前言¶

DeepSeek Harness（DSH）把「一切皆插件」贯彻得很彻底：对话模型、工具集、界面能力，都可以按需拼装。但对不少开发者来说，日常用的仍是纯文本模型——DeepSeek、Qwen 或其他 OpenAI 兼容路由，本身并不接收图片。社区里已有不少视觉插件，常见做法是把图片先「翻译」成一段文字描述，再交给主模型推理。这条路能跑通，却容易丢像素细节，也难做多步、可验证的图像操作。

dsh-vision-router 是维护者 ysr666 开源的 DSH 视觉路由插件（GitHub 约 964 star，MIT 许可证）。它的思路不同：视觉模型只当「眼睛」，DeepSeek 继续当「大脑」；图片轮次像普通工具调用一样工作，内置免密钥免费视觉链路，并附带 14 个像素级视觉工具。下文基于 SkillHub 目录页 与 GitHub 仓库 README 核实后整理。

这是什么¶

一句话定位：给纯文本 DSH 智能体补上一套可路由、可工具化的视觉能力。

它解决的核心痛点包括：

• 纯文本模型无法直接看图，又不想为每张图手动切模型；
• 传统「描述桥接」把图像压成文字，定位、裁剪、像素对比等精细操作难以复现；
• 视觉 API 配置繁琐，希望开箱即用、失败能自动换后端。

与部分社区方案相比，dsh-vision-router 走的是 路由桥接：图像轮次把原始像素交给视觉模型处理，DeepSeek 侧仍负责推理与编排；默认还提供 OVHcloud 匿名视觉端点，无需注册即可试用（有速率限制）。

核心功能与亮点¶

1. 大脑与眼睛分离¶

文本轮次不改动你选定的日常模型；只有需要看图时，才通过内部视觉包装路由调用视觉后端。视觉答案会按附件内容哈希缓存，后续文字轮可引用历史图片描述，减少重复识图开销。

2. 内置免费视觉链路¶

默认启用 OVHcloud 匿名视觉回退链，无需 API Key。官方说明中，匿名额度约为 每个 IP、每个模型 2 次/分钟；链路内多个模型有独立桶，理论合计约 10 RPM。若需更高配额，可在插件设置中配置智谱、百炼、Intern AI 等免费视觉渠道，或申请 OVH 访问密钥（README 记载免费档可达约 400 req/min）。

3. 14 个像素级视觉工具¶

默认从会话启动即注册完整工具 schema（progressiveTools: false），避免中途扩展工具列表影响长上下文缓存。核心工具包括：

另有 vision_screenshot（桌面截屏）需显式开启隐私开关。整套图像处理基于 sharp / potrace / tesseract / 系统 Chrome，不依赖 Python。

4. 可验证的像素闭环¶

适合 UI 还原、设计稿比对等场景：参照图 → vision_html_screenshot 生成实现 → vision_pixel_diff 量化差异 → 修复 → 再对比。README 示例中，最终差异可收敛到约 2.54%。

5. 自动降级与选择性代理¶

视觉后端按链路依次尝试：用户配置的视觉模型 → 可选本地 Ollama / LM Studio → 自定义 HTTP 端点 → 内置匿名 OVH 回退。遇到地区限制、额度、429 限流、网络错误等会分类处理并尝试下一后端；仅视觉供应商域名可走代理，DeepSeek 保持直连。

6. 一条命令安装¶

插件自带 dsh.bundle.patch，通过官方 CLI 安装即可自动接入 admission 包装与附件限制，无需手改配置文件。

安装与启用¶

环境要求（来自 README）：

• DeepSeek Harness Web profile
• 主机侧 Node ≥ 22
• 默认免费链路无需 API Key；vision_html_screenshot 需要本机 Chrome/Chromium/Edge

常规 npm/npx 安装，一条命令：

npx @deepseek-ai/dsh plugin --profile web add dsh-vision-router

若从 DeepSeek Harness 源码仓库用 pnpm 开发，可改用：

cd deepseek-harness
pnpm dsh plugin --profile web add dsh-vision-router

全局已安装 dsh CLI 时，也可简写为 dsh plugin --profile web add dsh-vision-router。安装后按平常方式启动或重载 DSH Web；若 Web 进程长期运行，建议让其重载一次以发现新插件包。

可选验证：

npx @deepseek-ai/dsh --profile web --dump-config | grep vision-router

注意：若 profile 里已通过 cordis.patch.yml 手动加载社区插件，不要与 dsh plugin add 混用，否则可能重复注册。详见 deepseek-harness discussion #2889。

典型用法¶

第一步：选择日常模型，再打开「👁 Vision」¶

右下角模型选择器仍决定你的对话/推理模型（DeepSeek、Qwen 等）。需要发图时，在输入框旁点击 「👁 Vision」：

• 👁 Vision：视觉关闭；
• 👁 Vision ✓：已切换到对应模型的内部视觉包装路由。

该状态会跨轮次保持，不会自动复位。粘贴或上传图片不会自动开启视觉，发图前务必确认显示 👁 Vision ✓。

第二步：正常发图，让 Agent 调工具¶

开启视觉后，直接粘贴或上传图片即可。Agent 可像普通工具轮次一样连续调用，例如：

vision_ground image="ref.png" target="the send button"
vision_crop   image="ref.png" region="1067,841,1108,881"
vision_describe paths=["ref.png","impl.png"] question="list the differences" json=true
vision_pixel_diff original="ref.png" rebuilt="screenshot.png"
vision_ocr image="screenshot.png"

第三步：按需调整视觉后端（可选）¶

大多数场景默认可用。进阶配置在 设置 → 插件 → 插件配置 → 视觉路由（自动识图）：

• 视觉后端链：为 vision_describe 等工具指定已配置的图像模型；
• 自动创建视觉包装：默认开启，跟随模型目录热更新；
• 本地视觉：可启用 Ollama（如 qwen2.5vl）或 LM Studio 做离线优先识别；
• 隐身模式（stealth）：默认关闭；开启后会接管官方 deepseek-official 路由，需按 README 调整 profile。

本地 Ollama 示例（profile patch）：

- id: vision-router
  config:
    localOllama:
      enabled: true
      baseURL: 'http://127.0.0.1:11434/v1'
      model: 'qwen2.5vl'
    instantDescribe: true
    localDescribeStyle: 'structured'

适用场景与注意事项¶

适合谁：

• 日常用纯文本 DeepSeek 模型，但偶尔需要看图、比图、读截图；
• 做前端/UI 还原，希望有像素级验证闭环；
• 想先零配置试用视觉能力，再逐步接入自有 VLM Key 或本地 Ollama。

使用注意：

1. 权限与安全：插件以当前 dsh 进程权限运行，安装前请阅读源码与 MIT 许可证，确认工具（如桌面截屏、文件读写）符合你的安全策略。
2. 免费额度：匿名 OVH 链路有速率上限，生产环境建议配置自有视觉后端。
3. 图像证据不可信：描述、OCR 等输出会标注为不可信证据，避免执行图片内嵌指令。
4. 与其他插件共存：若同时安装 dsh-web-ui 等会改写图片发送的插件，需关闭其「发送时改写为 describe-image 引用」选项，以免拦截原始图像块。
5. 生态说明：SkillHub 与 DeepSeek Harness 插件库 均为独立社区目录，与 DeepSeek / 幻方无官方从属关系；插件列表仅供发现与溯源，不代表官方背书。

结尾¶

如果你已经在用 DeepSeek Harness 处理代码与文档，却总在「发图」这一步卡住，dsh-vision-router 值得试一次：一条命令装上，免费链路先跑起来，需要时再接入自己的视觉模型或本地 Ollama。它把「看图」从一次性描述，变成了可组合、可度量、可重复的工具链。

• 目录页：https://www.skillhub.cn/plugins/ysr666/dsh-vision-router
• GitHub：https://github.com/ysr666/dsh-vision-router