DSH Plugins
返回列表
dsh-vision

dsh-vision

模型推理 更新于 2026.11.06

在终端中运行以下命令:

dsh plugin install YOUNG-FELIX/dsh-vision

将以下提示词粘贴到 DeepSeek Harness 对话框中:

在 DeepSeek Harness 中执行 dsh plugin install YOUNG-FELIX/dsh-vision,即可从 https://github.com/YOUNG-FELIX/dsh-vision 安装该插件。

插件介绍

在 DSH 里看图本该很简单,现实却常卡在两道门上:内置 read_image 要求当前会话模型本身声明支持图像,纯文本推理模型会直接拒绝;把任务交给带视觉路由的子代理,又可能被会话的模型白名单拦住。你明明只想让对话模型问一句「图里写了什么」,却要被迫换模型、改授权,或干脆放弃。

dsh-vision 走另一条路:通过 ctx.llm.stream() 直接调用宿主已注册的视觉能力路由,把模型返回的文本交回当前会话。会话模型、计费主体和 API 凭据都留在宿主侧,插件不接触密钥。核心工具是 vision_read(面板可改名),按 task 选用预设提示——通用描述、纯 OCR、UI 截图、图表、多图 diff、定向问答或 auto 自定义指令;路由可设主备与自定义 OpenAI 兼容端点,提示词可在设置里就地编辑并立即生效。

适合正在用强推理但无图像输入的模型、上传阶段就被提供商拒图、或希望用便宜 OCR 读字却仍用当前付费模型聊天的用户;也适合子代理与工作流里按需识图而不改会话配置。若你的模型已经能直接附图,优先用原生能力;需要像素级比对时,应裁剪区域分次提问而非指望对话模型做可靠 diff。

截图预览

使用场景

  • 纯文本会话里需要识别漫画或文档页面的文字与布局
  • 希望用便宜 OCR 读字,同时对话仍停留在当前付费模型
  • 子代理或工作流中调用识图,而不改会话模型或白名单

适合人员

  • 正在使用无图像输入能力的强推理模型用户
  • 上传图片被提供商拦截、需要另寻视觉路由的用户
  • 需要按任务切换 OCR 与大模型识图路线的开发者