前言¶

DeepSeek Harness（DSH）把模型、工具、路由都做成可插拔組件，主模型選 deepseek-official 這類純文本模型時，Composer 裏拖入的圖片往往無法被直接理解。常見做法是手動 OCR，或換用另一套支持多模態的客戶端，任務上下文也要跟着改。

下面介紹社區插件 oil-oil/dsh-vision。它在不替換 Harness 主模型的前提下，爲文本模型接上獨立的視覺識別鏈路；若主模型本身支持圖像，則原圖直傳，不做額外預處理。

這是什麼¶

dsh-vision 由 oil-oil 維護，歸類爲模型推理，MIT 許可，當前版本 0.1.2。倉庫：github.com/oil-oil/dsh-vision，SkillHub 目錄頁：skillhub.cn/plugins/oil-oil/dsh-vision。

一句話定位：Near-native image understanding for DeepSeek Harness——讓 Harness 在文本主模型下也能處理圖片附件，體驗儘量接近原生多模態。

核心功能¶

路由邏輯¶

插件按主模型能力分流，不替換 Harness 裏選定的主模型：

多張圖片會一起分析，便於對比和綜合證據；用戶任務原文轉發，不套固定報告模板。

視覺後端配置¶

安裝後，Settings → Plugins → Plugin configuration 會出現 Vision Recognition 卡片。可選 ZenMux、Alibaba Cloud Model Studio、TokenDance、OpenRouter，填寫 API Key，並可改模型 ID、API 端點、圖片數量上限。

API Key 經 Harness 官方憑證服務存儲，瀏覽器端只寫不讀：插件能報告 Key 是否存在，但不會把 Key 讀回頁面、對話、設置文檔或會話日誌。

選 Automatic 則跳過插件管理的雲端憑證，依次嘗試 Harness 裏已配置的多模態模型、see 兼容的私有配置，以及本地 OCR。Harness 自定義模型須聲明 image 輸入模態，否則仍視爲文本模型。

see-skill 兼容與本地回退¶

Harness 沒有可用視覺模型時，插件會讀取 ~/.config/see/config.env，支持 ZenMux、Alibaba Cloud Model Studio、OpenRouter、TokenDance；環境變量可覆蓋私有配置文件：

export SEE_PROVIDER=zenmux
export ZENMUX_API_KEY=your-key

無雲端 Key 或全部雲端路由失敗時：

• macOS：內置 Vision OCR，無額外依賴
• Linux / Windows：Tesseract（需安裝對應語言包）

本地回退以 OCR 爲主，不等同於完整多模態理解。

安全邊界¶

• 原圖僅發往用戶配置的視覺服務
• 視覺輸出標記爲不可信觀察數據，圖中指令不獲得系統權限
• 生成的視覺上下文隻影響當前模型請求，不重寫消息歷史
• API Key 經 Harness 憑證或 see 私有配置解析，不寫入插件倉庫

安裝與啓用¶

DeepSeek Harness 仍處於 Developer Preview。本插件支持 0.1.0-rc.6 與 0.1.0-rc.7。

用 Harness 內置插件管理器安裝：

npx @deepseek-ai/dsh plugin --profile web add github:oil-oil/dsh-vision

重啓 Harness 後，在 Composer 中照常粘貼或拖入圖片即可。插件會替換官方 deepseek-official 適配器，同時保留其模型目錄、設置與憑證。

典型用法¶

界面配置（推薦）¶

1. 執行上述安裝命令並重啓 Harness
2. 打開 Settings → Plugins → Plugin configuration → Vision Recognition
3. 選擇視覺後端並填寫 API Key（或選 Automatic 走 Harness 已有路由）
4. 回到 Composer，拖入圖片並輸入任務，例如「對比這兩張截圖裏的表格差異」

多張附件會一併送入視覺鏈路，主模型仍是你選定的 DeepSeek 文本模型。

高級文件配置¶

多數場景用 UI 即可。等效的非密鑰字段寫在 $DSH_HOME/settings.yaml 的 llm-deepseek 段：

llm-deepseek:
  visionBackend: zenmux
  visionBackendModel: qwen/qwen3.7-plus
  visionBackendBaseURL: https://zenmux.ai/api/v1
  maxImages: 8

不要把 API Key 寫進該文件；在 Vision Recognition 卡片保存，或設置對應環境變量。修改後無需重啓。

適用場景與注意¶

適合誰

• 主模型固定爲 deepseek-official 或其他純文本 DeepSeek 模型，但對話裏經常帶截圖、圖表、照片
• 已在 Harness 或 see 生態裏配置了 ZenMux、Model Studio 等視覺後端，希望複用同一套 Key
• 需要多張圖片聯合分析，又不想換客戶端或手寫 OCR 流程

使用前請知悉

• 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
• SkillHub 爲社區目錄，與 DeepSeek / 幻方無官方從屬關係
• 本地 OCR 回退能力有限，複雜視覺推理仍依賴雲端多模態模型
• 開發環境要求 Node >=22.19（見 package.json）

結尾¶

dsh-vision 把「文本主模型 + 獨立視覺橋接 + 原生多模態直傳」三條路徑收進一個 Harness 插件：該直傳時直傳，該橋接時用不可信觀察上下文補全，雲端不可用時還有本地 OCR 兜底。

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