dsh-vision DSH 插件

dsh-vision 是 DeepSeek Harness 的插件，通过可配置的 API 集成外部视觉模型（如 GPT-4o、Claude、Gemini）。它提供浮动按钮和配置面板，让用户发送图片进行识别，并注入截图和识图工具，使模型能够自主完成截图 + 识图。插件自动适配多种 API 协议，并支持自定义端点。

vision ui-productivity

如何安装 dsh-vision DSH 插件

dsh plugin --profile web add @linenxi-ctrl/dsh-vision

复制不会执行命令。安装 dsh-vision DSH 插件前请核对仓库和版本。

dsh-vision DSH 插件数据来源

dsh-vision DSH 插件快照日期：2026年8月16日

discovered

dsh-vision DSH 插件能做什么

提供可拖动的鲸鱼按钮和配置面板，用于设置 API 地址、密钥、模型名、识图提示词、代理和超时。
用户可以通过面板发送图片进行识图，识别文本自动回传至当前会话，无需手动复制粘贴。
为 agent 注入 screenshot（截屏）和 recognize_image（识图）两个工具，模型可自行截图并识别。
自动适配 OpenAI Chat/Responses、Anthropic、Gemini 协议，并提供 custom 模板协议适配任意长尾接口。

dsh-vision DSH 插件适合哪些场景

在对话中发送图片，借助外部视觉模型让模型描述图片内容。
让模型查看屏幕上的报错信息：模型会自动截图并识别文字，然后给出解决方案。
通过配置面板快速切换不同的视觉模型（如 GPT-4o、Claude、Gemini），无需修改代码。

dsh-vision DSH 插件适合谁

使用 DeepSeek Harness 但需要视觉能力的用户，希望保持主模型为纯文本模型。
希望扩展 DSH 以集成自定义外部视觉模型的开发者或高级用户。

dsh-vision DSH 插件的限制

需要自备外部视觉模型的 API 密钥、基础地址和模型名称，插件本身不包含任何视觉模型。
识别质量完全取决于外部模型，插件仅负责转发图片和返回文本。
插件处于早期阶段（v0.2.6），可能存在边缘情况；自定义协议需要手动填写 JSON 模板。
仅支持图片输入，不支持视频或实时流。

dsh-vision DSH 插件的仓库 README 摘录

以下文字摘自 dsh-vision DSH 插件的上游仓库 linenxi-ctrl/dsh-vision 的 README，版权归原作者，仅作引用。

为 [DeepSeek Harness](https://github.com/deepseek-ai/deepseek-harness) 增加「外挂识图模型」能力：让本来不具备视觉能力的模型，通过一个可自定义地址/密钥/提示词的外部视觉模型来「看懂」图片与屏幕。 ## 功能 1. **网页配置按钮与面板**：页面右下角出现一个DeepSeek 鲸鱼圆形按钮（可拖动），点击即可配置外挂识图模型的 API 地址、密钥、模型名、识图提示词（skill）、代理与超时。 2. **发送图片识图并自动回传**：点鲸鱼按钮打开面板，点「📤 发送图片」选图，插件会先把它发给外挂识图模型，等识别完成后把识别文本**自动作为消息发回当前会话**（无需手动复制粘贴），DeepSeek 基于识别文本作答。 3. **模型自己截图 + 识图**：插件为 agent 注入 `screenshot`（截屏）与 `recognize_image`（识图）两个工具，并注入提示词，模型可自行「截图 → 识图 → 等待结果」。 4. **自动适配识图 API 协议**：内置 OpenAI Chat Completions、OpenAI Responses、Anthropic Messages、Google Gemini 四种协议，并按 `apiBase` 自动探测；另有 `custom` 模板协议适配任意长尾接口。 ## 文件结构 ``` dsh-vision/ ├── install.bat # Windows 一键安装（双击） ├── install.sh # macOS/Linux 一键安装 ├── install.mjs # 安装脚本本体（npm 场景只做 agent 工具平面；目录场景全自动） ├── bootstrap-node.ps1 # Windows 引导脚本：未装 Node.js 时从国内镜像自动下载免安装版 ├── package.json # 包定义（dsh.bundle + dsh.client 声明；tool 为独立子路径） ├── cordis.patch.yml # 插件挂载声明（dsh.bundle.patch 自动应用到 profile layer） ├── lib/ │ ├── index.js # host 平面插件：识图服务 + 协议适配 + settings 配置 + HTTP 路由 │ ├── tool.js # agent 工具插件：recognize_image / screenshot + 提示词注入 │ └── client.js # 客户端插件：鲸鱼按钮 / 配置面板 / 发送图片识图 / 自动回传 └── README.

阅读完整 README仓库许可: MIT

dsh-vision DSH 插件常见问题

如何安装 dsh-vision？

在终端中运行 `dsh plugin --profile web add @linenxi-ctrl/dsh-vision`，需要 Node.js 18+ 和 pnpm。也可以从 Releases 下载 zip 包，然后运行安装脚本（无需 Node.js）。安装完成后重启 DSH（`dsh web`）。

识图失败，返回 401 错误怎么办？

401 错误表示 API 密钥缺失或错误。点击右下角的鲸鱼按钮打开配置面板，重新输入正确的 API 密钥。请确保密钥与你使用的外部视觉模型服务一致。

如何让模型自动截图并分析？

首先确保已注入 agent 工具：npm 安装后运行 `node ~/.dsh/profiles/web/node_modules/@linenxi-ctrl/dsh-vision/install.mjs`。然后在对话中直接说“看看我屏幕上的报错”，模型会调用 `screenshot` 工具截图，再调用 `recognize_image` 识别，最后给出回答。

能否使用非 OpenAI/Anthropic/Gemini 的自定义视觉模型？

可以，在配置面板中将协议设为 `custom`。你需要提供 `requestTemplate` JSON 模板（使用占位符如 `{{model}}`、`{{prompt}}`、`{{image}}`）和 `responsePath` 从响应中提取文本。插件默认使用 `Authorization: Bearer <apiKey>` 鉴权；如需特殊鉴权，请提 issue。

如何卸载 dsh-vision？

如果通过 npm 安装，先运行 `dsh plugin --profile web remove @linenxi-ctrl/dsh-vision`。然后运行卸载脚本：Windows 双击 `uninstall.bat`，macOS/Linux 运行 `bash uninstall.sh`。脚本会自动删除插件文件、profile 配置和 agent preset。