前言¶

DeepSeek Harness（DSH）默认对话模型不具备视觉能力。要在会话里「看懂」图片或屏幕，常见做法是手动把截图丢进别的识图服务，再把识别结果复制回 DSH——步骤割裂，模型也无法自主决定何时需要看图。

dsh-vision 是社区插件，由 linenxi-ctrl 维护，在 DSH 里挂接一个可自定义地址与密钥的外部视觉模型，覆盖网页选图识图、识别结果自动回传，以及 agent 自主截图与识图工具。下文按安装、配置与用法说明如何落地。

这是什么¶

dsh-vision（npm 包名 @linenxi-ctrl/dsh-vision，当前版本 v0.2.6）为 DSH 增加「外挂识图模型」能力：让不具备视觉能力的对话模型，通过外部视觉 API 理解图片与屏幕内容。

插件在 SkillHub 目录归类为「联网工具」，GitHub 仓库 linenxi-ctrl/dsh-vision 约 12 stars，许可证 MIT，面向 DSH 0.1.0-rc.6，支持 Windows、macOS、Linux。

核心功能¶

网页配置与选图识图¶

页面右下角会出现可拖动的 DeepSeek 鲸鱼圆形按钮。点击打开配置面板，可设置外挂识图模型的 API 地址、密钥、模型名、识图提示词（skill）、代理与超时。

面板内点「发送图片」选图后，插件先将图片发给外挂识图模型；识别完成后，识别文本自动作为消息注入当前会话，无需手动复制粘贴，DSH 再基于该文本作答。识别期间右上角会显示「外挂模型正在识图当中」。

模型自主截图与识图¶

插件为 agent 注入 screenshot（截屏）与 recognize_image（识图）两个工具，并注入相应提示词。模型可自行执行「截图 → 识图 → 等待结果」流程，例如用户说「看看我现在屏幕上的报错」时，由模型调用工具完成。

多协议自动适配¶

内置 OpenAI Chat Completions、OpenAI Responses、Anthropic Messages、Google Gemini 四种协议，protocol 默认为 auto，按 apiBase 自动探测；另有 custom 模板协议，通过 requestTemplate 与 responsePath 适配长尾接口。

工作原理简述¶

识图请求在 host（Node）侧发起，不受浏览器 CORS 限制；客户端选图走同源 POST /api/vision/recognize，同样无跨域问题。

[用户点鲸鱼按钮选图]                [模型调用工具]
      │                               │
      ▼                               ▼
  client 转 base64 发送          screenshot 工具截屏
      │                               │
      ▼                               ▼
  POST /api/vision/recognize    recognize_image 工具
      │                               │
      ▼                               ▼
  host 插件 ctx.vision 服务 ──► 协议自动适配后调用外挂识图 API
      │                               │
      ▼                               ▼
  识别文本 → 自动注入当前会话    识别文本返回给模型

安装与启用¶

DSH 生态奉行「一切皆插件」；SkillHub（skillhub.cn）是社区目录站点，与 DeepSeek / 幻方无官方从属关系。安装前建议浏览仓库源码并确认 MIT 许可证；插件以当前 dsh 进程权限运行，涉及截图与网络访问。

方式一：npm 安装（推荐）¶

需要系统已装 Node.js 18+ 与 pnpm。在 DSH 的 web profile 安装：

dsh plugin --profile web add @linenxi-ctrl/dsh-vision

安装后 DSH 会自动把 cordis.patch.yml reconcile 进 profile 的 bundle layer，一般无需手改配置文件。

若要让模型自主截图与识图，再执行 agent 工具平面配置：

node ~/.dsh/profiles/web/node_modules/@linenxi-ctrl/dsh-vision/install.mjs

方式二：手动 / 离线安装¶

从 Releases 下载 zip 解压：

1. Windows 双击 install.bat，macOS/Linux 运行 bash install.sh；
2. 脚本检测不到 Node.js 时，会从国内镜像（npmmirror / 华为云 / 腾讯云）自动下载免安装版，无需管理员权限；
3. 脚本自动复制插件、更新 cordis.patch.yml、创建 agent preset vision 并设为默认；
4. 重启 DSH（关闭后重新 dsh web）。

更新与卸载¶

更新：先卸载旧版，再安装新版（cordis.patch.yml 与 preset 会自动重建）。

卸载：

# npm 方式先移除包
dsh plugin --profile web remove @linenxi-ctrl/dsh-vision

# 再清理 preset 与设置（任选其一）
node uninstall.mjs
# 或 Windows 双击 uninstall.bat，macOS/Linux 运行 bash uninstall.sh

配置¶

点页面右下角鲸鱼按钮，或直接编辑 $DSH_HOME/settings.yaml 中的 vision 段：

protocol 为 auto 时按 apiBase 识别协议；也可手动指定。custom 协议下，requestTemplate 占位符须裸写（不带引号），支持 {{model}}、{{prompt}}、{{image}}、{{dataUrl}}、{{mime}}。

典型用法¶

发送图片识图：打开会话后，点右下角鲸鱼按钮 → 面板点「发送图片」选图。识别完成后文本自动发回当前会话。

模型自主识图：直接对模型说「看看我现在屏幕上的报错」，模型会调用 screenshot 截图，再调用 recognize_image 识图并继续推理。

适用场景与注意¶

适合需要在 DSH 内看图、看屏、让 agent 自主决定何时识图的场景；外挂模型地址与密钥由用户自行配置，可对接 OpenAI、Anthropic、Gemini 或经 custom 适配的接口。

注意：

• 模型不调用识图工具时，确认 tool.js 已加入 preset 的 agent.cordis.yml，且会话使用该 preset。
• 截图依赖系统能力：Windows 需 PowerShell（System.Drawing）；macOS 用 screencapture；Linux 需 ImageMagick import。
• 识图失败常见原因：apiKey 错误（401/403）、apiBase 与协议不匹配（404）、protocol 识别不准或 custom 的 responsePath 有误；外网不通可在 proxy 填代理地址。

链接¶

• SkillHub 目录页：linenxi-ctrl/dsh-vision
• GitHub 仓库：github.com/linenxi-ctrl/dsh-vision