ZCode 插件（
zcode-plugin）— 给纯文本模型（如 deepseek-v4-flash）的"读图"能力。 把图片降分辨率 + 降色深 + 结构/色彩指纹提取，渲染成文本网格喂回对话， 让模型像多模态模型一样"看"图：描述场景、主体、环境、光线与语义内容。 纯本地、零外部模型依赖、零 API key、零 Python（PaddleOCR 为可选增强）。
本仓库是原 picturereader（DeepSeek Harness 插件，独立仓库）的 ZCode 移植版：
三个工具通过 MCP server（mcp/server.js，stdio）暴露给 ZCode，读图方法论作为
skill（skills/image-reading/）随插件分发。业务逻辑 src/core.js 与源插件完全一致。
性能提示：本版工具经 MCP stdio 子进程暴露，每次调用都有进程通信与 JSON-RPC 序列化开销，速度明显慢于 DSH 版（DSH 版为插件内直接调用）。高频/批量看图请 使用 DSH 版；本版适合 ZCode 环境下的轻量、偶发看图。
DeepSeek 等纯文本模型没有视觉编码器，无法直接看图。picturereader 把"看图"翻译成 模型能理解的结构化文本证据，并提供一套经过大量真实图片迭代验证的读图方法论 skill（image-reading），让模型像人一样分步看图：
- 全局定调：hue families（纯色相指纹）→ structure（条带/对称）→ texture（写实度）→ regions（色块结构）
- 主动找主体：px_per_cell 定向放大（深色/低对比/小色块不会漏）
- 文字验证：PaddleOCR 实读（防多模态幻觉）
- 材质判断：image_sample 像素取样
- 综合描述：带证据等级的连贯画面描述
| 工具 | 作用 |
|---|---|
image_scan |
全局/区域扫描：亮度/颜色网格 + regions 色块 + shade diversity + texture mix + structure（条带/对称）+ 像素级 colors + hue families 纯色相指纹；支持 focus/region 局部放大、px_per_cell 像素密度定向放大 |
image_ocr |
文字识别双引擎：windows（内置，默认）/ paddle（选装，发光/弯曲/游戏字远强），失败自动降级不崩溃 |
image_sample |
8×8 精确像素取样，判断材质/纹理（金属/木纹/织物/皮肤/雾） |
skills/image-reading/SKILL.md 是一套经大量真实图片场景迭代验证的读图方法论
（按 experience / skill / principle / insight 分层，教训有据可依、找主导模式），
安装后模型自动掌握：
- hue 场景指纹：cyan 高=水/雾/湖泊，green 高=森林，orange/red 高=暖色人物/火光， blue 高=夜晚科幻，achromatic+rough=废墟，green+yellow=翠绿能量/浮空仙境
- 多模态模型校验规则：游戏名/品牌等文字必须 OCR 实读（多模态模型会猜错）； 发光元素颜色以 hue 实测为准（多模态模型对发光色的描述系统性不可靠）
- 主动验证：低对比主体（暗色人物/小色块）必须放大确认
本目录同时是一个本地插件市场（根目录 marketplace.json 声明了 picturereader
插件，source: "." 指向本目录自身），插件自带 .zcode-plugin/plugin.json 清单
（声明 skills 与 mcpServers）。
# ZCode 桌面端 Settings → Plugin Management → Discover → 「+」→ 本地目录
# 选择 D:\coding\picturereader_zcode → 市场列表出现 picturereader → 安装安装并启用后（重启 ZCode 或按提示重连）：
- MCP server
picturereader自动连接（stdio 子进程node mcp/server.js）， 模型工具列表出现image_scan/image_ocr/image_sample； - skill
image-reading自动出现在技能列表（图片任务自动触发）； - （可选）PaddleOCR 增强引擎：
node scripts/setup-ocr.mjs。
关于安装后的运行位置：市场安装会把插件目录拷贝到 ZCode 插件缓存
（~/.zcode/cli/plugins/cache/...），但 .zcode-plugin/plugin.json 里 MCP server
的 args 是具体绝对路径，指向本目录的 mcp/server.js——因此 MCP server 始终
从本目录运行：改 src/core.js 下次调用即生效（热加载）。skill / 工具定义变更
需在 Discover 里卸载后重装生效（或手动同步缓存副本）。若插件目录移动，请同步更新
plugin.json 里的 args 路径。
工具参数 file_path 支持绝对路径，也支持相对路径——相对路径以当前工作区根目录
为基准解析（插件通过 PICTUREREADER_CWD 环境变量从 ZCode 拿到项目根）。
| 变量 | 默认值 | 作用 |
|---|---|---|
DSH_PADDLE_PYTHON |
C:\Users\Administrator\paddle_venv\Scripts\python.exe |
PaddleOCR 解释器路径（与原插件同名，便于直接迁移） |
DSH_PADDLE_CACHE |
<插件目录>\.paddlex-cache |
PaddleX 模型缓存目录 |
直接对模型说：
用 image_scan 看一下 <路径> 这张图，细看感兴趣的部分
模型会加载 image-reading 方法论自动执行完整流程（定调 → 找主体 → 验证 → 描述）。
image: chart.png (600x400 -> 32x21 cells, ~18.8x19px per cell, region=full, palette=full, mode=color)
shade diversity: 10 distinct shades | texture: smooth 24.2%, medium 19.3%, rough 56.5%
structure: 6 vertical stripes (4 alternating colors) at cols 4..7; left-right symmetry 45%
hue families: cyan 88.2%, green 4.5%, yellow 1% ← 真实主调（colors 灰白占比是假象）
regions: ...（色块结构）
colors by area: ...（像素级真实占比）
luminance grid / color grid
npm install
npm test # node:test，83 个测试（core 管线 + MCP 协议 + OCR 全链路）
node scripts/setup-ocr.mjs # 可选：装 PaddleOCR
node scripts/preview.mjs # 生成 fixtures 并预览渲染热插拔：业务逻辑全在 src/core.js 单文件，MCP server 每次执行按 mtime 动态
加载（cache-bust，见 importCore），改 core.js 下次调用即生效；工具定义
（schema/描述）改动需重连 MCP server。
ctx.tools.register工具注册 →mcp/server.js的 MCPtools/list/tools/callctx.fs/exec文件能力 → 直接node:fs+ 工作区根目录路径解析（resolveImagePath）cordis.patch.yml/src/tool.js（Cordis 专属）已移除；src/index.js插件入口不再需要skills/image-reading.md→skills/image-reading/SKILL.md（zcode skill 目录格式）- 工具名、参数、输出格式、错误消息与 DSH 原版完全一致
注意：.zcode-plugin/plugin.json 的 mcpServers 与内置插件一致使用具体绝对路径
（command = node.exe，args = 本目录的 mcp/server.js），不依赖变量展开；若把插件目录
移动到别处，需同步更新这两个路径。
- 零外部模型依赖：核心链路（扫描/取样/解码）纯本地纯 JS，不调任何视觉 API； 语义理解完全交给主模型（DeepSeek），不依赖 YOLO 等固定类别检测器（遇未知物体不失效）
- 可追溯、可验证：每个结论都有数据支撑（hue 占比、色块坐标、OCR 文本+置信度）， 能主动识别并纠正多模态模型的幻觉（游戏名乱猜、发光颜色误标、小字脑补）
- 隐私友好：原始图片不出本机，只有降采样文本进模型上下文
- 成本低：一次扫描 ≈0.6–2.2K tokens；PaddleOCR 本地跑，无 API 费用
- 可选增强：PaddleOCR 一键安装（
scripts/setup-ocr.mjs），缺失自动降级不崩溃 - 方法论沉淀：附带的 image-reading skill 把读图经验固化（场景指纹/校验规则）， 模型每次看图都带着经过大量图片验证的经验
- 不是真正的视觉模型：文本网格信息量有限，人脸/表情/花纹等像素级细节读不出； 这是文本模态的硬上限，放大（px_per_cell）只能缩小差距，不能消除
- 语义推断依赖主模型能力：物体识别（"这是树/空间站"）是 LLM 基于结构证据的推测， 不是视觉模型的确证——复杂/罕见物体可能推断错误
- OCR 引擎边界：Windows OCR 对发光/弯曲/艺术字失效；PaddleOCR 强很多但需选装， 且对极小文字/极端艺术字仍可能失败（可配合放大）
- 性能：4K 图解码 ~230ms；PaddleOCR 每次调用需 ~2s 加载模型；大图网格渲染
token 随 size 增长（64×64 color ≈ 3–5K tokens）。PaddleOCR 引擎输入自动降采样
到长边 ≤1600px（否则 4K 截图识别可达 15–18s，会超过客户端工具超时）；需要精细
小字时用
region/focus裁剪后再 OCR（裁剪后不再降采样） - WebP 不支持（提示转 PNG/JPEG）；GIF 只读首帧
- 多模态模型的描述不可全信（本插件可交叉验证，但最终语义仍需人工判断关键场景）
MIT