YOGEMOW/DeepSeek_Prism
30最近提交 2026年8月15日
DeepSeek_Prism DSH 插件
DeepSeek_Prism 是一个 DSH 插件，让纯文本模型（如 deepseek-v4-flash）能理解图片。它调用外部视觉 API 提取可见事实，压缩为紧凑的 VEP/1 证据包回传主模型，支持自动缩放、多 Provider 降级和本地缓存。
如何安装 DeepSeek_Prism DSH 插件
dsh plugin --profile <name> add @yogemow/deepseek-prism-dsh来源命令需要人工核对。复制不会执行命令。
DeepSeek_Prism DSH 插件数据来源
DeepSeek_Prism DSH 插件快照日期：2026年8月16日
discovered
DeepSeek_Prism DSH 插件能做什么
- 当模型无法读取图片（Unsupported format / binary）时强制触发识别。
- 默认输出 ≤520 字符（约 50–150 tokens）的 VEP/1 紧凑证据。
- 支持五种详细模式的分节报告：页面还原、问题定位、报错日志、文本表格、图表数据。
- 自动缩放超过 2048px 的图片（使用内置 sharp），支持 AVIF/TIFF/SVG 转为 PNG。
- 多 Provider 预设（SiliconFlow、智谱、ModelScope、阿里、OpenRouter、Groq）与自动降级。
- SHA-256 本地缓存，24 小时 TTL，上限 1000 条，支持 `--no-cache` 跳过。
DeepSeek_Prism DSH 插件适合哪些场景
- 让纯文本模型读取截图，提取 UI 元素或错误信息。
- 分析图表和图形，返回结构化数据供后续处理。
- 处理扫描文档或表格，模型无法直接解析图片格式时。
- 在对话中自动将上传的图片转换为文本证据输入模型。
- 调试视觉 API 调用，测试不同 Provider 而无需修改主模型。
DeepSeek_Prism DSH 插件适合谁
- 使用 DeepSeek Harness 且需要偶尔识图能力的纯文本模型开发者。
- 希望避免切换多模态模型，但仍能在工作流中受益于图像分析的用户。
DeepSeek_Prism DSH 插件的限制
- 需要外部视觉 API 密钥（如 SiliconFlow API key），不是本地视觉模型。
- 仅支持 Node.js >= 18；纯 CLI 环境可能缺少 sharp 缩放后端。
- VEP 输出是压缩摘要，不是完整图像描述，复杂场景可能丢失细节。
- 插件仍在早期开发阶段（v0.7.1），大图或动画图片可能存在边缘情况。
DeepSeek_Prism DSH 插件的仓库 README 摘录
以下文字摘自 DeepSeek_Prism DSH 插件的上游仓库 YOGEMOW/DeepSeek_Prism 的 README，版权归原作者，仅作引用。
为纯文本 DeepSeek 模型（如 `deepseek-v4-flash`）提供按需识图能力的 Codex / DeepSeek Harness（DSH）双平台 Skill：图片由外部视觉 API 提取可见事实，压缩为低 Token 的 VEP/1 视觉证据包回传主模型，由主模型继续完成推理、规划与决策。 ## 版本选择 | 版本 | 定位 | 说明 | | --- | --- | --- | | **[v0.7.1](https://github.com/YOGEMOW/DeepSeek_Prism/releases/tag/v0.7.1)** | **零补丁版** | DSH 当前主线：自包含 Cordis 组合包，`prism_see` 工具 + 纯文本模型图片准入 VEP 降级 + 技能运行时注册 + 设置卡片；harness 本体零改动、上游更新零冲突、卸载零残留 | | **[v0.6.2](https://github.com/YOGEMOW/DeepSeek_Prism/releases/tag/v0.6.2)** | **实用版** | DSH 完整 UI 体验：原图保留展示 + VEP 折叠链接/识别进度卡片 + Web 设置卡片可编辑；需应用 `harness-patch/dsh-prism-harness.patch`（可选增强） | | **[v0.2.0](https://github.com/YOGEMOW/DeepSeek_Prism/releases/tag/v0.2.0)** | **Codex 推荐 skills 版** | Codex 平台的技能本体（SKILL.md + `scripts/vision.mjs` + references），安装到 `~/.codex/skills/deepseek-prism` | ## 功能 - 强制触发协议：主模型无法直接读图（Unsupported format / 无法读取 / binary）时，立即调用 `scripts/vision.mjs` 识图。 - VEP/1 紧凑证据：默认输出 ≤520 字符（约 50–150 tokens），字段按优先级裁剪。 - `--detail` 五模式分节报告：页面还原（A1–A7）/ 问题定位 / 报错日志 / 文本表格 / 图表数据。 - 自动分级：小图/简单任务默认 VEP/1；长内容（代码截图、长日志、文档、宽/高比大的图）自动走 `--detail` 完整通道；超长内容自动续写并合并。 - 程序化输出：`--raw` 输出清洗后的原文；`--full` 输出 `{raw, parsed}` JSON 信封。 - 输入预处理：解析图片宽高（含 AVIF/TIFF/SVG 的 sharp metadata 回退），超过
阅读完整 README仓库许可: MIT
DeepSeek_Prism DSH 插件常见问题
如何安装 DeepSeek_Prism DSH 插件？
在终端中运行命令 `dsh plugin --profile <name> add @yogemow/deepseek-prism-dsh`，将 `<name>` 替换为你的 DSH 配置文件名称（如 `web`）。插件会自动安装最新版本（v0.7.1）。安装完成后重启 DSH web 服务即可生效。
使用这个插件需要 API 密钥吗？
是的，你需要一个受支持的视觉提供商的 API 密钥。插件默认使用 SiliconFlow，因此你需要设置 `SILICONFLOW_API_KEY` 环境变量或放在 `.env` 文件中。你也可以通过 `VISION_PROVIDER` 和 `VISION_API_KEY` 环境变量配置其他提供商，如智谱、ModelScope 或 Groq。
支持哪些图片格式？
插件支持常见的图片格式如 PNG、JPEG、GIF、WebP，还能处理 AVIF、TIFF 和 SVG 格式，会通过 sharp 库转换为 PNG。对于动画 GIF，缩放时会保留所有帧。图片必须通过本地文件路径或 URL 访问。
什么是 VEP？为什么它重要？
VEP 是视觉证据包（Visual Evidence Packet）的缩写。它是一种紧凑格式，将图片中的可见事实压缩为低 Token 表示（通常 50–150 tokens），以便纯文本模型在不超出上下文限制的情况下使用这些信息。默认的 VEP/1 输出是一个结构化摘要，包含来源、模型、行动、目标、摘要和细节等字段。
我可以在没有 DSH Web 界面的情况下使用这个插件吗？
可以，插件也可以在 CLI 环境中工作，但需要确保模型能调用 `prism_see` 工具。如果没有 Web 界面，你仍然可以安装插件并通过 DSH CLI 使用。不过，对话中自动将上传图片转换为 VEP 的功能需要 Web 前端；在 CLI 中，你需要手动调用 `vision.mjs see` 并传入图片路径。