dsh-video-see

在 DSH 里问「这条视频讲了什么」，agent 真正需要的是画面，而不是别人转述的一句摘要。视觉桥要把帧发给云端再只还文字，追问细节时帧早已不在上下文里；让 agent 每次自己拼 ffmpeg 命令，则既费时又容易在时长边界抽到空帧。dsh-video-see 走另一条路：不替你看，只把带时间戳的真图交到模型手里，配合已支持读图的 DeepSeek-V41-Flash 等模型，一次调用就能基于本机画面作答。

插件只做抽帧与交付：全程不调用外部 VLM、不需要 API key，画面一个字节都不出本机。你可按秒数定点、按间隔或等分数量采样，也可限定时间窗与单帧宽度；默认逐帧返回细节最全，或用 sheet 拼成一张图版先摸清全片结构。内部会处理末尾避让、竖屏按面积缩放、旋转元数据与临时文件清理，失败时带上可读的 ffmpeg 报错。

适合已经在用 DSH 视觉模型、希望 agent 能直接「看见」本地视频内容的开发者与日常用户。若你需要字幕级小字、镜头切换或某一秒的画面细节，用 frames 或多档 times 即可；若只关心结构概览，sheet 更省上下文。它不转写音频，帧仍是离散快照，敏感片段请自行加密采样时刻。