ARTICLE · 1380815
这 4 个插件,让 DSH 少花三成 token
为了保证公众号的推文能够第一时间及时送达到大家手上,大家记得关注公众号后 加星标置顶,公众号每天会送上 3 个 DSH 插件 以及1个 AI 工具 给大家学习!
八月 DeepSeek 把 Harness 开源之后,插件市场里冒出几百个项目。名字一个比一个响,翻完 README 再看实测截图,真正能替人省事的其实不多。
先说清 Harness 是什么。它不是模型,也不是网页聊天,而是装在自己电脑上的 agent 运行时,各种能力都靠插件拼起来。
我按「解决一个具体问题」这个标准筛了四个,分别管省钱、回消息、操作电脑、画图,彼此不重叠。
1
一、dsh-ops:把 token 账本压下去三成
5921 star。作者的定位写得很克制——提高 token 效率,别的不管。
它的思路不是砍功能,是砍动作,把多次小调用合成一次。
原来的 agent 读文件靠一次次 read,找配置靠一次次 pwd,一个「修好再跑、跑挂再修」的循环下来,能发起八十多次工具调用。
每次调用都要把上下文重新喂一遍,钱就这么漏掉了。
dsh-ops 加了两个批量工具:ops_bash 和 ops_read_files,把列目录、读多个文件、执行命令合成一次。
同时它还藏起一部分官方工具,可选动作少了,模型犹豫的空间也小了。
官方放出的 benchmark 里,六个任务的总 token 从 111.9 万降到 74.3 万,少了 33.6%。
工具调用从 221 次降到 122 次,几乎腰斩。步数少了两成。通过率保持 6/6,工具报错全程是 0。
有个数据特别说明问题:edit 和 write 的调用数几乎没变(76 到 74、4 到 4),掉下去的全是 read 和 pwd。
read 从 113 次变 12 次,pwd 从 19 次变 0。它没少干活,只是把探索性的读省掉了。
收益也不均匀。修复循环和跨仓库改名这类任务降了四成,简单的 CSV 求和只降两成。越重复读取的任务越受益。
适合天天跑长任务、按 token 付费的人。随口聊两句的场景感觉不出来。
https://github.com/T-Auto/dsh-ops

dsh-ops 官方 benchmark:六个任务总 token 从 111.9 万降到 74.3 万
2
二、dsh-im:在微信里跟自己的电脑说话
3701 star。它解决一个很实际的矛盾:agent 在电脑上跑,人却在外头。
这个插件把 IM 机器人接进 Harness,支持九个平台——微信、飞书、钉钉、企业微信、QQ、Slack、Telegram、Discord、WhatsApp。
接入两条路:扫码,或者手动填凭据。前者适合自己用,后者适合挂到团队已有的机器人上。
装好之后,你在手机上发一句话,电脑那边的 agent 开工,结果回到聊天框。
截图里能看到工作目录、模型、思考强度、Agent 预设都挂在机器人上,还有一个「实时过程卡」能看任务跑到哪一步。
它甚至留了上下文增强的开关,可以选群聊和私聊分别怎么处理。
对写代码的人来说,等于把本地环境带在身上。地铁上想起一个改动,发条消息,到家时结果已经在了。
要注意 IM 那一侧的机器人权限、审核流程另外算,不是装上就通。
https://github.com/xmanrui/dsh-im

dsh-im 的接入面板,九个 IM 平台并列,右侧可配置工作目录与模型
3
三、dsh-windows-mcp:让 AI 真的动鼠标
1736 star。前面两个插件都在文件系统里活动,这个越界了——它让 agent 看你的屏幕,并且操作它。
做法上有点意思:它没有自己重写一套协议,而是挂到 Harness 内置的 MCP 客户端桥上,去驱动 CursorTouch 那个开源的 Windows-MCP。
所以你能用到的能力,本质来自官方桥和那个现成项目,插件本身只是一层接线。
截图里写着桥接了 18 个工具:截屏、UI 自动化、键鼠输入、剪贴板、进程、注册表。
有个细节值得记:装完还得把 Computer Use 开关打开。开关不打开,工具挂在列表里但不动作。
适合把重复的桌面操作交出去,比如每天点同一套软件、导同一批报表。
风险也在这里——它拿的是真实的鼠标键盘权限,等于把你坐在电脑前的能力交出去。
用之前想清楚它会在哪些窗口里活动,别把不该点的东西交出去。
https://github.com/helloHub1212/dsh-windows-mcp

dsh-windows-mcp 插件详情页:桥接 18 个工具,Computer Use 开关需手动打开
4
四、dsh-image-gen:在对话框里把图画出来
1625 star。图像生成插件不少,这个把整条创作链塞进了对话。
能说话生图。能在一张画布上先画草图、圈个地方再让 AI 补成成品。能一次批量出几十张。
也能把几个模型摆在一起横向比,看哪个更对自己的路子。
里面还有五百多条 prompt 灵感库和图库管理,省掉「想不出该怎么说」的那一步。本地装了 ComfyUI 的话也能接。
有个点挺实在:如果你已经有 ChatGPT、Grok 或 Google 的订阅,登录就能生图,不用另外去申请 API Key。
这对只想试试的人来说门槛低很多——不用先决定要不要为一个还没用过的功能掏钱。
写公众号、做封面、临时配图的人用得上。它内建了对话、画布、工作台几个入口,看得出是按日常干活设计的,不是玩具。
真要出一张能印的图,还是得回 Stable Diffusion 那条老路。
https://github.com/shanliuling/dsh-image-gen

dsh-image-gen 功能全景:从草图到成品再到批量变体的四步流程
四个插件,四种不同的省事:一个砍开销,一个把人从桌前解绑,一个把手伸向桌面,一个接过画图这摊活。
它们都不大,解决的也都是具体的小问题。但在 DSH 这个还很年轻的生态里,只干一件事的插件往往比大而全的更好用。
DSH 目前仍标着 developer preview,接口还会变。装之前心里有数。
--完--
~
读到这里说明你喜欢本公众号的文章,欢迎 置顶(标星)本公众号 婷瞳,这样就可以第一时间获取推送了~
觉得内容还不错的话,给我点个“在看”呗

















































































