🤖

dsh-vision-bridge

模型推理更新于 2026.08.26

在终端中运行以下命令：

dsh plugin install GooDAnDReaDY/dsh-vision-bridge

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 中运行 dsh plugin install GooDAnDReaDY/dsh-vision-bridge 安装本插件，完整源码见 https://github.com/GooDAnDReaDY/dsh-vision-bridge

插件介绍

在 DeepSeek Harness 中，纯文本模型（如 deepseek-v3、Qwen 文本变体）有一个硬伤：会话控制器的模态检查会直接拒绝任何附带图像的提示词，用户根本无法把截图、图表或设计稿发进对话。dsh-vision-bridge 填补了这块空白——它在 Cordis 运行时内部透明地扩展模型的输入声明，让文本模型也能接收图片，同时自动将图像转写为结构化文本描述，再交回给聊天模型。

核心能力集中在三层：一是服务模式桥接，自动检测原生视觉模型直接透传，非原生模型则路由到可配置的后端（dsh-catalog、OpenAI 兼容端点、Ollama、自定义 Webhook）完成图像描述，支持多通道回退与并行竞赛；二是高性能 LRU 缓存，按内容哈希去重，避免重复调用视觉 API 浪费 token；三是 26 种即取即用的视觉工具，覆盖 OCR（含离线 Tesseract）、视觉问答、边界框定位、UI 布局解析、像素差异比对、SVG 描摹等，满足从截图阅读到多图对比的完整链路。

如果你日常在 DSH 里用文本模型处理截图、UI 稿、图表或任何视觉素材，这个插件基本是刚需。三种处理模式（hybrid / llm / tools）让你按需切换自动化程度，无需改动工作流即可让纯文本对话拥有完整的视觉理解能力。