Iris Media for DSH：为 DeepSeek Harness 提供多模态媒体生成与视觉理解的插件与 CLI

核心能力与快速开始

★ 8 · JavaScript

能做什么

1) 媒体生成：图像生成（iris_draw_image）、按 Artifact ID 聊天改图（iris_edit_image）、文生视频/图生视频/S2V 数字人视频（iris_generate_video）、音乐生成（iris_generate_music，输出 MP3/WAV）、文本转语音（iris_speak_text）与音频转写（iris_transcribe_audio）。2) 视觉理解与图像处理：看图问答、会话附件重看、长图 OCR、目标定位并返回像素坐标、裁剪、像素差异与热力图、受限环境下 HTML 截图。3) 视频处理：均匀抽帧与结合画面帧和音频转写的视频摘要。4) 任务与产物：异步任务状态查询、重启后接管远端任务、交付恢复、独立作品库（可重新索引旧 outputs/）、带令牌的媒体播放、浏览器上传/会话附件/宿主路径三种文件输入。5) 模型路由：多供应商有序候选池、按 providerId::modelId 分配能力、能力健康状态显示、有限 502 重试与安全切换策略。6) 工作台与提示词优化：Iris 工作台集中配置与任务管理，对话输入区 🫧 泡泡提供可编辑、预览后写回的提示词优化。7) 工具与诊断：16 个服务端 Agent 工具、三项随包 Skill（iris-use、iris-compose-media、iris-verify-ui）、离线 Doctor 与宿主诊断接口。

适用场景

适合已在用 DeepSeek Harness 的团队为 Agent 增加图像/视频/音乐/语音生成与视觉理解工具链，并通过工作台统一配置供应商与查看任务；也适合在无 DSH 环境中以 headless CLI 完成媒体生成、任务跟踪与作品导出。典型用法包括：按提示词画图后对原图改图、分析产品照生成同构图海报、对上传视频摘要并合成语音、生成配乐、长截图 OCR、截图与参考图比对做界面验收，以及在 DSH 会话输入区直接优化未发送的提示词草稿。

项目形态

可直接使用的工具

部署方式

两种路径：路径 A 作为 DSH 插件安装（dsh plugin --profile web add @mokuyoaxis/dsh-iris@<版本> 后 dsh web，Web UI 默认 http://127.0.0.1:3080）；路径 B 为 headless CLI（npm install @mokuyoaxis/dsh-iris，用 npx dsh-iris）。插件按 DSH 原生插件装载，不启动额外服务或监听端口。运行数据默认位于 $DSH_HOME/iris/v1/，CLI 可显式指定 --data-root，同一数据根只允许一个写者。

主要依赖

Node.js ≥ 22（Iris 0.2.x）；旧 npm 0.1.4 历史要求 Node.js 20.10.0。DSH 插件路径要求可用的 DeepSeek Harness 环境（Iris 0.2.x 仅支持准确版本 0.2.0-rc.2）以及 PATH 中的 pnpm；CLI 路径仅需 Node.js ≥ 22 与 sharp，视频抽帧/摘要另需系统提供 ffmpeg 与 ffprobe，复用 Core 帧摘要则不需要。需至少一个受支持的媒体或视觉服务供应商及其 Base URL 与 API Key。

使用限制

项目处于早期版本，接口和配置格式可能随版本迭代调整，Core 内部接口尚未冻结为公共 SDK。版本兼容严格：Iris 0.2.x 仅声明支持 DSH 0.2.0-rc.2，DSH 0.2.0 正式版及其他 rc 未列入支持范围；必须使用完整包名 @mokuyoaxis/dsh-iris（无 scope 的同名包属于另一款插件）。sharp 含原生组件，主要支持 glibc Linux、Windows 和 macOS，裸 Termux 等非标准环境可能需额外处理，安装体积约 27MB。HTML 截图不加载远程脚本、字体或图片。WSL、容器和远程部署中浏览器路径通常不能直接交给宿主读取。供应商返回的模型清单只是候选集合，实际能力以真实调用为准。Iris 不提供独立账号体系，多用户隔离与访问控制由 DSH 部署负责；IRIS_TRUSTED_HOSTS 不是认证机制。生成图片、视频、语音或音乐可能产生供应商费用，费用与额度限制未给出具体数值。

许可证

MIT

最近推送

2026-10-14 09:19

资料检查：2026-10-15 07:00 · 卡片整理：2026-10-15 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

在开发工作中通过 DSH 插件或 headless CLI 调用图像生成、视频生成、音乐生成、语音合成与转写、看图问答、长图 OCR、目标定位、裁剪、像素差异、视频抽帧与多模态摘要等能力，并借助随包三项 Agent Skills 指导单步媒体操作、多步骤创作与界面截图验收。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

产品经理

用于产品界面还原与截图验收：通过 iris-verify-ui Skill 对比当前截图和参考图，定位偏差并给出有证据的结论，区分通过、部分通过、失败和证据不足。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证