跳到正文
  • 首页
  • 插件说明
  • image-vision

wangyang10/image-vision

80最近提交 2026年8月14日

image-vision DSH 插件

该插件为 DeepSeek Harness (DSH) 添加了视觉能力，使纯文本模型（如 DeepSeek）能够处理图片。它会自动调用 OpenAI 兼容的识图 API（包括 OpenRouter、SiliconFlow、智谱、Kimi、通义千问、本地 Ollama 等），支持图片描述、问答和 OCR。同时支持多图对比和结构化 JSON 输出，并在 macOS 上内置了图片预处理（HEIC/AVIF 转换、缩放、压缩）。

visionskills-workflows

如何安装 image-vision DSH 插件

dsh plugin --profile web add dsh-image-vision

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

image-vision DSH 插件数据来源

image-vision DSH 插件快照日期：2026年8月16日

discovered

image-vision DSH 插件能做什么

  • 模型不具备视觉能力时自动调用识图 API
  • 支持本地图片、http(s) URL 和 data URL
  • macOS 自动预处理：HEIC/HEIF/AVIF 转 JPEG，TIFF/BMP 转 PNG，长边超 2048px 自动缩放，超 10MB 自动压缩
  • 多图对比与问答
  • OCR 文字提取，支持 --json 结构化输出
  • 可通过环境变量或 .env 文件配置；DSH 插件还支持凭据存储

image-vision DSH 插件适合哪些场景

  • 让纯文本模型描述照片内容
  • 从截图或文档中提取文字（OCR）
  • 比较两张图片并指出差异
  • 在对话中引用图片进行上下文问答
  • 在不离开聊天界面的情况下自动处理图片

image-vision DSH 插件适合谁

  • 希望为纯文本模型添加视觉能力的 DSH 用户
  • 构建需要理解图片但无需多模态模型的 AI 助手的开发者

image-vision DSH 插件的限制

  • 运行时需要第三方识图 API 密钥（VISION_API_KEY）和网络连接
  • 图片预处理（HEIC/AVIF 转换、缩放）目前仅支持 macOS（通过 sips）
  • DSH 插件版本无需 Python 依赖，但标准技能版本需要 Python 3
  • 图片大小限制：默认 maxEdge=2048px，maxBytes=10485760（10MB），可配置

image-vision DSH 插件的仓库 README 摘录

以下文字摘自 image-vision DSH 插件的上游仓库 wangyang10/image-vision 的 README，版权归原作者，仅作引用。

让没有视觉能力的模型（如 DeepSeek 等纯文本模型）也能"看图"：自动调用 OpenAI 兼容的识图模型 API（OpenRouter、SiliconFlow、智谱、Kimi、通义千问、 本地 Ollama 等），完成图片描述、问答、OCR 等任务。 **一个仓库，多个 Agent 宿主**：同一套技能逻辑分别以标准 skill 和宿主插件的形式 提供给 Codex、Claude Code、DeepSeek Harness（DSH）等使用。 ## 支持的 Agent | Agent | 接入物 | 推荐安装方式 | 调用方式 | 运行时依赖 | |---|---|---|---|---| | **Codex** | 标准 skill（`skills/image-vision/`） | 自动安装 / 一键脚本 `TARGET=codex` | 发图提问自动触发；或手动跑 python 脚本 | python3 + sips（macOS） | | **Claude Code** | 标准 skill | 自动安装 / 一键脚本 `TARGET=claude` | 同上 | python3 + sips（macOS） | | **DeepSeek Harness (DSH)** | 插件（`dsh-image-vision/`，推荐） | 一键脚本 / 手动 / 把仓库地址发给 DSH 自动装 | 模型直接调 `vision_query` 工具；输入框 `/image-vision` | 无（纯 Node 内置模块） | | **DeepSeek Harness (DSH)** | 标准 skill（轻量方案） | 一键脚本 `TARGET=dsh` | 发图提问触发技能，模型跑 python 脚本 | python3 + sips（macOS） | | 其他支持 SKILL.md 的宿主 | 标准 skill | 复制到对应技能目录 | 依宿主而定 | python3 | ### 仓库结构 ``` image-vision/ ├── skills/image-vision/ # 标准 skill：Codex / Claude Code / 其他 SKILL.md 宿主 / DSH 轻量接入 │ ├── SKILL.md # 技能说明（各宿主通用） │ ├── scripts/vision_query.py │ ├── agents/openai.yaml │ └── references/providers.md ├── dsh-image-vision/ # DSH 插件：深度接入（Cordis 插件，独立可 publish） │ ├── lib/*.js #

阅读完整 README仓库许可: MIT

image-vision DSH 插件常见问题

如何配置 Image Vision 插件的 API 密钥？

在 ~/.dsh/image-vision.env 或 ~/.codex/image-vision.env 文件中添加 VISION_API_KEY=你的密钥。也可以直接设置环境变量。DSH 插件还支持将密钥存入 DSH 的凭据系统（设置页或 ~/.dsh/.credentials.yaml）。

支持哪些识图 API 提供商？

任何 OpenAI 兼容的识图 API：OpenRouter、SiliconFlow、智谱、Kimi、通义千问（Qwen）以及本地 Ollama。通过 VISION_API_BASE 和 VISION_MODEL 指定。详细示例见 references/providers.md。

使用插件需要安装 Python 吗？

DSH 插件版本（dsh-image-vision）是纯 Node.js ESM 模块，零 Python 依赖。只有标准技能版本（用于其他宿主）才需要 Python 3。

支持哪些图片格式？

本地图片：HEIC/HEIF/AVIF/TIFF/BMP/JPEG/PNG（macOS 会自动预处理前四种）。URL 和 data URL：支持远程 API 支持的任何格式。插件还会对过大图片进行缩放和压缩。

插件能在 Windows 或 Linux 上使用吗？

插件本身可在任何支持 Node.js 的 OS 上运行（DSH 可运行）。但自动图片预处理（HEIC/AVIF 转换、缩放）目前仅支持 macOS（使用内置 sips 工具）。在其他平台上，原始图片会直接发送，你可能需要手动转换格式。