🤖

dsh-plugin-vision-toolkit

模型推理更新于 2026.08.25

在终端中运行以下命令：

dsh plugin install YYTbit/dsh-plugin-vision-toolkit

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 终端中执行 dsh plugin install YYTbit/dsh-plugin-vision-toolkit 即可完成安装，插件源码地址为 https://github.com/YYTbit/dsh-plugin-vision-toolkit 。

插件介绍

在 DeepSeek Harness 中，Agent 本质上只能处理文本。当用户粘贴一张截图、附上一张产品界面图，或者引用一张图表时，纯文本模型完全无从下手——它看不见像素，也无法读懂画面。dsh-plugin-vision-toolkit 正是为填补这一缺口而生：它以插件形式为 Agent 装上一双眼睛，让原本纯文字的推理流程中自然融入图像理解能力。

插件提供四个轻量 CLI 工具，分别对应不同粒度的视觉任务：glance 用于整体描述、提问或 OCR 一张图片；ground 精确定位某个元素并返回边界框坐标；detect 扫描全图找出某类元素的所有实例；crop 则按坐标裁切出指定区域。底层支持 DeepSeek VL（deepseek-vl2 / vl2.5）、OpenAI GPT-4V / GPT-4o 以及任意 OpenAI 兼容的多模态端点。Agent 本身并不接触原始像素，它拿到的是自然语言描述，随后像处理普通文本一样进行推理。

如果你正在用 DeepSeek Harness 搭建工作流，且经常需要 Agent 处理截图、UI 设计稿、图表扫描件或照片，这个插件可以即插即用。它不要求你更换模型或改造推理链路，只需配置一个视觉 API 端点，Agent 便能在对话中自主判断该不该看图、看哪张图、用什么工具看。