🤖

dsh-vision-skill

模型推理更新于 2026.08.24

在终端中运行以下命令：

dsh plugin install DDDFXYqiming/dsh-vision-skill

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在终端执行 dsh plugin install DDDFXYqiming/dsh-vision-skill 即可安装该插件，源码见 https://github.com/DDDFXYqiming/dsh-vision-skill 。

插件介绍

很多 DSH 用户用的是纯文本模型，想让它「看图」时直接贴图就会撞墙。dsh-vision-skill 就是为此而生的桥：它把 Qwen 官方动态分辨率方法封装成 DSH 原生插件，零框架补丁，只走官方扩展接缝，让任意 OpenAI 兼容多模态模型（默认 MiniMax-M3）成为纯文本模型的「眼睛」。

插件提供 8 个工具加 1 个运行时 skill，覆盖通用图像分析（含 evidence 结构化证据）、独立 OCR（保留原始排版）、目标定位（返回像素与归一化坐标）、元素枚举、主色分析、超长截图分块 OCR 以及剪贴板兜底识别。v0.4 起支持 paste-to-path 直贴，粘贴的图自动落盘到工作区，消息里不再出现 image 块，宿主不再报不支持图片的错误。渐进式工具暴露机制让全局只挂一个轻量激活入口，完整工具集等 skill 加载后再按 Agent 挂载，显著节省上下文窗口。

面向生产环境的工程细节同样齐全：多 provider 顺序 failover 与 429 退避、按 SHA-256 加参数的图像记忆缓存、realpath 路径围栏防穿越、密钥走 DSH Credential 引用而非明文。vision_analyze 的 evidence 模式还能输出含 summary、OCR 全文、阅读顺序、实体关系与不确定度的结构化 JSON，方便下游流程直接消费。

如果你正用 DSH 跑纯文本模型又需要 OCR、图像理解或目标定位，又不想在宿主上打补丁、也不想手动管理一堆散落的脚本，这个插件把整套流程收敛到一次安装里——配好兼容的视觉 API 和 Credential，就能用。