dsh-gemini-multimodal

客户端更新于 2026.08.25

在终端中运行以下命令：

dsh plugin install RealAlexandreAI/dsh-gemini-multimodal

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 终端中运行 dsh plugin install RealAlexandreAI/dsh-gemini-multimodal 即可安装，源码详见 https://github.com/RealAlexandreAI/dsh-gemini-multimodal 。

插件介绍

DeepSeek 模型本质上是纯文本的，截图、语音备忘、PDF 和视频片段对它完全不可见。dsh-gemini-multimodal 将感知能力委托给 Gemini，由后者完成图像理解、音频转写、视频分析和文档阅读，而推理与决策仍留在 DeepSeek 主模型中，让 Harness 在不改变核心身份的前提下获得真正的多模态感知。

插件提供四个工具：media_understand 分析图像、音频、视频或 URL，支持 OCR、图表识读、UI 解析和语音提取；media_transcribe 输出逐字转录并在关键处附带时间戳；image_generate 将文字提示生成为本地 PNG 图片；read_document 对 PDF、Office 文档和纯文本进行摘要或问答。底层支持 Gemini REST API 单次快速调用，或本地 Antigravity CLI 零配置开箱即用，两种接入方式任选其一即可。

如果你的 DeepSeek Harness 工作流频繁涉及设计稿、会议录音、产品演示或客户交付文档，这个插件能省去手动描述媒体再贴回文本的繁琐步骤，让 Agent 直接处理原始素材并给出你真正需要的答案。