dsh-vision-tool

在 DeepSeek Harness 里，纯文本主模型按引擎规则收不到图片字节，带图消息还可能在准入阶段被整条拒绝，你贴的截图模型既看不见也接不住。dsh-vision-tool 在不改写请求消息的前提下补上识图路径：放宽带图消息准入、提供 understand_image 与 list_conversation_images，并把看图交给单独配置的小参数多模态模型，结果以文本交还主模型继续推理。

主模型负责思考，视觉模型负责看。贴图后主模型看到的是文本占位符，系统提示会引导它在需要时调用工具，且必须结合当前任务提出具体问题，而不是笼统描述图片。工具可针对会话最近一张图，也可列出历史图片再指定路径。活跃模型已声明图片能力，或被 overrides 标为多模态时，插件完全退避，不注入指导、不碰原生图片路径。

只需在配置里选定视觉模型的 provider 与 model，并确保该路由在 dsh 里具备图片输入能力；输出 token、视觉系统提示、是否注入指导、按模型覆盖模态等可在 web 插件管理页配置卡片里保存即生效。适合在 dsh 0.2.x 上用纯文本大模型做主力、又希望会话里直接贴图提问的用户，以及希望用小视觉模型专门识图、把主模型算力留给推理的场景。