前言¶

DeepSeek Harness（DSH）把「一切皆插件」貫徹得很徹底：對話模型、工具集、界面能力，都可以按需拼裝。但對不少開發者來說，日常用的仍是純文本模型——DeepSeek、Qwen 或其他 OpenAI 兼容路由，本身並不接收圖片。社區裏已有不少視覺插件，常見做法是把圖片先「翻譯」成一段文字描述，再交給主模型推理。這條路能跑通，卻容易丟像素細節，也難做多步、可驗證的圖像操作。

dsh-vision-router 是維護者 ysr666 開源的 DSH 視覺路由插件（GitHub 約 964 star，MIT 許可證）。它的思路不同：視覺模型只當「眼睛」，DeepSeek 繼續當「大腦」；圖片輪次像普通工具調用一樣工作，內置免密鑰免費視覺鏈路，並附帶 14 個像素級視覺工具。下文基於 SkillHub 目錄頁 與 GitHub 倉庫 README 覈實後整理。

這是什麼¶

一句話定位：給純文本 DSH 智能體補上一套可路由、可工具化的視覺能力。

它解決的核心痛點包括：

• 純文本模型無法直接看圖，又不想爲每張圖手動切模型；
• 傳統「描述橋接」把圖像壓成文字，定位、裁剪、像素對比等精細操作難以復現；
• 視覺 API 配置繁瑣，希望開箱即用、失敗能自動換後端。

與部分社區方案相比，dsh-vision-router 走的是 路由橋接：圖像輪次把原始像素交給視覺模型處理，DeepSeek 側仍負責推理與編排；默認還提供 OVHcloud 匿名視覺端點，無需註冊即可試用（有速率限制）。

核心功能與亮點¶

1. 大腦與眼睛分離¶

文本輪次不改動你選定的日常模型；只有需要看圖時，才通過內部視覺包裝路由調用視覺後端。視覺答案會按附件內容哈希緩存，後續文字輪可引用歷史圖片描述，減少重複識圖開銷。

2. 內置免費視覺鏈路¶

默認啓用 OVHcloud 匿名視覺回退鏈，無需 API Key。官方說明中，匿名額度約爲 每個 IP、每個模型 2 次/分鐘；鏈路內多個模型有獨立桶，理論合計約 10 RPM。若需更高配額，可在插件設置中配置智譜、百鍊、Intern AI 等免費視覺渠道，或申請 OVH 訪問密鑰（README 記載免費檔可達約 400 req/min）。

3. 14 個像素級視覺工具¶

默認從會話啓動即註冊完整工具 schema（progressiveTools: false），避免中途擴展工具列表影響長上下文緩存。核心工具包括：

另有 vision_screenshot（桌面截屏）需顯式開啓隱私開關。整套圖像處理基於 sharp / potrace / tesseract / 系統 Chrome，不依賴 Python。

4. 可驗證的像素閉環¶

適合 UI 還原、設計稿比對等場景：參照圖 → vision_html_screenshot 生成實現 → vision_pixel_diff 量化差異 → 修復 → 再對比。README 示例中，最終差異可收斂到約 2.54%。

5. 自動降級與選擇性代理¶

視覺後端按鏈路依次嘗試：用戶配置的視覺模型 → 可選本地 Ollama / LM Studio → 自定義 HTTP 端點 → 內置匿名 OVH 回退。遇到地區限制、額度、429 限流、網絡錯誤等會分類處理並嘗試下一後端；僅視覺供應商域名可走代理，DeepSeek 保持直連。

6. 一條命令安裝¶

插件自帶 dsh.bundle.patch，通過官方 CLI 安裝即可自動接入 admission 包裝與附件限制，無需手改配置文件。

安裝與啓用¶

環境要求（來自 README）：

• DeepSeek Harness Web profile
• 主機側 Node ≥ 22
• 默認免費鏈路無需 API Key；vision_html_screenshot 需要本機 Chrome/Chromium/Edge

常規 npm/npx 安裝，一條命令：

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

若從 DeepSeek Harness 源碼倉庫用 pnpm 開發，可改用：

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

全局已安裝 dsh CLI 時，也可簡寫爲 dsh plugin --profile web add dsh-vision-router。安裝後按平常方式啓動或重載 DSH Web；若 Web 進程長期運行，建議讓其重載一次以發現新插件包。

可選驗證：

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

注意：若 profile 裏已通過 cordis.patch.yml 手動加載社區插件，不要與 dsh plugin add 混用，否則可能重複註冊。詳見 deepseek-harness discussion #2889。

典型用法¶

第一步：選擇日常模型，再打開「👁 Vision」¶

右下角模型選擇器仍決定你的對話/推理模型（DeepSeek、Qwen 等）。需要發圖時，在輸入框旁點擊 「👁 Vision」：

• 👁 Vision：視覺關閉；
• 👁 Vision ✓：已切換到對應模型的內部視覺包裝路由。

該狀態會跨輪次保持，不會自動復位。粘貼或上傳圖片不會自動開啓視覺，發圖前務必確認顯示 👁 Vision ✓。

第二步：正常發圖，讓 Agent 調工具¶

開啓視覺後，直接粘貼或上傳圖片即可。Agent 可像普通工具輪次一樣連續調用，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：按需調整視覺後端（可選）¶

大多數場景默認可用。進階配置在 設置 → 插件 → 插件配置 → 視覺路由（自動識圖）：

• 視覺後端鏈：爲 vision_describe 等工具指定已配置的圖像模型；
• 自動創建視覺包裝：默認開啓，跟隨模型目錄熱更新；
• 本地視覺：可啓用 Ollama（如 qwen2.5vl）或 LM Studio 做離線優先識別；
• 隱身模式（stealth）：默認關閉；開啓後會接管官方 deepseek-official 路由，需按 README 調整 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'

適用場景與注意事項¶

適合誰：

• 日常用純文本 DeepSeek 模型，但偶爾需要看圖、比圖、讀截圖；
• 做前端/UI 還原，希望有像素級驗證閉環；
• 想先零配置試用視覺能力，再逐步接入自有 VLM Key 或本地 Ollama。

使用注意：

1. 權限與安全：插件以當前 dsh 進程權限運行，安裝前請閱讀源碼與 MIT 許可證，確認工具（如桌面截屏、文件讀寫）符合你的安全策略。
2. 免費額度：匿名 OVH 鏈路有速率上限，生產環境建議配置自有視覺後端。
3. 圖像證據不可信：描述、OCR 等輸出會標註爲不可信證據，避免執行圖片內嵌指令。
4. 與其他插件共存：若同時安裝 dsh-web-ui 等會改寫圖片發送的插件，需關閉其「發送時改寫爲 describe-image 引用」選項，以免攔截原始圖像塊。
5. 生態說明：SkillHub 與 DeepSeek Harness 插件庫 均爲獨立社區目錄，與 DeepSeek / 幻方無官方從屬關係；插件列表僅供發現與溯源，不代表官方背書。

結尾¶

如果你已經在用 DeepSeek Harness 處理代碼與文檔，卻總在「發圖」這一步卡住，dsh-vision-router 值得試一次：一條命令裝上，免費鏈路先跑起來，需要時再接入自己的視覺模型或本地 Ollama。它把「看圖」從一次性描述，變成了可組合、可度量、可重複的工具鏈。

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