🤖

dsh-llm-grok

模型推理更新于 2026.09.12

在终端中运行以下命令：

dsh plugin install clarkzhao/dsh-llm-grok

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 中执行 dsh plugin install clarkzhao/dsh-llm-grok 即可安装，完整源码见 https://github.com/clarkzhao/dsh-llm-grok 。

插件介绍

如果你已经持有 Grok 订阅，却希望把它当作 DeepSeek Harness 里一个即插即用的 LLM 提供方，dsh-llm-grok 就是为此设计的。它把 Grok CLI 的 session token 通过 DSH 凭据体系接入路由层，走本机 HTTP 代理直连订阅端点，不依赖 Python 旁路，也不读本地 auth.json 文件，省去了反复同步和格式冲突的麻烦。

在能力层面，插件覆盖 grok-4.6 与 grok-4.5 两个型号，均支持文本加图像的原生多模态输入：用户贴进对话框的图或 tool-result 里的图，会随同一次 chat/completions 请求编成 image_url data URL 发给订阅端点，而非先 OCR 成文字再交给文本模型。思考强度从 low 到 xhigh 可调，上下文窗口高达 500K、输出 128K，足以处理长文档与多轮对话。会话日志只保留附件的 sha256 引用，像素数据仅在请求瞬间从 ctx.attachments 读出，不会落盘冗余图片。

这个插件适合已经购买 Grok 订阅、希望按订阅计费而非 API Key 按量计费的开发者，也适合需要图文混合输入又不想额外部署识图工具链的人。只要工作流跑在 DSH 0.1.2-rc.1 及以上，把 token 同步进 DSH 凭据空间，就能让 Grok 和 DeepSeek 在同一个画布里协作。