dsh-vision

在 DeepSeek Harness 里，多模态模型可以原生接收图片，但当你更愿意用 DeepSeek 文本模型作为最终答案的生成者时，图片往往会被直接忽略。dsh-vision 正是为了解决这个断层而生的：它不改变你选定的主模型，而是让一个独立的视觉模型先观察原始图片，再把观察结果作为“不可信的附件上下文”注入给 DeepSeek，让最终答案仍然由你信任的模型来产出。

它的核心思路非常务实。如果主模型本身支持图片，原始图像会原样透传，不做任何预处理或 OCR；如果主模型是纯文本的，插件会调用你配置的视觉服务（如 ZenMux、阿里云百炼、TokenDance、OpenRouter）来分析多张图片，并且把多图放在一起联合分析，支持对比和综合证据。你的任务描述会被原样转发，而不是被塞进固定的报告模板。当云端视觉不可用时，它还会自动回退到 macOS 内置 Vision 或 Tesseract 本地 OCR，保证基本可用性。

安全性方面也做了明确隔离：原始图片只会发送给你自己配置的视觉服务，视觉输出被标记为不可信观察数据，图片中的指令不会获得任何系统权限；生成的视觉上下文只影响当前这一次模型请求，不会重写历史消息。API Key 通过 Harness 官方凭据服务存储，浏览器内只写不读，也兼容 see-skill 的私有配置文件。

如果你是 DeepSeek Harness 的用户，希望在保留 DeepSeek 作为最终决策模型的同时获得图片理解能力，尤其是需要多图联合分析或对数据边界比较敏感的开发者，这个插件会是一个很自然的选择。它只是补上视觉这一环，不喧宾夺主。