🤖

dsh-vision

模型推理更新于 2026.08.15

在终端中运行以下命令：

dsh plugin install joyiok/dsh-vision

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 中执行 dsh plugin install joyiok/dsh-vision 即可安装该识图插件，源码仓库地址为 https://github.com/joyiok/dsh-vision，安装后重启 dsh web 即可生效。

插件介绍

DeepSeek Harness 的 Agent 跑着跑着就可能碰上一张截图、一个设计稿、一张报错界面——但主模型是纯文本的，看不了图。dsh-vision 正是为这个缝隙而生：它给 Agent 装上一双眼睛，让任何不支持多模态输入的文本模型也能"看图说话"。

安装后，Agent 获得一个 image_analyze 工具。只需传入本地路径、http(s) 链接或 data URL（最多 4 张），插件便会在内存中将图片转为 base64，转发给 OpenAI 兼容的视觉模型接口，再将文字分析结果交还主模型继续推理。默认走 OpenRouter 上的 Gemini Flash 系列，支持 png、jpeg、gif、webp 格式；你也可以通过参数覆盖模型、调整输出长度、指定分析方向，比如"检查这段 UI 有没有对齐问题"。网络层面内置了 429 / 5xx 自动重试和 AbortSignal 超时控制，确保在批量任务中不会卡死或丢失上下文。

如果你在用 DeepSeek、Llama 这类纯文本大模型作为 Harness 主脑，又希望 Agent 在自动化流程中具备基本的视觉理解能力——读截图、看报表、审界面——dsh-vision 是一个轻量且低摩擦的补位方案。