前言¶

DeepSeek Harness（dsh）是 DeepSeek AI 開源的智能體框架，官方倉庫把架構概括成一句話：一切皆插件。模型適配器、工具、會話、界面都可以替換，不必改框架源碼。社區裏還有一份獨立的插件目錄站點（deepseek-harness-plugin.com），用來檢索帶 dsh-plugin 話題的倉庫。它和 DeepSeek / 幻方沒有官方從屬關係，不要把它當成官方應用商店。

在 Web 界面裏貼一張截圖，是很常見的操作：報錯畫面、設計稿、表格、表情包。問題出在模型能力聲明上。Harness 會按當前模型的 inputModalities 決定是否放行圖片附件；DeepSeek 的 chat-completions 線路是純文本的，選中它再附加圖片，會被原生拒絕。社區裏已有提供 view_image 一類工具的視覺插件，適合文件路徑，但 GUI 裏直接附加的圖片，對純文本模型依然過不去。

dsh-vision-proxy 補的就是這個缺口：識圖交給視覺模型，對話仍然由 DeepSeek 作答。

這是什麼¶

dsh-vision-proxy 是一款界面增強插件，由 Flyvhidbwo 維護，許可證爲 MIT，主要語言是 JavaScript。本文覈對時，GitHub 倉庫版本爲 0.2.5，聲明需要 Node.js >=22.19.0、DeepSeek Harness >=0.1.0-rc.6。社區目錄頁分類爲「界面增強」；星標以倉庫爲準，覈對時 GitHub 顯示 10 星（目錄頁當時顯示 7 星，存在滯後）。

它做的事情可以概括成一條鏈路：

用戶附加圖片 ──▶ deepseek-vision 路由 ──▶ 經 VLM 轉譯（OCR + 版式 + 細節）
                   │                        │
                   ▼                        ▼
            DeepSeek 作答 ◀── 純文本對話（圖片已替換爲 [圖片轉譯] 文字）

插件會註冊一條新的提供商路由 deepseek-vision，包裝真正的 DeepSeek 適配器。對外它聲明支持圖片輸入，附件預檢因此放行；請求真正發出前，每張附加圖片會先經 OpenAI 兼容的視覺語言模型（VLM）轉成文字，再交給 DeepSeek。對話大腦還是 DeepSeek，識圖只是附加能力。

倉庫 README 把痛點寫得很直接：工具型視覺插件解決的是「按路徑讀圖」，解決不了「在輸入框裏粘貼圖片」。這個插件針對的是後一種。

核心功能¶

不換大腦，只補眼睛¶

默認包裝的內部適配器是 deepseek-official，模型選擇器裏顯示爲 DeepSeek + 自動識圖。純文本消息不會被攔截，直達 DeepSeek；只有帶圖片塊的消息纔會走轉譯。原生 read_image 工具在這條路由下同樣可用，因爲它讀的是同一份模型能力信息。

任意 OpenAI 兼容端點¶

轉譯端點只要講 /chat/completions 即可。倉庫列出的常見組合如下：

默認主模型是百鍊的 qwen3.7-flash。密鑰讀取順序是：配置裏的 apiKey → 環境變量 $VISION_API_KEY → $DASHSCOPE_API_KEY。沒有密鑰的非匿名條目會被跳過，而不是整條鏈路失敗。

fallbackModels 裏每一項都可以帶自己的 baseURL / model / apiKey，一次安裝就能把多家端點串成降級鏈。

沒有密鑰時走本地，而不是卡死¶

autoLocalOllama 默認開啓。啓動時探測 http://localhost:11434，發現 Ollama 就自動加入降級鏈，圖片不出本機。沒有密鑰、也沒有本地 Ollama 時，轉譯會在數秒內失敗，並提示去配置密鑰或安裝 Ollama，而不會靜默掛起。

倉庫明確寫了：不再內置任何第三方匿名免費端點作爲默認兜底。作者說明，實測中這類端點（例如 OVHcloud AI Endpoints）限速很嚴，還可能無響應掛起。如果仍要使用匿名端點，需要自己寫進 fallbackModels，並設 anonymous: true。匿名端點會強制 20 秒超時上限；遇到 HTTP 429 立即失敗，不做 Retry-After 等待；剛失敗的端點進入 60 秒冷卻。

安裝時問一句，啓動時標明端點¶

postinstall 會問：你有 VLM API key 嗎？回答 y 走付費快速通道，默認 N 走本地 / 零配置路徑。非交互環境（CI、沒有 TTY）會自動跳過，安裝本身不會卡住。啓動時會打印一行摘要（路由 id、被包裝的提供商、VLM 模型、端點、超時、key 來源等，密鑰本身不打印），以及 PRIVACY NOTICE，標明當前把圖片發到哪裏。

緩存與大圖處理¶

轉譯結果按圖片字節的 SHA-256 做進程內緩存，上限 200 條，不落盤。同一張圖在當前進程裏最多轉譯一次，重新附加或換對話也能命中。

可選依賴 sharp 裝上之後，超過 maxImagePixels（默認 400 萬像素）的圖會在轉譯前自動縮小；沒裝則原圖直髮。密集 UI 截圖仍可能丟掉小字，這是視覺模型能力上限，不是插件邏輯錯誤。OCR 很重的場景，倉庫建議換成更強的模型（例如 qwen3-vl-plus），或調大 maxTokens（默認 4096）。

安裝與啓用¶

社區目錄頁給出的安裝命令如下，在 DeepSeek Harness 終端中運行即可：

dsh plugin add github:Flyvhidbwo/dsh-vision-proxy

如需可復現安裝，按目錄頁說明固定 commit 哈希：

dsh plugin add github:Flyvhidbwo/dsh-vision-proxy#<commit>

倉庫 README 還提供了針對 web profile、從 npm 安裝的寫法（本插件主要掛在網頁界面的模型選擇器上，一般走這條）：

dsh plugin --profile web add dsh-vision-proxy

國內訪問 npm 官方源較慢時，可以把鏡像參數轉發給 pnpm：

dsh plugin --profile web add dsh-vision-proxy --registry=https://registry.npmmirror.com

pnpm 10 及以上默認攔截依賴的構建腳本。第一次安裝可能以非零碼退出，並提示 Ignored build scripts: dsh-vision-proxy, sharp。需要在該 profile 的 pnpm-workspace.yaml 裏批准二者，然後重跑一次安裝，bundle 纔會註冊完成：

allowBuilds:
  dsh-vision-proxy: true
  sharp: true

如果碰到 pnpm 11 的 ERR_PNPM_MINIMUM_RELEASE_AGE_VIOLATION（新版本發佈未滿一天），倉庫給出的處理是：在同一文件里加 minimumReleaseAge: 0，或給 dsh plugin add 加上 --config.minimum-release-age=0，再重跑。

插件以當前 dsh 進程的權限運行，安裝時可能執行代碼。安裝前應檢查源代碼倉庫和許可證。

典型用法¶

1. 安裝完成後重啓 dsh web。
2. 在模型選擇器裏選中 DeepSeek + 自動識圖（對應路由 id deepseek-vision）。這一步不能省：只有這條路由對外聲明瞭圖片輸入，附件預檢纔會放行。
3. 把圖片粘貼進對話，配一句問題即可。

倉庫 README 裏有一段示例：在 deepseek-vision 路由上，以 DeepSeek-V4-Flash 爲大腦，用戶粘貼一張表情包並問「你看到了什麼」。圖片先被 VLM 轉成帶 OCR 和版式的文字，DeepSeek 再基於這段文字作答；文檔寫的是單步、大約 7.6 秒。轉譯文本前會帶上默認標記 [圖片轉譯]。

安裝後可用下面的命令確認配置裏只有一條插件記錄。注意：--dump-config 會明文打印配置，其中可能包含密鑰。

dsh --profile web --dump-config | grep -A3 dsh-vision-proxy

驗收標準按倉庫說明是：

• 模型選擇器出現 DeepSeek + 自動識圖。
• 粘貼圖片後，先看到 [圖片轉譯]，再由 DeepSeek 作答。
• 沒有密鑰、也沒有本地 Ollama 時，回合應在數秒內失敗並給出指引。這是預期的防卡死行爲，不是安裝損壞。

需要改配置時怎麼寫¶

bundle 已帶默認值，多數情況不用改。要覆蓋時，在 $DSH_HOME/profiles/web/cordis.patch.yml 裏用 id 定向覆蓋，不要用 insert：

- id: dsh-vision-proxy
  name: 'dsh-vision-proxy'
  config:
    baseURL: https://dashscope.aliyuncs.com/compatible-mode/v1
    apiKey: 'sk-…'          # 也可留空，改讀環境變量
    model: qwen3.7-flash
    maxTokens: 4096
    timeoutMs: 120000
    maxImagePixels: 4000000
    marker: '[圖片轉譯]'
    autoLocalOllama: true
    fallbackModels: []

倉庫特別提醒：dsh 的 patch 語義裏，insert 是往列表追加。寫成 - insert: [{id: dsh-vision-proxy, …}] 會讓 bundle 自帶條目和用戶條目同時實例化，deepseek-vision 適配器註冊兩次，行爲未定義。頂層 - id: 纔會命中已有行並整體替換 config；沒寫的鍵回落到插件 schema 的默認值，所以只寫 apiKey 或 model 也可以。

Windows 上還有一個已記錄的坑：資源管理器會緩存環境變量，進程啓動後再導出的 $VISION_API_KEY 可能到不了正在運行的 dsh，日誌裏會看到 skipped — no API key。倉庫的建議是把 apiKey 直接寫進插件配置。另外，dsh rc.6 不加載 .env 文件，不能靠它繞過。

適用場景與注意事項¶

適合這些用法：

• 繼續用 DeepSeek 寫代碼、改文案、做推理，但偶爾需要看截圖、表格或示意圖。
• 希望 GUI 裏直接粘貼圖片，而不是先存盤再調 view_image。
• 國內有百鍊 / 智譜密鑰，或本機已經在跑帶視覺能力的 Ollama。
• 需要把多家 VLM 串成降級鏈，而不是綁死一家。

使用前要清楚邊界：

• 圖片會離開本機，除非 baseURL 指向本地服務（例如 Ollama）。轉譯以 base64 經 HTTPS 發到配置的 VLM 端點。敏感截圖應走自己的端點或本地模型；不能接受這一點，就不要裝。
• 插件以當前 dsh 進程權限運行，能讀工作區文件、用已有憑據、訪問網絡。工具審批框不會把它沙箱化。
• 社區目錄不是 DeepSeek 官方商店。安裝命令以目錄頁原文爲準，來源以 GitHub 倉庫爲準。
• 價格會變。倉庫 README 給出的是 2026 年 8 月百鍊國內站參考：一張約 1080p 的截圖按約 2000 token 估算，qwen3.7-flash 大約幾釐錢量級；以控制檯即時標價爲準。本地 Ollama 不產生這份費用。
• DeepSeek Harness 仍處於開發者預覽，官方倉庫寫明後續可能出現破壞兼容性的變更。本插件聲明基於 rc.6 的公共接口（ctx.llm.registration、registerAdapter、代理 resolveModel / stream）。

小結¶

dsh-vision-proxy 不把 DeepSeek 換成多模態模型，而是在 GUI 附件這一層補了一座橋：圖片先變成帶 [圖片轉譯] 標記的文字，再進入原來的純文本對話。有密鑰走百鍊等兼容端點，沒密鑰則嘗試本機 Ollama；兩者都沒有就快速失敗，而不是把一輪對話卡死。

目錄頁：https://deepseek-harness-plugin.com/zh-CN/plugins/dsh-vision-proxy/

GitHub：https://github.com/Flyvhidbwo/dsh-vision-proxy