[dsh-plugin] browser_screenshot 附件格式硬编码为 image/png 导致模型请求必败；PiP 观察窗口无关闭入口

[zztmly]

环境信息

项	值
DSH Desktop	2.0.3（Windows 11）
DeepSeek Harness	web UI（desktop-hosted）
插件	@wxg-prc-cpg/browser-skill-dsh-plugin v0.1.1（经 dshmarket 安装到 web profile）
上游	本仓库 packages/dsh-plugin-browserskill
BrowserSkill (bsk)	CLI + 浏览器扩展（已连接）

Bug 1：browser_screenshot 100% 复现——截图字节被硬编码为 image/png 存库，毒死整个会话

现象

AI 调用 browser_screenshot 后：

1. 工具结果返回一条图片附件引用：{ mediaType: "image/png", bytes: 87349, width: 820, height: 582 }（第二次测试：bytes: 82935）；
2. 但实际存入 DSH 附件库的字节是 JPEG（magic FF D8 FF DB），解析出的真实尺寸是 52×70（第二次 108×48）——与引用完全不符；
3. 该引用进入会话历史后，任何包含它的模型请求（包括后续轮次）都在附件解析阶段失败，DSH 将其包装为 DeepSeek API stream from https://api.deepseek.com failed (code: TRANSPORT)，重试策略 5/5 全部失败（每次约 0.5s 内即失败），会话从此无法继续——失败是确定性的，与网络无关（同一时刻其它会话的模型请求均正常）。

两次独立测试均复现（一次"任务完成时收尾截图"，一次"任意任务中截图"），概率 100%。

代码定位（lib/index.mjs）

• trySaveScreenshot()（约 L906–L917）：保存时硬编码 mediaType: "image/png"，完全不校验 bsk screenshot 实际返回的字节格式：

return await attachments.saveImage({ data, mediaType: "image/png", name });

• browser_screenshot 工具（约 L1738–L1770）：
  • 临时文件扩展名硬编码 .png（bsk-screenshot-${Date.now()}-...png，--out 也是 .png）；
  • 返回给模型的图片引用同样硬编码 mediaType: "image/png"，且 width/height 直接取 reply.width/height（bsk 报告的视口尺寸），与实际字节无关。

复现步骤

1. 安装 @wxg-prc-cpg/browser-skill-dsh-plugin@0.1.1，确保 bsk CLI + 扩展连接正常；
2. 任意 DSH 会话中让模型执行一个浏览器任务并调用 browser_screenshot；
3. 观察：截图工具返回后，下一次模型请求立即出现 DeepSeek API stream from https://api.deepseek.com failed（TRANSPORT），重试 5/5 失败；之后所有轮次均失败。

证据

• 会话记录（zstd 分帧 jsonl）：两次调用后的 tool/result 分别引用 sha256:79d3e829…（声称 image/png 820×582）和 sha256:4228a140…（声称 image/png）；各自紧随其后的 finish: error …TRANSPORT × 6（首次 + 5 次重试）。
• 附件库实际字节：
  • 79d3e829…：JPEG（FF D8 FF DB），87,349 B，SOF0 52×70；
  • 4228a140…：JPEG（FF D8 FF DB），82,935 B，SOF0 108×48。
• DSH 侧告警：AttachmentError: Stored attachment metadata does not match its reference.（dsh-attachment-local 的 readImageFile 校验输出）。

期望 / 修复建议

1. trySaveScreenshot / browser_screenshot：对 bsk 输出的实际字节做格式探测（magic / 解码结果），以探测值写入 mediaType/width/height；无法确认时不要附加图片（降级为仅返回路径）；
2. 建议 bsk 侧一并确认：bsk screenshot --out x.png 输出的就是 PNG（本次观察到输出为 JPEG 且是 52×70 / 108×48 的小图，与视口 820×582 不符，疑似输出了缩略图/预览帧而非全尺寸截图）——若 bsk 端输出格式可控，请保证与扩展名一致。

---

Bug 2：PiP 观察预览窗口（"browser unavailable"）弹出后无法关闭，会话失败后卡死

现象

1. 浏览器任务运行期间，插件会显示一个浏览器观察悬浮层（ObservationOverlay）；
2. 点击其中的 "Pop out into a mini window" 后，以浏览器 Document Picture-in-Picture 打开独立小窗，实时显示浏览器缩略帧；
3. 会话模型请求失败（见 Bug 1）后，该小窗变为：标题栏红色圆点 + "browser unavailable"，内容区保留最后一帧（"last frame kept"）；预览框卡死且没有任何关闭入口——没有关闭按钮、点击无效、独立于 DSH 主窗口（关闭/刷新主界面也关不掉），只能整体重启。

代码定位（lib/client.cjs）

• pipApi() / popOut()（约 L3564 / L3907–L3919）：使用 documentPictureInPicture.requestWindow({ width, height }) 创建窗口，随后 cloneStylesInto(win)，仅监听 win.addEventListener("pagehide", …) 清理；
• 核心问题：弹出 PiP 后所有关闭/退回入口都被置空（约 L3930–L3932）：

onPopOut:    pipWindow === null && pipApi() !== void 0 ? () => void popOut() : void 0,
onCollapse:  pipWindow === null ? () => setCollapsed(true) : void 0,
onHeaderPointerDown: pipWindow === null ? beginMove : void 0

即 PiP 窗口内没有任何关闭（win.close()）或返回浮动卡片的按钮；

• 会话失败 / bsk 观察通道断开后，store 不再更新（available=false → "browser unavailable"，thumb 停在 "last frame kept"），窗口渲染停摆、看起来"卡死"。

复现步骤

1. 运行任意浏览器任务，出现 ObservationOverlay；
2. 点击 "Pop out into a mini window"；
3. 令会话失败（例如触发 Bug 1 的 browser_screenshot）；
4. 观察：PiP 小窗显示 "browser unavailable" + 保留最后一帧，无法通过任何 UI 操作关闭。

期望 / 修复建议

1. PiP 窗口内提供关闭按钮（调用 pipWindow.close()）或"回到浮动卡片"入口，不要只在 pipWindow === null 时展示操作；
2. available=false / 会话 dead 状态下：显示可关闭/重连的状态，而非停留在不可操作的"last frame kept"；
3. 建议确认 Document PiP 窗口生命周期与主窗口的关系（主窗口关闭时是否随之销毁；当前表现为独立残留）。

---

附件：本地证据速查

证据	内容
附件对象 1	sha256:79d3e8293c1746d1710b8b87c2a62ae99012b2c0a27fce1351ed379597978c9f（JPEG 52×70，被标为 PNG 820×582）
附件对象 2	sha256:4228a140df28101dd47c80b96db7a9b4459ea2a17d4edb494ee104abef48e804（JPEG 108×48，被标为 PNG）
插件版本	@wxg-prc-cpg/browser-skill-dsh-plugin@0.1.1