Skip to content

feat(h3-image-executor): 把一句话需求跑成经过校验的 4K 图片 - #123

Merged
MyPrototypeWhat merged 1 commit into
MiniMax-AI:mainfrom
liddalidd:add-h3-image-executor
Nov 11, 2026
Merged

MyPrototypeWhat merged 1 commit into
MiniMax-AI:mainfrom
liddalidd:add-h3-image-executor

Conversation

@liddalidd

@liddalidd liddalidd commented Nov 10, 2026 •

Copy link
Copy Markdown
Contributor

新增 H3-Image-Executor:在 MiniMax Code 里把一句话需求跑成经过校验的 4K 图片。它会规划分镜、检索参考图、生成、看图评审、校正色偏、有限次修正,最后交付图片和验收报告;多图任务会先生成角色设定图,让同一个主体前后一致。使用前需要自备 H3-Image 接口地址和 Key。

一次四张图任务完成后的面板:需求、折叠的过程详情,以及带预览、分享和公开链接按钮的交付图

测试环境与结果

  • MiniMax Code 3.1.12-preview.5165,macOS 15.0.1(Apple Silicon)。
  • 这一版(1.8.1)在 MiniMax Code 里实测过:发布公开链接,页面上出现 website_deploy 确认卡片,点「允许一次」后拿到链接;在聊天里说画图需求,会打开面板并把需求交进去。
  • 更早的版本在同一环境里实测过:单图与多图端到端、参考图检索与下载、角色设定图与跨图对比、有限次修正、色偏实测、运行时重启后的会话恢复、删除与重跑、分享页生成、失败信息透传。
  • 仓库根目录 npm run check:0 个 error;本包 1 个 warning,原因见下;92 个测试全部通过。

没有验证的

  • 只在模拟 Host 的自动化测试里验证过(Node 服务,加上无头 Chrome 里的页面),没有在 MiniMax Code 里实测:这一版的端到端出图、分享页里 2048px 的大图、「停止」按钮、关闭 session.run 或 tool:call 后的提示、问卷、Host 重新加载页面后的视图恢复。
  • 完全没有验证:Windows、上面以外的 MiniMax Code 版本、开发时所用以外的 H3-Image 接口。

剩余的 npm run check warning

  • ENTRY_STDOUT(miniapp/node/tools/h3-review.mjs):这是随 h3-image-review Skill 发布的命令行工具,由 Agent 用 node 单独运行。Mini App 入口 server.mjs 不会 import 它,所以它的 stdout 是这个子进程自己的输出,不是 Host 的。

声明的权限与最低客户端版本

  • agentAccess: ["session.run"],agentConcurrency: 8:规划、评审、修正、选优都跑 Agent 轮次;「发布公开链接」再跑一轮去调 website_deploy,这一次调用要用户在页面上点「允许一次」,应用从不替用户放行。
  • toolAccess: ["call"]:只调用名字里含 search_images 的工具(测试环境里是 connector__matrix__search_images),用来检索参考图。
  • surface.window:弹出窗口的尺寸。
  • 最低 MiniMax Code 3.1.6(由 toolAccess 决定)。没有声明 session.read、deviceAccess、hostAccess。
Written by Claude Opus 5.5

包里有什么

  • plugins/liddalidd/h3-image-executor/,插件 ID h3-image-executor,v1.8.1,分类 Studio,MIT。
  • Mini App:miniapp/client 是页面;miniapp/node 是 server.mjs 入口、工作流、H3-Image 客户端,以及纯 JS 的 PNG / JPEG 编解码,没有第三方依赖。
  • 两个 Skill:h3-image-executor 让聊天里的画图需求默认交给面板,用户点名别的工具或不想用面板时听用户的;h3-image-review 说明随包的 h3-review 命令行工具怎么用。
  • 两个根 README 各加了一行。docs/dashboard.jpg 是包内 README 和这里用的截图,样例会话是四张城市黄昏街景。
  • H3-Image 不属于 MiniMax 开放平台的公开图片接口,包里不带默认接口地址,用户要在页面里自己填,或者在 shell 里导出 MINIMAX_API_KEY / MINIMAX_BASE_URL。

数据与访问(摘要,完整内容见包内 README 的 ## Data & access)

  • 写:只写 context.dataDir(settings.json 权限 0600、sessions/<id>/、refcache/、sessions/.trash/),JSON 状态原子写入。dataDir 之外只有两处:发布轮次把分享页拷到本 Mini App 自己的 Agent 工作目录下的 h3-share-publish/index.html,因为 website_deploy 只接受这个目录里的路径;h3-review 被 Agent 运行时会写看图材料。
  • 读:没在页面里配置接口时,按纯文本读 ~/.zshrc 等 shell 配置,只找 MINIMAX_API_KEY、MINIMAX_BASE_URL;README 写明了这依赖未公开的布局。不读 MiniMax Code 自己的配置文件。
  • 网络:用户自己配置的 H3-Image 接口(没有默认地址)、接口返回的图片地址、检索工具结果里的图片地址。下载时逐跳检查重定向,有大小上限;检索结果指向本机或内网地址时拒绝下载。
  • 进程:只有剪贴板命令(macOS 是 pbpaste / pbcopy,Windows 是 PowerShell),参数固定、不经过 shell、2 秒超时、输出有上限。
  • 公开分享页包含哪些内容(需求、参考图、候选图与交付图、评审拼图、完整提示词和模型回复、执行记录),README 和发布按钮下方都写明了;写盘前本机路径会被替换成占位符。

几个设计取舍

  • 发布为什么绕一轮 Agent:website_deploy 只下发给 Agent 轮次,context.tool 调不到它。这一轮里除 website_deploy 以外的工具请求一律自动拒绝;website_deploy 本身交给用户在页面上确认。
  • 剪贴板为什么走 Node:页面读不了剪贴板;页面写剪贴板需要焦点,而发布完成时面板通常没有焦点。Node 侧只接受单行的 https://<name>.space.mcode.cn 地址。
  • 用户在插件详情里关掉 session.run 或 tool:call 时,页面会说明该打开哪个开关;Agent 权限被关掉时任务立刻停下,不再继续消耗生图请求。
  • 分享页给每张交付图内嵌一份长边 2048px 的大图(总量上限 4 MB),点开时显示,页面通常 3–7 MB。

Autofix with [code]smith
Open in [code]smith · Need help on this PR? Tag @codesmith-bot with what you need.

新增 Mini App 插件包 plugins/liddalidd/h3-image-executor(v1.8.1),并在两个根 README 的列表里各加一行。
@MyPrototypeWhat
MyPrototypeWhat merged commit 197b7a1 into MiniMax-AI:main Nov 11, 2026
1 check passed
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

3 participants