路线图

September 10, 2026 · View on GitHub

dsh-iris 已具备媒体生成、视觉处理和任务管理主流程。长期方向是宿主无关的多模态生产运行时，DSH 是首个受支持宿主。当前仍通过 DSH 插件使用，独立 Core、CLI 和工作台尚未实现。

变更详情见变更记录，完整工具清单见README。

当前状态

现有功能包括：

  • 图像、视频、语音生成和音频转写
  • 看图问答、OCR、定位、裁剪与像素比较
  • 视频抽帧和多模态摘要
  • 多供应商模型池与复合模型身份
  • 浏览器上传、会话附件和宿主路径输入
  • 异步任务恢复、取消传播、SSE 状态更新和授权媒体链接
  • 独立作品库 v0：清任务历史后仍可浏览媒体，并可重新索引旧 outputs/
  • 面向 Agent 与用户的统一视频生成实现
  • 两个随包 Agent Skills：UI 视觉验收与多步骤媒体编排；0.1.2 会在插件启用时自动注册

当前发布版本为 v0.1.3。0.1.1 完成配置独立、安全与工程收口，并把 Web loader 适配固定到已验证的 DSH 0.1.2-rc.1 接口；0.1.4 把已验证支持窗口扩展为 >=0.1.2-rc.1 <0.1.3-0 与 0.1.5-rc.1，其余预览版在进入支持范围前仍需重新运行宿主 canary。

已完成：0.1.1

配置独立与工程收口

  • 对齐公开文档和已发布标签，明确当前能力与未来方向。
  • Iris 独立保存配置；ai-paint 仅作为维护者未公开的本地前身和可选迁移来源，不是用户依赖。停止默认读取，仅保留显式指定本地来源的一次性安全导入。
  • 用 Node.js 调度测试，去除对 POSIX Shell 循环的依赖。
  • 绑定供应商凭据与协议端点，统一私有存储权限和流式原子落盘，并验证损坏配置恢复。
  • 将付费能力实测改为单项显式确认，视频与转写不做空样本自动探针。
  • 默认将 Iris HTTP 路由限制在回环 Host，为反代提供显式信任列表和认证部署说明。
  • 增加 Linux/Windows 与 Node.js 20.10/22 CI 矩阵、发布前测试护栏，并以当前 DSH 预览版完成宿主烟测。
  • 核对打包清单，记录真实环境和未验证平台。

已完成：0.1.2

可见、可达与唯一身份

  • 保留 npm 包名 @mokuyoaxis/dsh-iris，以 “Iris Media for DSH” 作为展示名，并使用唯一 Cordis 行 ID 避免与另一款 dsh-iris 同装冲突。
  • 插件启用时自动注册两项随包 Skill，不要求用户克隆仓库、切换 cwd 或修改默认 Skill 搜索目录。
  • 中英文 README 直接展示已脱敏的 Android 真机截图与代表性生成图，完整流程保留独立画廊；根目录 screenshots.json 控制插件市场展示顺序。
  • 在 DSH 对话输入框提供可独立关闭的无框 🫧 提示词优化入口：使用半透明玻璃悬浮窗和窄屏底部面板，支持当前会话/固定模型路由、独立 thinking 策略与保守输出预算、预览写回，以及 JSON 导入导出和恢复默认。
  • 泡泡快捷历史只展示运行中任务与成功产物；功能状态灯不再依赖用户逐张点开卡片。
  • 本版不新增供应商分支，也不声称已完成独立 Core、任务语义 v2 或离线诊断。

下一步

已完成：0.1.3 可信任务

  • 图片、视频、转写与 TTS 已接入 Task/Attempt v2；只有明确未受理才允许自动 failover。
  • 零网络故障矩阵已覆盖受理未知、轮询耗尽、取消、重启、交付、SSE 与人工接管。
  • 提供重新观察、重新交付、提醒已读/恢复和知情重试，并防止重复提醒与错误旧任务标记。
  • 提供零网络离线 Doctor、公开任务/架构/安全契约，以及 Linux/Windows CI 与 Android 真机短验。

当前开发：0.1.4 适配边界与 Agent 易用性

  • 冻结 Host Adapter v0 与 Command × Host Port 矩阵，提供无 DSH 的 Local Host fixture；DSH Adapter 已收口工具、路由、附件、会话、Browser、模型、Skill 与客户端 Slot 消费者，并通过 0.1.2-rc.1 隔离 canary 与 0.1.5-rc.1 日常宿主实测。
  • 已实现 Provider Adapter v0 完整生命周期 和零网络 conformance runner；现有 DashScope/OpenAI Images 兼容实现、Task 恢复与重新交付均消费统一契约，本版不新增 Provider。
  • 已实现 Host Doctor：观察插件、14 个工具、2 项 Skill、4 组路由、Browser/附件/模型能力、客户端版本与 UI Slot；只读取安全快照和注册证据，默认零网络、零计费。
  • 已实现 Provider 与能力健康状态：按 Provider × Model × Capability 持久化实测/真实任务证据，以灰、蓝、绿、暗红四色及时间呈现，并按当前 failover 候选保守汇总；不增加后台探测。
  • 深化现有 iris-verify-ui、iris-compose-media 两项 Skill：对齐 Task v2、增加显式调用示例、渐进资源与行为 eval；不以增加 Skill 数量为目标。
  • 增加最小作品库索引，但继续采用渐进迁移；本版不引入完整 Artifact Manifest、standalone 服务、完整 headless 命令集或大规模目录重写。

0.2.0：独立 Core 与产物记录

  • 统一 Agent、工作台与 CLI 的命令执行核心，将 DSH 集成集中到宿主适配器。
  • 将作品库 v0 升级为经安全评审的 Artifact Manifest，为产物保存内容哈希、来源和派生关系，支持检查与导出。
  • 在完整 Manifest 上增加收藏、标签、搜索、筛选和批量导出，不把这些字段塞回任务历史。
  • 在未安装 DSH 的干净环境完成本地动作和供应商任务验收。
  • 建立 Iris 正式产品视觉身份：以简约鸢尾花和泡泡为核心母题，完成可缩放 Logo、图标、单色版与深浅色适配，并替换临时字标。
  • 在统一 Provider Adapter 与 conformance 测试稳定后，依次接入 Gemini、Fal，并把 Replicate 排入后续 0.2.x。

后续方向

  • 0.3：有界、可恢复的媒体工作流，以及用户显式启动的本地 API 和最小独立工作台。
  • 0.4：根据真实消费者需要开放供应商和宿主适配契约。
  • 1.0：冻结经过验证的公共契约和升级策略。版本表示目标聚合点，不代表发布日期承诺。

兼容性与限制

  • Node.js 最低版本为 20.10。
  • 图片处理依赖 sharp，非标准 libc 或移动终端环境可能没有可用的预编译包。
  • 视频抽帧与视频摘要依赖 ffmpeg 和 ffprobe。
  • WSL、远程浏览器和容器部署应优先使用上传或会话附件，避免混淆浏览器路径与宿主路径。
  • HTML 截图运行在离线沙箱中，远程资源和页面脚本不可用。
  • 模型发现只能列出候选项，具体能力需要通过实际请求确认。
  • Node 测试调度器不依赖 Bash，Linux/Windows × Node.js 20.10/22 自动化矩阵已经通过；原生 Windows/WSL 的 DSH 宿主实机冒烟仍待补充。

质量要求

计划中的改动应满足以下条件：

  • npm test 通过，并为新增行为补充有针对性的测试。
  • 不泄露供应商密钥、宿主绝对路径或未授权媒体内容。
  • 不在远端任务受理后自动重提生成请求。
  • 不让局部配置更新覆盖未修改字段。
  • 在支持的平台上保持 Agent 工具与工作台行为一致。
  • 发布前检查 npm 包内容和公开文档中的相对链接。

暂不计划

  • 在插件内实现账号、权限或多租户系统。
  • 接管 DeepSeek Harness 的通用聊天模型配置。
  • 由 DSH 插件隐式启动独立后台服务或额外监听端口。
  • 在本地工作台阶段建设公网 SaaS、组织账号和多租户系统。
  • 自动探测全部模型能力并触发可能计费的请求。
  • 仅为未来可能使用的供应商预建没有调用方的适配层。
  • 为 0.1.2 临时接入尚无统一契约与测试基线的新供应商。
  • 为展示效果伪造实机截图、生成结果或短视频证据。