dsh-image-gen 是一个专为 DeepSeek Harness (DSH) 设计的 AI 图像创作插件。它不仅仅是简单的对话生图，而是为 DSH 补齐了从自然语言连续修图、Studio 批量创作、多模型横向对比，到 500+ Prompt 灵感库与本地 ComfyUI 的全流程能力。
四种创作方式
该插件通过四个核心模块覆盖了不同的创作场景：
- 对话：在聊天框中用自然语言描述需求，即可完成文生图、图生图、多图参考、连续编辑和原位重新生成。例如，你可以直接说“画一张雨夜霓虹街头的赛博朋克猫咪，电影感光线，16:9”。
- 工作台 (Studio)：当你需要更精确的控制时，可以使用工作台进行批量生成、多张参考图输入和高级参数调整。
- 灵感：内置了 500+ Prompt 案例，支持搜索、筛选、收藏和复制，可以一键带入工作台。
- 图库：统一管理对话和工作台中保存的图片，支持按工作区隔离、搜索、筛选、收藏、下载和批量管理。
生图插件千千万，只有这个把你的聊天框变成了生图总控台！
DeepSeek Harness 装上 dsh-image-gen 后，你的聊天框直接变成了一个能对话修图、批量出图、横向对比四个模型、还能调用本地 ComfyUI 的生图总控台，全程不用切换任何界面。
DeepSeek 在 2026 年 8 月开源了 Harness 智能体框架。这个框架的核心逻辑是“模型负责思考，Harness 负责执行”。但 Harness 自己不带图像生成能力。dsh-image-gen 就是专门来补这个缺的。它让你在聊天框里打字就能生图、修图、批量出图、让四个模型同时画同一张图做对比，还能连上你本地的 ComfyUI 走私有化工作流。现在问题来了：市面上生图工具那么多，Midjourney 画质好，ComfyUI 控制强，ChatGPT 能对话修图——这个插件凭什么让你专门为它折腾一次安装？
你以为是多了一个生图按钮，其实是把你的聊天框变成了生图总控台
dsh-image-gen 跟所有其他生图工具最根本的区别在于：它不让你去任何新界面。
Midjourney 在 Discord 里，你得在频道里输入 /imagine，然后等机器人回复。ComfyUI 打开是个节点画布，你得拖拽连线。ChatGPT Images 在网页对话框里生图，但你不能批量出图，不能同时让四个模型 PK，更连不上本地的 ComfyUI。
dsh-image-gen 的逻辑是：你已经在 DeepSeek Harness 的聊天框里了。这个聊天框本来就能调用各种工具——联网搜索、代码执行、文件读写。现在多了一个能力：生图。
你不用切页面。不用开新标签。不用在 Discord 和浏览器之间来回跳。所有操作——描述需求、上传参考图、修改上一张图、批量生成、多模型对比——全在同一个聊天流里完成。
这听起来像个小优化。但实际操作中的体验差别是：你从“生图得换个地方”变成了“生图就是聊天的一部分”。
对话生图和连续编辑，不是“能改”而是“改得顺手”
大多数生图工具都支持“改”。但“能改”和“改得顺手”是两码事。
dsh-image-gen 的对话生图走的是“原生工具调用”路线。你给 Agent 发一句“画一张雨夜霓虹街头的赛博朋克猫咪，电影感光线，16:9”，Agent 调用 generate_image，图片直接出现在对话流里。然后你接着发“给这只猫咪戴上一副黑色墨镜”，Agent 调用 edit_image，复用上一张图继续修改。
这里面有两个关键设计。
第一，连续多轮编辑复用的是“当前会话中的图片”——不管是上传的参考图、历史生成的图、还是上一轮编辑的结果。你不用手动选图、不用复制图片 ID、不用重新上传。对话上下文天然就是图片的版本链。你改了三轮，每一轮的图都在对话流里，往前翻就能看到每一步的变化。
第二，生成过程中的状态是可见的。Codex 订阅模式下显示 developing 动画；API Key 模式最多显示三个 provider 发送的 partial images，在动画面板上交叉淡化，最终清晰成 final image。你不是对着空白干等。
这就怪了：市面上能“对话修图”的工具不少，但能让你在同一个对话流里改完一轮又一轮、每轮的图都自动保留在聊天记录里、不用切出去翻文件夹的——你数数有几个？
Studio 批量创作，一次性解决“选哪张”的纠结
对话生图适合快速出图。但当你需要批量产出、对比不同方案的时候，对话模式就慢了——你得一遍遍输入相同的 Prompt，或者让 Agent 重复调用工具。
dsh-image-gen 的工作台（Studio）解决的是这个问题。
在工作台里，你可以一次生成多张候选图。控制 Provider、模型、比例、清晰度。只把满意的结果保存到图库，不满意的直接丢掉。
这跟 ComfyUI 的批量生成有什么不一样？ComfyUI 也能批量，但你要在节点画布里配置。dsh-image-gen 的工作台是界面化的——选 Provider、填 Prompt、调参数、点生成，不需要理解节点连接逻辑。
但事情没那么简单。工作台的真正价值不是“批量”本身，而是“批量 + 筛选 + 留存”在一个闭环里。你生成了八张图，在同一个界面里看完，挑中两张保存，剩下的不占地方。不用在生成文件夹里翻半天文件名。
多模型横向对比，同一个 Prompt 四个模型同时画
这是 dsh-image-gen 最反常识的一个功能。
你输入一组 Prompt 和参考图，它同时调用多个 Provider——Google Gemini、OpenAI Images、ByteDance Seedream、Aliyun DashScope——并发生成，结果并排显示在一张画布里。
为什么要这么做？因为不同模型对同一段文字的理解完全不同。
Gemini 擅长对话式编辑和多图融合。OpenAI 的 gpt-image-2 在多轮对话编辑中保持主体一致性表现突出。Seedream 偏向 campaign scale 的批量产出。DashScope 的通义万相 / Qwen-Image 对中文 Prompt 的理解更准。
你不用一个个试。不用开四个标签页分别输入同样的 Prompt。不用在四个不同的订阅之间切换账号。一个操作，四张图并排出现，直观对比。
这就引出一个问题：你以前选模型是怎么选的？看评测文章？问别人“哪个模型最好”？还是自己一个一个试？dsh-image-gen 的逻辑是：别选了，让它们同时画给你看。
500+ Prompt 灵感库，不让你对着空白输入框发呆
“不知道写什么 Prompt”是生图最大的隐性成本。
dsh-image-gen 内置了 500+ Prompt 案例。支持搜索、筛选、收藏、复制。找到合适的，一键带入工作台。
这不是一个“模板库”那么简单。500 个案例覆盖了不同风格、不同场景、不同模型擅长的方向。你搜“赛博朋克”能看到一堆相关 Prompt，搜“产品摄影”能看到另一堆。看中了直接复制，改几个词就能用。
对于刚上手的人来说，这解决了“第一张图怎么画”的问题。对于老手来说，这是个灵感触发器——你不知道今天想画什么风格，翻一翻案例库，找到感觉了直接开干。
本地 ComfyUI 支持，让私有化工作流进入对话
这是 dsh-image-gen 跟所有纯云端生图插件的最大分水岭。
ComfyUI 是 Stable Diffusion 生态里控制力最强的节点化工作流工具。你可以搭建极其精细的生图流水线——加载特定 Checkpoint、叠加多个 LoRA、控制采样步数和种子、串联多步后处理。
但 ComfyUI 的问题是：它在节点画布里，不在对话里。
dsh-image-gen 的做法是：你把 ComfyUI 的 API Format Workflow JSON 导入插件。然后在对话里让 Agent 按名称选择这个工作流，调用本地 GPU 完成生图。
你的私有化工作流——那些你花了几小时调试出来的节点组合——现在可以通过一句自然语言触发。“用我那个产品图工作流生成一张白色背景的耳机照片。”Agent 听懂，调用，出图。
云端 Provider 不给你的控制力，ComfyUI 给。ComfyUI 不在对话里的痛点，dsh-image-gen 解决。
图库管理，生成结果不是“用完就丢”
很多生图工具的出图逻辑是：生成 → 下载 → 忘记。
dsh-image-gen 内置了图库。所有对话和工作台中生成的图片自动汇总。支持搜索、筛选、收藏、重新生成、下载、批量管理。按工作区隔离存储。
这意味着你的生图历史是可检索的。三周前画的那张“霓虹猫咪”，你不用翻聊天记录翻到手抽筋——在图库里搜“猫咪”就能找到。
而且图库和对话是联动的。你在图库里点“重新生成”，会基于原图重新调用模型。你在图库里收藏一张图，它会在图库里置顶。你在图库里删除一张图，不会删掉聊天记录里的消息。
这种“生成 → 留存 → 检索 → 复用”的闭环，是大多数生图工具缺失的最后一公里。
四个模型随便切，BYOK 模式自己的 Key 自己管
dsh-image-gen 支持的 Provider 分两类。
云端四家：Google Gemini、OpenAI Images / Compatible、ByteDance Seedream（火山方舟）、Aliyun DashScope（通义万相 / Qwen-Image）。
本地一家：ComfyUI。
采用 BYOK（自带 Key）模式。API Key 通过 DSH Credentials 服务保存，设置页不回显明文。Provider、模型、Endpoint 全在 DSH 设置里配置。
你可能会问：为什么不用统一订阅？因为不同的人有不同的 Key 组合。有人只有 OpenAI 的 Key，有人只有火山方舟的，有人全都有。BYOK 让每个人只配置自己有的，不用为用不上的服务买单。
安装过程，三行命令搞定
环境要求：DeepSeek Harness 稳定版本，Node.js ^22.19.0 或 >= 24.0.0。
在 DeepSeek Harness 项目根目录下运行：
pnpm dsh plugin --profile web add dsh-image-gen@latest
也可以直接把这句话发给 DSH 对话中的 Agent：“帮我安装生图插件，在终端执行：pnpm dsh plugin --profile web add dsh-image-gen@latest”。
安装完重启 DSH，进入设置 → 插件 → 插件配置 → 图像生成，选 Provider 填 Key。用 ComfyUI 的话填服务地址、导入 API Format Workflow JSON。
然后就可以在聊天框里打字生图了。
整个流程从零到出第一张图，按正常网速算，五分钟以内。
但有一个问题，目前还没人答得上来
dsh-image-gen 目前支持四种云端 Provider 的多模型对比和 Studio 批量创作。ComfyUI 支持对话生图和编辑，但不支持 Studio 和多模型对比。
这是设计选择还是技术限制？项目文档没有明确说。
如果 ComfyUI 也能进 Studio 和多模型对比——你可以用同一个 Prompt，让 Gemini 画一张、让 OpenAI 画一张、让你本地 ComfyUI 的私有工作流也画一张，四张并排对比——那这个工具的价值会再翻一倍。
但 ComfyUI 的工作流是节点化的，每个工作流的输入输出结构不同。怎么把“一个自然语言 Prompt”翻译成“不同 ComfyUI 工作流都能理解的输入”？这个问题目前没有现成答案。
所以现状是：云端模型可以横向对比，本地工作流只能单独调用。这个缺口什么时候补上、怎么补上，是 dsh-image-gen 下一步最值得关注的点。
而你，在等待答案的这段时间里，已经可以在聊天框里直接画出一张赛博朋克猫咪了。