dsh-screen-reader

大模型再聪明，也没有一双能落在屏幕上的眼睛。你说"改完设置帮我看看对不对"，它听不见；你让它"跑完脚本检查输出"，它看不见。更棘手的是，你让视觉模型对比两张截图说哪里变了，它会编出一套看起来合理的差异——因为在概率世界里，"找不同"恰恰是它最不擅长的事。dsh-screen-reader 把这两件事从模型手里接过来，交给确定性代码去做。

插件提供两个工具。see_screen 抓屏——整屏、某个窗口、或你指定的区域——然后直接把图像作为内容块塞回当前会话，让正在跟你聊天的模型自己看，中间不经过第二个模型转述，不多付一次调用，不引入一层失真。see_diff 则做本地像素级差分：变化区域由代码精确框出，模型被约束在"解释已经证实变化了的区域"上，没有编造的空间。"变了没有"从概率问题变成了确定问题。

适合谁？你在 Windows 上跑 agent 自动化流程，中途需要它自己看一眼界面状态、验证渲染结果、或精确判断某个按钮有没有被按下。你不满足于每次手动截图再粘进对话，也不想在 prompt 里写死坐标去猜 UI 布局。不适合谁：跨平台、像素级测量、以及低对比度细节的视觉 QA——README 里把边界写得比大多数插件诚实得多。它是描述器，不是量具；只看当下，没有记忆；仅 Windows。