dsh-image-dscriber

模型推理更新于 2026.08.18

在终端中运行以下命令：

dsh plugin install shuxu-zhao/dsh-image-dscriber

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在终端执行 dsh plugin install shuxu-zhao/dsh-image-dscriber 即可完成安装，插件源码位于 https://github.com/shuxu-zhao/dsh-image-dscriber ，安装后按 README 指引将其挂载到对应的 DeepSeek Harness Web Profile 并在 settings.yaml 中为纯文本模型声明 image 模态即可启用视觉理解能力。

插件介绍

DeepSeek Harness 中的纯文本模型（如 deepseek-v4-flash、deepseek-v4-pro）没有视觉通道。用户粘贴截图时，模型要么因接收二进制数据而崩溃，要么发起无意义的本地文件搜索，完全无法理解图片内容。dsh-image-describer 要解决的就是这道断层。

插件提供双模视觉理解：附件模式下，图片经视觉模型（默认 MiniMax-M3）完成 OCR 与版面识别后，以结构化提示词替代原始二进制块，文本模型直接基于识别文字作答；工具模式下，模型自主调用 describe_image 工具读取工作区图片文件，视觉模型按指定问题返回分析结果，调用过程在 Web UI 工具卡片中完全可见。

适合在 DeepSeek Harness 中使用纯文本模型、又需要让模型看见截图、架构图、报错截图等图片内容的开发者。只需在配置中声明 image 模态并指定视觉模型，即可零代码获得视觉理解能力。