DSH Origin Plugin · DeepSeek Harness × Origin 一键画图

让 DeepSeek Harness (DSH) 的 AI 对话直接驱动本机 Origin（科学绘图软件）自动画图并导出 PNG / SVG。

• 🤖 对话触发：「用 Origin 画 y=x² 折线图并导出 PNG」 → 模型自动调用工具 → 图片落盘
• 🔌 官方 MCP 桥接：通过 DSH 内置的 @deepseek-ai/dsh-mcp-client 注册为原生工具 mcp__origin__*
• 🎨 28 个工具：2D 图 line/scatter/line_symbol/column/histogram/box/bar + 误差棒、3D、等高线、统计批
• ✨ 期刊级排版：style_mode(journal/presentation) + family 调色板 + 幂等 graph_name + 语义轴标题
• 👁 内联预览：origin_view_graph 直接把图渲染成图片内容返回，视觉模型无需落盘即可核对
• 🧮 统计批：t 检验 / ANOVA / PCA / Kaplan-Meier 生存分析（纯 numpy 自研）
• 🧪 科学分析：删点、线性/非线性拟合、FFT、积分 AUC、变换、相关、峰检、直方图
• 🛡 稳定错误码：全部调用返回 error_code / recoverable / next_actions 三件套，模型可安全分支
• 🔒 多会话并发安全：专用 COM 线程 + 单实例语义，实测 8 线程并发 8/8 通过

v2 排版示例（3 序列 line_symbol，journal 样式 + ocean 调色板 + 语义轴标题 + 符号循环）：

权威设计/验证依据见 docs/DESIGN.md（设计蓝图 + 真机探测矩阵 + 官方文档依据）。 行为细节以真机探针为准（本环境网络屏蔽 docs.originlab.com，无法抓取官方页）。

DSH 对话（多会话并发）
   │  mcp__origin__origin_plot_file / origin_write_data / ...
   ▼
@deepseek-ai/dsh-mcp-client（DSH 官方 MCP 桥接）
   │  stdio 子进程
   ▼
origin_mcp_server.py（MCP 服务器，Python mcp SDK）
   │  专用 COM 线程（串行化）
   ▼
origin_engine.py（originpro → OriginExt → comtypes → COM）
   ▼
Origin64.exe（单实例 COM 自动化服务器）

快速开始

🚀 模型快速上手：本插件自带 DSH 原生 origin-plotting skill（安装后自动注册， 见下方「skill 速查」），模型画图前加载 skill 或调用 origin_help 即可秒懂用法， 无需阅读本 README。

1. 环境要求

• Windows + 已安装 Origin（实测 OriginPro 2026b；2018+ 一般均可）
• Python 3.10+（本插件自带独立 venv，不污染系统环境）
• DeepSeek Harness（DSH Desktop 或 dsh CLI，需含 @deepseek-ai/dsh-mcp-client）

2. 安装

git clone https://github.com/Fantasality/dsh-origin-plugin.git "%USERPROFILE%\dsh_origin_plugin"
cd "%USERPROFILE%\dsh_origin_plugin"

:: 创建独立 venv 并安装依赖
python -m venv .venv
.venv\Scripts\python.exe -m pip install mcp originpro pywin32 numpy

:: 冒烟验证 Origin COM 链路（需已安装 Origin；未运行会自动启动）
.venv\Scripts\python.exe -X utf8 smoke\origin_com_smoke_test.py
:: 预期结尾: RESULT: OK  files={'comtest.png': ..., 'comtest.svg': ...}

2.1 以 bundle 方式安装（一键 / 插件市场）

本仓库声明了 DSH 标准的 dsh.bundle 清单（package.json → cordis.patch.yml）， 因此可从 DSH 插件市场（dsh-market / awesome-dsh-plugin）一键收录，也可用命令安装：

# 方式一：从 GitHub 源码安装
dsh plugin --profile web add github:Fantasality/dsh-origin-plugin
# 方式二：从 npm 安装（预构建分发，跳过 building 授权）
dsh plugin add dsh-origin-plugin

装好后 cordis.patch.yml 会注册一个 mcp-origin（@deepseek-ai/dsh-mcp-client）。 v2.0.3 起自动携带运行时依赖 @deepseek-ai/dsh-mcp-client：市场安装 （dsh plugin add）会把它作为传递依赖装进 profile 的 node_modules——缺少它时 loader 无法按 name 解析该条目，工具会静默永不注册（DSH 照常启动、无任何报错）。 v2.0.2 起 bundle 默认已自定位：server 绝对路径由 !!js 在启动时按 <DSH_HOME>/profiles/web/node_modules/dsh-origin-plugin/ 计算（DSH_HOME 缺省回退 %USERPROFILE%/.dsh），不再受进程工作目录影响；默认用系统 python 启动 origin_mcp_server.py。

📌 安装此插件不会破坏 DSH 启动：failOnStartupError: false —— server 连不上只记日志、不注册工具，DSH 正常启动。这是插件市场适配的核心约束，已内置。 唯一硬性红线：不要在 profile 里再写第二条完整 insert 的 mcp-origin（会触发 duplicate loader entry id: mcp-origin 启动失败）；要用 venv，请用下面的 config-only 覆盖。

首次使用前仍需按上文「2. 安装」准备好 venv 依赖（本插件是 Windows + Origin 本地 进程，无法纯源码免装运行）。若依赖装在独立 venv，在 profile 的 cordis.patch.yml 里 用同一 id + config-only 覆盖（覆盖是整体替换 config，必须带全字段）：

- id: mcp-origin
  config:
    serverName: origin
    transport: stdio
    command: 'C:/Users/<你>/dsh_origin_plugin/.venv/Scripts/python.exe'
    args: ['-X', 'utf8', 'C:/Users/<你>/dsh_origin_plugin/origin_mcp_server.py']
    env:
      PYTHONIOENCODING: utf-8
    failOnStartupError: false
    toolCallTimeoutMs: 120000

（层级：bundle patch → profile patch → $DSH_HOME/cordis.patch.yml，后层覆盖先层。 若你的 DSH profile 不是默认的 web，把自定位路径里的 /profiles/web/ 换成你的 profile 名再覆盖。）

3. 注册到 DSH

powershell -ExecutionPolicy Bypass -File "%USERPROFILE%\dsh_origin_plugin\register_to_dsh.ps1"

脚本会把以下 config-only 覆盖（注意：没有 name、没有 insert，只替换配置， 与 bundle 层 mcp-origin 合并、不产生重复条目；覆盖会整体替换 config，故带全字段） 追加到 %APPDATA%\dsh-desktop\harness\profiles\web\cordis.patch.yml （自动备份、UTF-8 安全、幂等）：

- id: mcp-origin
  config:
    serverName: origin
    transport: stdio
    command: 'C:/Users/<你>/dsh_origin_plugin/.venv/Scripts/python.exe'
    args: ['-X', 'utf8', 'C:/Users/<你>/dsh_origin_plugin/origin_mcp_server.py']
    env:
      PYTHONIOENCODING: utf-8
    failOnStartupError: false
    toolCallTimeoutMs: 120000

⚠️ 旧版脚本写入的是「完整 insert」，与 bundle 层组合会生成两条 mcp-origin → DSH 启动直接报 duplicate loader entry id: mcp-origin。v2.0.2 的脚本已改为 config-only 覆盖；如果你手工写过旧格式，请删掉那条完整 insert，只保留上面的覆盖。

然后 重启 Harness（DSH Desktop 菜单 Harness → Restart Harness，或 Ctrl+Shift+R）。 可选校验：dsh --profile web --dump-config 能看到 mcp-origin 条目。

机制说明：DSH 的插件生态是 Cordis 插件树 + cordis.patch.yml patch 层；MCP 服务器是官方 一等公民——dsh-mcp-client 会自动把外部 MCP 工具桥接为原生工具 （名称 mcp__<serverName>__<rawName>），无需编写 TypeScript 插件即可接入 Python 能力。

4. 对话触发示例

| 你说 | 模型会调用 | |---|---| | 「用 Origin 画 y=x²（x=1..10）的折线图，导出 PNG」 | mcp__origin__origin_plot_file | | 「把这两列数据画成散点图导出 SVG：x=[1,2,3,4,5], y=[3.1,4.9,7.2,8.8,11.3]」 | mcp__origin__origin_plot_file | | 「先写数据再分步画图、导出」 | origin_write_data → origin_plot → origin_export |

快速上手（skill + origin_help）

模型在对话中遇到 Origin 画图/分析任务时，有两种秒级上手通道：

1. origin-plotting skill（DSH 原生机制）：安装时自动写入 %APPDATA%\dsh-desktop\harness\skills\origin-plotting\SKILL.md 与 ~/.dsh\skills\origin-plotting\SKILL.md。模型目录可见该 skill，按需加载后 直接获得：数据格式、28 工具速查表、12 个任务模板——不用再读 README；
2. mcp__origin__origin_help 工具：不连接 Origin、约 1ms 返回同一份速查 （JSON 格式，含 usage/tools/templates/tips），任何时刻可调用。

两者内容一致、互为备份；工具 description 中也已内嵌快速用法提示。

工具清单

| MCP 工具 | 作用 | 关键参数 | |---|---|---| | origin_status | 连接状态 / Origin 进程数 / 环境 | 无 | | origin_write_data | 多列数据写入工作表（dict 或二维列表） | columns, worksheet? | | origin_plot | 画图：line/scatter/line_symbol/column/histogram/box/bar + 误差棒 | worksheet, plot_type, yerr_column, title | | origin_export | 导出 PNG/SVG | graph, fmt, file_path, width | | origin_plot_file | 一键：写数据→画图→导出 | columns, plot_type, fmt, file_path, width | | origin_filter_data | 删除/裁剪数据点（按行索引或 x 范围） | worksheet, drop_rows, x_min/x_max | | origin_fit | 线性/非线性拟合（Origin 内置函数），拟合曲线上图 | worksheet, kind(linear/ExpDec1/Gauss/...), plot_curve | | origin_plot3d | 3D 表面图 / 3D 散点图 | data, plot_type(surface/scatter) | | origin_stats | 描述统计：count/mean/std/min/p25/median/p75/max/skew | worksheet, columns | | origin_transform | 平滑/归一化/微分/插值（写回新列） | worksheet, op, method, window, new_x | | origin_integrate | 数值积分 AUC（梯形法） | worksheet, x_column, y_column | | origin_fft | FFT 频谱：主频提取 + 频谱图 | worksheet, plot_spectrum, top | | origin_correlate | Pearson 相关矩阵 | worksheet, columns | | origin_peak_find | 峰值检测（峰高/间距过滤） | worksheet, min_height, min_distance | | origin_histogram | 直方图统计（可画图导出） | worksheet, bins, plot | | origin_plot_contour | 等高线 / 填充等高线 / 3D 线框 | data, plot_type | | origin_catalog | 动态工具目录（按分类列出全部工具，文档即实现） | group | | origin_error_codes | 全部稳定错误码 + 恢复建议 | 无 | | origin_list_graphs / origin_list_sheets | 列出图页 / 工作表页短名 | 无 | | origin_read_worksheet | 读取工作表列数据（含列角色/点数） | worksheet, columns, max_rows | | origin_view_graph | 图→内联图片（模型可看，不落盘） | graph, max_width | | origin_apply_style | 对已有图应用排版/调色板/多序列区分 | graph, style_mode, family, columns | | origin_ttest | t 检验：one / 两样本(Welch) / paired | column_a, column_b, kind, mu | | origin_anova | 单因素方差分析（每组一列） | columns | | origin_pca | 主成分分析（载荷/解释方差/得分） | columns, scale, n_components | | origin_survival | Kaplan-Meier 生存分析 | time_column, event_column |

进阶能力

删除/裁剪数据点（origin_filter_data）

# 删除第 2/5/9 行（0 起始索引）
origin_filter_data(worksheet="[Book1]Sheet1", drop_rows=[2, 5, 9])
# 只保留 x ∈ [0, 15] 的数据（x 列自动裁剪，NaN 填充尾部，图上不显示）
origin_filter_data(worksheet="[Book1]Sheet1", x_min=0, x_max=15)

拟合（origin_fit）

• kind="linear"：线性拟合，返回 slope / intercept 及误差；
• kind="ExpDec1" / "Gauss" / "Polynomial" / "Lorentz" / "Sigmoid" 等： Origin 内置拟合函数名（非线性最小二乘，返回全部参数 + cod/R² 等统计量）；
• plot_curve=True：自动生成「原始散点 + 拟合曲线」图。

实测参数还原精度：线性 slope=2.035（真值 2.0）；ExpDec1 A1=5.08（真值 5.0）、k=0.518（真值 0.5）、cod=0.997。

3D 图（origin_plot3d）

# 3D 表面：z 为 2D 网格（自动生成 X/Y 索引网格，或提供 x/y 向量）
origin_plot3d(data={"z": [[1, 2, 3], [4, 5, 6], [7, 8, 9]]}, plot_type="surface")
# 3D 散点：x/y/z 三个等长列表
origin_plot3d(data={"x": [...], "y": [...], "z": [...]}, plot_type="scatter")

表面图走 Origin 原生 GLparafunc 模板（matrix Z/X/Y 三对象），散点走 plotxy plot:=310。

科学分析（origin_stats / origin_transform / origin_fft 等）

| 能力 | 工具 | 说明 | |---|---|---| | 描述统计 | origin_stats | count/mean/std/min/p25/median/p75/max/skew | | 平滑 | origin_transform(op="smooth") | 移动平均 / 中值滤波，窗口可调 | | 归一化 | origin_transform(op="normalize") | minmax / zscore / sum | | 数值微分 | origin_transform(op="derivative") | 基于 x 步长的梯度 | | 插值 | origin_transform(op="interpolate") | 任意新 x 网格线性插值 | | 积分/AUC | origin_integrate | 梯形法曲线下面积 | | 频谱分析 | origin_fft | 幅度谱 + 主频提取 + 频谱图 | | 相关性 | origin_correlate | Pearson 相关矩阵 | | 峰值检测 | origin_peak_find | 局部极大值 + 峰高/间距过滤 | | 直方图 | origin_histogram | bin 频数 + 柱状图 |

实测：FFT 对 2Hz 正弦（256 点、0.05s 采样）主频检出 2.031Hz；AUC 梯形法精度良好； 峰值检测对高斯峰（σ=0.5）在 x=6.0 处检出多个候选峰（配合 min_height/min_distance 收敛）。

画图类型速查（origin_plot / origin_plot_file）

| plot_type | 实现 | 说明 | |---|---|---| | line / scatter / line_symbol / column | add_plot | 基础 2D | | histogram | numpy 分箱 + 柱状图 | 稳定可控 | | box | Origin 原生 box 模板 | 箱线图 | | bar | Origin 原生 bar 模板 | 条形图（真机验证可靠；plotxy 204/215 在 2026b 会渲成面积图/不出图） | | + yerr_column | add_plot colyerr | 误差棒 |

通用排版参数（全部画图工具可用）：

• style_mode：default / journal（单栏 89mm·双栏 183mm·8pt 起）/ presentation —— 字号/线宽/刻度/几何真正落图；
• family：调色板（ocean/nightfall/duo_warm/forest/grey_tone/low_saturation/paired）；
• graph_name：幂等命名——同名重复调用清旧重画，图名稳定（不再累积 Graph2/3）；
• 轴标题：从列名自动语义推断（temperature_C → "Temperature (°C)"，pressure_kPa → "Pressure (kPa)"），经 GLayer.axis('x'/'y').title 可靠落图；
• 多序列自动区分：线型/符号循环 + 颜色（CVD 色盲安全）；密集数据自动降符号。

排坑记录：LabTalk plotxy 的列范围必须用 [Book]1!B 短名形式（(n) 索引形式对 部分图型静默失败）；box/bar 在真机上无可靠 plotxy 代码，统一改走 Origin 原生模板。

期刊级排版（plot_style.py，v2 新增）

采用感知色彩度量（clean-room 自研，未复制任何第三方代码/文档）：

• OKLab 色彩空间计算调色板两两感知色差，保证多序列可分辨；
• CVD 色盲模拟（protanopia/deuteranopia/tritanopia 转换矩阵）筛选色盲可读方案；
• 白底对比度（WCAG 对比度）保证线条/符号在期刊白底上清晰；
• 每种 family 返回 min_oklab_distance / min_contrast_white / min_cvd_distance 指标， 且每一步给出 reason，可审计；
• style_mode 预设（journal/presentation）给出目标图宽（mm）、最小字号、线宽、刻度长度。

视觉校验（origin_view_graph，v2 新增）

出图后模型不必先导出文件再想办法看：

{"graph": "styled3"}   // 返回 [文本摘要, ImageContent]：模型直接看到图

• 图片为内联 mcp.types.ImageContent（PNG base64），不落盘；max_width 控制 token 成本；
• 适合让视觉模型核对：图型是否对、配色是否可区分、轴标题是否合理；
• 实配示例（识图模型核对过）：3 序列 line_symbol，X=温度(°C)、Y=压力(kPa)， 蓝圈/橙三角，图例在右上角。

统计批（纯 numpy 自研，无 scipy，v2 新增）

| 工具 | 统计量 | 说明 | |---|---|---| | origin_ttest | t / df / p | one（vs 指定 mu）/ 两样本（Welch）/ 配对；t 分布尾概率用 Lanczos γ + 连分数不完全 β 实现 | | origin_anova | F / p / η² | 单因素，每组一列；F 分布尾概率同样自研 | | origin_pca | 解释方差比 / 载荷 / 得分 | SVD；scale=True 标准化 | | origin_survival | KM 表 / 中位生存时间 | 事件+删失；中位时间为存活率过 0.5 的插值点 |

示例：origin_ttest({"worksheet":"[Book1]Sheet1","column_a":"a","column_b":"b","kind":"two"}) → {"statistic": -1.39, "df": 2.31, "p_value": 0.284}。

稳定错误码（origin_errors.py，v2 新增）

所有调用（含遗留错误路径）统一返回：

{"ok": false, "error_code": "worksheet_not_found", "error": "...",
 "recoverable": true, "next_actions": ["..."]}

• 常用枚举：worksheet_not_found / column_not_found / invalid_request / origin_operation_error / graph_not_found / unsupported_origin_feature（如 3D 散点无输出时优雅降级）；
• _synchronized 边界自动把历史 {ok:false,error} 升级为结构化错误；
• origin_error_codes 一次返回全部枚举与恢复建议，模型可据此安全分支重试。

并发 / 多会话稳定性设计

Origin 是单实例 COM 自动化服务器，且 comtypes 的 COM 接口指针有线程亲和性 （实测跨线程调用报「对象没有连接到服务器」）。本插件的对策：

1. 专用 COM 线程：所有 Origin 操作投递到唯一工作线程串行执行（任务队列）， 同时解决线程亲和性与并发互踩；
2. 单实例语义：连接前强制 OriginExt.ApplicationSI（复用已运行主实例）， 杜绝多 Origin 进程导致的 COM 连错实例（实测多实例会让 LT_execute 报异常）；
3. 唯一命名空间：每次调用新建 DSH_<8hex> 工作表/图，互不覆盖；
4. 多进程加固：设置环境变量 ORIGIN_IPC_LOCK=1 可启用 Windows 命名互斥体， 覆盖多 DSH 实例同时操作同一 Origin 的极端场景；
5. 实测：8 线程并发各画一张图 8/8 通过，单张耗时约 1~2 秒。

目录结构

dsh-origin-plugin/
├── origin_engine.py          # 核心引擎：连接/写数/画图/导出/线程/错误升级
├── origin_errors.py          # 稳定错误码：枚举/恢复建议/遗留错误升级（v2 新增）
├── plot_style.py             # OKLab 调色板 + CVD 模拟 + 布局预设（v2 新增）
├── origin_analysis.py        # 纯 numpy 统计：t/ANOVA/PCA/似然 KM（v2 新增）
├── origin_mcp_server.py      # MCP 服务器（28 工具注册式），自带自测模式
├── demo_call.py              # 最小可运行示例（不依赖 MCP）
├── register_to_dsh.ps1       # 注册脚本（幂等/UTF-8 安全/自动备份）
├── unregister_from_dsh.ps1   # 卸载脚本
├── smoke/
│   ├── origin_com_smoke_test.py   # COM 链路冒烟测试
│   ├── advanced_test.py           # 删点/拟合/3D
│   ├── science_test.py            # 直方图/误差棒/等高线…
│   └── mcp_handshake_test.mjs     # 用 DSH 同款 Node SDK 验证 MCP 握手
└── docs/
    ├── DESIGN.md              # 设计蓝图 + 真机探测矩阵 + 官方文档依据（v2 新增）
    ├── example.png            # 示例输出图
    ├── example_style.png      # v2 排版示例（3 序列/轴标题/调色板）
    ├── example_bar.png        # 柱状图（模板修复后）
    └── example_3d.png         # 3D 表面示例

自测

:: 引擎级全链路（写数→画图→PNG→SVG）
.venv\Scripts\python.exe -X utf8 origin_mcp_server.py --selftest

:: 8 线程并发稳定性
.venv\Scripts\python.exe -X utf8 origin_mcp_server.py --concurrency-test

:: MCP 协议级（模拟 DSH 客户端，验证 28 个工具 + 跨协议图片内容）
.venv\Scripts\python.exe -X utf8 origin_mcp_server.py --mcp-test

:: 进阶能力（删点/拟合/3D）+ 科学分析
.venv\Scripts\python.exe -X utf8 smoke\advanced_test.py
.venv\Scripts\python.exe -X utf8 smoke\science_test.py

:: 用 DSH 自带 Node MCP SDK 握手（与 dsh-mcp-client 同款）
node smoke\mcp_handshake_test.mjs

:: 最小调用示例
.venv\Scripts\python.exe -X utf8 demo_call.py

端到端验证清单

• [ ] smoke 测试输出 RESULT: OK，output\comtest.png 存在
• [ ] --selftest 输出 SELFTEST OK（含样式应用/幂等命名/预览/错误码/统计批）
• [ ] --concurrency-test 输出 CONCURRENCY-TEST OK（8/8）
• [ ] --mcp-test 输出 MCP-TEST OK（28 工具可见，view_graph 返回 image 内容）
• [ ] origin_view_graph 的返回能被识图模型正确读出轴标题/图型/配色
• [ ] mcp_handshake_test.mjs 输出 HANDSHAKE-TEST OK
• [ ] register_to_dsh.ps1 执行成功，dsh --profile web --dump-config 可见 mcp-origin
• [ ] 重启 Harness 后新对话触发画图，返回 PNG 路径且图片内容正确
• [ ] 同时开 2~3 个对话各画不同图，互不干扰

常见问题

| 现象 | 处理 | |---|---| | 对话里没有 mcp__origin__* 工具 | Harness 未重启；或 --dump-config 无 mcp-origin（检查 patch 编码/语法） | | origin_status 报 LT_execute 异常 | 存在多个 Origin64 进程：关闭多余 Origin 窗口只保留主实例后重试 | | Origin 弹模态对话框导致调用卡住 | 自动化期间不要手动操作 Origin；关闭对话框重试 | | 中文乱码 | 不要用 Add-Content 等 ANSI 方式追加 YAML；脚本已内置 UTF-8 写入 | | 换机器 | 改 register_to_dsh.ps1 中的路径或直接编辑 patch 条目 |

设计借鉴与 clean-room

v2 的排版方向受 Ge-Shun/origin-mcp 的"调色板 / 轴标题语义化 / 按图型排版"设计理念启发，但全部代码为全新实现：

• 未复制其任何源码、文档或 official_docs.generated.json；
• plot_style.py 的 OKLab 色差 / CVD 模拟 / 对比度度量、origin_analysis.py 的 t / ANOVA / PCA / KM 均为本仓库独立实现（仅依赖 numpy）；
• 所有轴标题/模板/plotxy 行为均在本机 Origin 2026b 真机探针验证后写入。

精简模式（可选）

设置 ORIGIN_MCP_PROFILE=compact 可从工具集隐藏统计批（ttest/anova/pca/survival）， 适合只需要画图+基础分析的场景；其余 24 个工具不变。

License

MIT © Fantasality