视觉专项 | Oscar、FANTASY 和未来风格系统的专业判断 |
| Prompt 优化器 | 把多来源视觉决策编译为单一、无冲突、可执行 Prompt |
| 生图执行器 | 校验用户意图和参数后调用 MCP 生图工具 |
| policy plugin | 可选源码运行时扩展;观察权威工具结果并阻止未完成 Prompt 优化就直接生图 |

当前打包版 DSH 0.1.1rc1 不默认挂载仓库外的本地 ESM policy plugin;默认运行链由总控、Prompt 优化器、生图执行 Skill 与 MCP 网关组成。plugins/visual-workbench-policy 保留为经过单元测试的源码运行时扩展,待兼容的插件安装方式可用时启用。

当前 Skill 图

- visual-workbench-controller:唯一确定性总控;
- oscar-director-cinematography:导演、类型片和摄影语言;
- fantasy-router:FANTASY Visual Studio 路由;
- fantasy-portrait-suite;
- fantasy-editorial-suite;
- fantasy-cinematic-suite;
- fantasy-cultural-poster;
- fantasy-fun-social;
- fantasy-photo-utility;
- visual-prompt-optimizer;
- visual-image-generator。

未来新增风格时,在 skills//SKILL.md 新增直接子目录并注册到 skills/manifest.json。通用优化器、生图执行器和 DSH 核心无需修改。

快速开始

环境要求:Python 3.11、Node.js 20.19+ 或 22.12+、可用的 DeepSeek 或兼容模型凭证。

python3.11 -m venv .venv
./.venv/bin/pip install -r backend/requirements.txt

cd frontend
npm ci
npm run build
cd ..

export DEEPSEEK_API_KEY="replace-me"
export HARNESS_SKILL_DIRS="$(pwd)/skills"
export IMAGE_GENERATE_API_BASE_URL="https://provider.example/v1"
export IMAGE_GENERATE_API_KEY="replace-me"

cd backend
../.venv/bin/python -m uvicorn app.main:app --host 127.0.0.1 --port 8000

浏览器打开 http://127.0.0.1:8000。密钥不要写入仓库;完整变量见 backend/.env.example。

验证

bash ./scripts/test.sh

测试覆盖后端 API、DSH Prompt/Skill 契约、MCP 边界、可选 Cordis policy plugin、FANTASY 模式引用以及前端 TypeScript 构建。真实模型和真实生图 Provider 仍需单独完成 E2E。

文档

- 设计文档
- 开发文档
- 架构
- Skill 与调度
- 配置
- 测试与验收

项目状态

V0.1.0 是开发者预览版。DeepSeek Harness 本身仍在快速迭代,可能出现不兼容变更;依赖升级前必须运行配置、Skill、MCP、插件和真实 Provider 回归。

许可

本项目原创代码和原创 Skill 规则按 MIT 发布,原创文档按 CC BY 4.0 发布。Oscar 与 FANTASY 来源及再分发边界见 NOTICE。
预览分享卡片长什么样 ↓manhoolee/hoosland-visual-workbench
分享 · DeepSeek Harness Hub
manhoolee/hoosland-visual-workbench

用 Skill 与 MCP 规划并生成优化视觉 Prompt

这是你的仓库?认领条目

回到顶部