前言¶
DeepSeek Harness（簡稱 dsh）是 DeepSeek 開源的智能體運行時，目前仍處於 developer preview。官方頁面把設計原則寫得很直接：Everything is a plugin——模型適配、工具、技能、會話、沙箱、存儲、調度和界面，都做成可替換的插件。裝一個插件，等於給當前這條 agent 流水線多掛一塊能力，而不必去改 Harness 源碼。
社區裏已經有不少獨立目錄在收錄這類插件。本文用到的 DeepSeek Harness 插件庫 是社區站點，和 DeepSeek / 幻方沒有官方從屬關係；官方倉庫仍以 GitHub topic dsh-plugin 作爲發現入口。目錄裏的安裝命令可以抄，源碼和許可證還是要自己打開倉庫覈對。
實際用 dsh 寫代碼時，另一個問題很快就會冒出來：不少主模型本身是純文本的，截圖、報錯圖、UI 界面它看不見。你可以把圖片路徑貼進對話，模型也只能猜。dsh-vision 做的事情比較剋制：不改主模型，而是把識圖交給你自己配置的外部視覺 API，識別文本再送回當前會話或 agent 工具結果裏。下面按倉庫 README、package.json 和目錄頁交叉覈對後的內容介紹它。
這是什麼¶
dsh-vision 是一款面向 DeepSeek Harness 的工具與能力插件，由 linenxi-ctrl 維護，許可證爲 MIT。npm 包名是 @linenxi-ctrl/dsh-vision，當前版本 v0.2.6，主要語言是 JavaScript。README 標明兼容 DeepSeek Harness 0.1.0-rc.6，平臺覆蓋 Windows、macOS 和 Linux。
一句話定位：給本來沒有視覺輸入的 Harness 會話，外掛一套可配置地址、密鑰、模型名和提示詞的識圖通道。目錄頁收錄於 2026-08-15。截至 2026-08-18，目錄頁與 GitHub 倉庫均顯示 12 顆星。
GitHub 上還有其他同名倉庫（例如 oil-oil/dsh-vision），能力和安裝命令都不一樣。本文只寫 linenxi-ctrl/dsh-vision 這一份。
核心功能¶
倉庫 README 和目錄詳情頁列出的能力一致，可以分成四塊。
1、網頁配置按鈕與面板。啓用 client 插件後，頁面右下角會出現一個可拖動的 DeepSeek 鯨魚圓形按鈕。點開後可以填識圖 API 地址、密鑰、模型名、識圖提示詞（skill）、HTTP 代理和超時。密鑰按 secret 處理，面板回讀配置時不會把密鑰原文帶回來，只報告是否已配置。
2、發送圖片識圖並自動回傳。打開一個會話後，在面板裏點「發送圖片」選圖。插件把圖片轉成 base64，經同源接口 POST /api/vision/recognize 交給 host 側的識圖服務；識別完成後，文本會自動作爲消息注入當前會話，主模型基於這段文本繼續作答，不必手工複製粘貼。識別期間右上角會顯示「外掛模型正在識圖當中」。
3、模型自己截圖 + 識圖。agent 平面會註冊兩個工具：screenshot（截屏）和 recognize_image（識圖），並注入一段系統提示詞，告訴模型「先截圖、再把路徑交給識圖」。直接對模型說「看看我現在屏幕上的報錯」，按 README 的用法，模型會走「截圖 → 識圖 → 基於文本繼續」這條路徑。recognize_image 也可以直接喫用戶拖入或磁盤上已有的圖片路徑。
4、自動適配識圖 API 協議。內置四種協議：OpenAI Chat Completions、OpenAI Responses、Anthropic Messages、Google Gemini，默認 protocol=auto，按 apiBase 探測；認不出來時回退 openai-chat。另外提供 custom 模板協議，用 requestTemplate 和 responsePath 去接長尾接口。
識圖請求在 host（Node）側發出，不走瀏覽器直連外網，因此不受 CORS 限制。圖片上限在源碼裏寫死爲解碼後 20MB。
安裝與啓用¶
目錄頁給出的安裝命令是：
dsh plugin add github:linenxi-ctrl/dsh-vision
插件會以當前 dsh 進程的權限運行，安裝時可能執行代碼。裝之前應檢查源代碼倉庫和許可證。若需要可復現安裝，目錄頁建議固定 commit 哈希。當前 main 最新提交爲 50f6ba065e8cf42c4ecc5a06c4e96dc2d5c69b11（對應 v0.2.6）：
dsh plugin add github:linenxi-ctrl/dsh-vision#50f6ba065e8cf42c4ecc5a06c4e96dc2d5c69b11
倉庫 README 另外給了 npm 安裝方式（需要 Node.js 18+ 與 pnpm），這是作者標註的推薦路徑，會把插件裝進 web profile，並由 DSH 自動把 cordis.patch.yml 合入 profile layer：
dsh plugin --profile web add @linenxi-ctrl/dsh-vision
# 可選：配置 agent 工具平面，讓模型能自己截圖 + 識圖
node ~/.dsh/profiles/web/node_modules/@linenxi-ctrl/dsh-vision/install.mjs
如果本機沒有 pnpm，也可以從 Releases 下載 zip。Windows 雙擊 install.bat，macOS / Linux 執行 bash install.sh。腳本檢測不到 Node.js 時，會嘗試從 npmmirror / 華爲雲 / 騰訊雲拉取免安裝版，不需要管理員權限。裝完後關閉再重新執行 dsh web。
卸載對應 uninstall.bat / uninstall.sh / uninstall.mjs。若當初是 npm 安裝的，README 要求先執行：
dsh plugin --profile web remove @linenxi-ctrl/dsh-vision
再跑卸載腳本，清掉 preset 和設置殘留。
配置¶
點右下角鯨魚按鈕，或直接改 $DSH_HOME/settings.yaml 裏的 vision 段。字段與默認值以 README 爲準：
| 字段 | 默認值 | 說明 |
|---|---|---|
apiBase |
https://api.openai.com/v1 |
識圖模型基礎路徑 |
apiKey |
空 | API 密鑰 |
model |
gpt-4o-mini |
模型名稱 |
protocol |
auto |
auto / openai-chat / openai-responses / anthropic / gemini / custom |
prompt |
倉庫內置識圖 skill | 可自定義 |
proxy |
空 | 例如 http://127.0.0.1:65532 |
timeoutMs |
60000 |
單次識圖超時（毫秒） |
requestTemplate |
空 | 僅 custom：請求體 JSON 模板 |
responsePath |
空 | 僅 custom：從響應取文本的點號路徑 |
apiBase 要填到協議對應的基礎路徑。README 的對應關係是：OpenAI 填到 /v1，Anthropic 填 https://api.anthropic.com，Gemini 填到 /v1beta。填錯常見後果是 HTTP 404。
custom 協議的佔位符必須裸寫、不要加引號，支持 {{model}}、{{prompt}}、{{image}}、{{dataUrl}}、{{mime}}。鑑權默認是 Authorization: Bearer；README 寫明需要特殊鑑權頭的接口暫不支持。
典型用法¶
用戶選圖識圖。 先打開一個會話，確認右下角有鯨魚按鈕，再點「發送圖片」。沒有打開會話時，點發送不會有反應。識別文本會自動進當前對話，之後主模型按文本回答。
模型看屏幕。 對 agent 說「看看我現在屏幕上的報錯」。前提是 tool.js 已經寫進當前 preset 的 agent.cordis.yml，並且這個會話用的就是該 preset。npm 安裝後需要再跑一次上面的 install.mjs；zip 一鍵安裝會創建名爲 vision 的 agent preset 並設爲默認。
截圖實現按平臺不同：
- Windows：PowerShell +
System.Drawing - macOS：
screencapture - Linux：ImageMagick 的
import
Linux 上如果截圖失敗，先確認本機裝了 ImageMagick。
適用場景與注意事項¶
適合已經在用 DeepSeek Harness Web UI、主模型看不到圖、但又有現成視覺 API（OpenAI / Anthropic / Gemini，或兼容這幾類協議的中轉）的人。典型需求包括：把報錯截圖、終端輸出、網頁界面轉成文字再交給編碼 agent，或者讓模型自己截當前屏幕再繼續排查。
它不是內置免費視覺模型。沒有可用的識圖 API 密鑰，插件只提供通道，不會自己「長出」眼睛。它也不替代目錄裏其他視覺插件（例如 modlens、dsh-vision-router）；那些項目的鏈路和輸出格式不同，不要按同名去混裝、混配。
使用前建議覈對這幾條：
- 插件以當前 dsh 進程權限運行，能截主屏、讀你交給它的本地圖片，也會把圖片發到你配置的外部 API。安裝前看源碼和 MIT 許可證，只裝自己信任的來源。
- Harness 仍在 developer preview，本插件的 peerDependencies 釘在
@deepseek-ai/dsh-* ^0.1.0-rc.6和@deepseek-ai/cordis ^4.0.1。版本對不上時，優先看倉庫 Issues 和 Releases，而不是假設向前兼容。 - 較早的 0.2.4 及之前版本，Release 說明裏記錄過
cordis.patch.ymlBOM、client 註冊 id 等問題，可能導致 DSH 無法啓動。當前應使用 v0.2.6。 - 識圖失敗時按狀態碼排查：401/403 多半是密鑰，404 多半是
apiBase或協議不匹配；結果爲空可以手動指定protocol。
小結¶
dsh-vision 把「選圖識圖回傳」和「agent 截圖識圖」接到同一套 host 側視覺服務上，協議覆蓋常見雲廠商接口，並保留 custom 模板。它解決的是純文本 Harness 看不見圖的問題，前提是你自己準備好識圖模型和密鑰。
目錄頁：https://deepseek-harness-plugin.com/zh-CN/plugins/dsh-vision-linenxi-ctrl/
GitHub：https://github.com/linenxi-ctrl/dsh-vision
