前言¶

DeepSeek Harness（DSH）默認對話模型不具備視覺能力。要在會話裏「看懂」圖片或屏幕，常見做法是手動把截圖丟進別的識圖服務，再把識別結果複製回 DSH——步驟割裂，模型也無法自主決定何時需要看圖。

dsh-vision 是社區插件，由 linenxi-ctrl 維護，在 DSH 裏掛接一個可自定義地址與密鑰的外部視覺模型，覆蓋網頁選圖識圖、識別結果自動回傳，以及 agent 自主截圖與識圖工具。下文按安裝、配置與用法說明如何落地。

這是什麼¶

dsh-vision（npm 包名 @linenxi-ctrl/dsh-vision，當前版本 v0.2.6）爲 DSH 增加「外掛識圖模型」能力：讓不具備視覺能力的對話模型，通過外部視覺 API 理解圖片與屏幕內容。

插件在 SkillHub 目錄歸類爲「聯網工具」，GitHub 倉庫 linenxi-ctrl/dsh-vision 約 12 stars，許可證 MIT，面向 DSH 0.1.0-rc.6，支持 Windows、macOS、Linux。

核心功能¶

網頁配置與選圖識圖¶

頁面右下角會出現可拖動的 DeepSeek 鯨魚圓形按鈕。點擊打開配置面板，可設置外掛識圖模型的 API 地址、密鑰、模型名、識圖提示詞（skill）、代理與超時。

面板內點「發送圖片」選圖後，插件先將圖片發給外掛識圖模型；識別完成後，識別文本自動作爲消息注入當前會話，無需手動複製粘貼，DSH 再基於該文本作答。識別期間右上角會顯示「外掛模型正在識圖當中」。

模型自主截圖與識圖¶

插件爲 agent 注入 screenshot（截屏）與 recognize_image（識圖）兩個工具，並注入相應提示詞。模型可自行執行「截圖 → 識圖 → 等待結果」流程，例如用戶說「看看我現在屏幕上的報錯」時，由模型調用工具完成。

多協議自動適配¶

內置 OpenAI Chat Completions、OpenAI Responses、Anthropic Messages、Google Gemini 四種協議，protocol 默認爲 auto，按 apiBase 自動探測；另有 custom 模板協議，通過 requestTemplate 與 responsePath 適配長尾接口。

工作原理簡述¶

識圖請求在 host（Node）側發起，不受瀏覽器 CORS 限制；客戶端選圖走同源 POST /api/vision/recognize，同樣無跨域問題。

[用戶點鯨魚按鈕選圖]                [模型調用工具]
      │                               │
      ▼                               ▼
  client 轉 base64 發送          screenshot 工具截屏
      │                               │
      ▼                               ▼
  POST /api/vision/recognize    recognize_image 工具
      │                               │
      ▼                               ▼
  host 插件 ctx.vision 服務 ──► 協議自動適配後調用外掛識圖 API
      │                               │
      ▼                               ▼
  識別文本 → 自動注入當前會話    識別文本返回給模型

安裝與啓用¶

DSH 生態奉行「一切皆插件」；SkillHub（skillhub.cn）是社區目錄站點，與 DeepSeek / 幻方無官方從屬關係。安裝前建議瀏覽倉庫源碼並確認 MIT 許可證；插件以當前 dsh 進程權限運行，涉及截圖與網絡訪問。

方式一：npm 安裝（推薦）¶

需要系統已裝 Node.js 18+ 與 pnpm。在 DSH 的 web profile 安裝：

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

安裝後 DSH 會自動把 cordis.patch.yml reconcile 進 profile 的 bundle layer，一般無需手改配置文件。

若要讓模型自主截圖與識圖，再執行 agent 工具平面配置：

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

方式二：手動 / 離線安裝¶

從 Releases 下載 zip 解壓：

1. Windows 雙擊 install.bat，macOS/Linux 運行 bash install.sh；
2. 腳本檢測不到 Node.js 時，會從國內鏡像（npmmirror / 華爲雲 / 騰訊雲）自動下載免安裝版，無需管理員權限；
3. 腳本自動複製插件、更新 cordis.patch.yml、創建 agent preset vision 並設爲默認；
4. 重啓 DSH（關閉後重新 dsh web）。

更新與卸載¶

更新：先卸載舊版，再安裝新版（cordis.patch.yml 與 preset 會自動重建）。

卸載：

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

# 再清理 preset 與設置（任選其一）
node uninstall.mjs
# 或 Windows 雙擊 uninstall.bat，macOS/Linux 運行 bash uninstall.sh

配置¶

點頁面右下角鯨魚按鈕，或直接編輯 $DSH_HOME/settings.yaml 中的 vision 段：

protocol 爲 auto 時按 apiBase 識別協議；也可手動指定。custom 協議下，requestTemplate 佔位符須裸寫（不帶引號），支持 {{model}}、{{prompt}}、{{image}}、{{dataUrl}}、{{mime}}。

典型用法¶

發送圖片識圖：打開會話後，點右下角鯨魚按鈕 → 面板點「發送圖片」選圖。識別完成後文本自動發回當前會話。

模型自主識圖：直接對模型說「看看我現在屏幕上的報錯」，模型會調用 screenshot 截圖，再調用 recognize_image 識圖並繼續推理。

適用場景與注意¶

適合需要在 DSH 內看圖、看屏、讓 agent 自主決定何時識圖的場景；外掛模型地址與密鑰由用戶自行配置，可對接 OpenAI、Anthropic、Gemini 或經 custom 適配的接口。

注意：

• 模型不調用識圖工具時，確認 tool.js 已加入 preset 的 agent.cordis.yml，且會話使用該 preset。
• 截圖依賴系統能力：Windows 需 PowerShell（System.Drawing）；macOS 用 screencapture；Linux 需 ImageMagick import。
• 識圖失敗常見原因：apiKey 錯誤（401/403）、apiBase 與協議不匹配（404）、protocol 識別不準或 custom 的 responsePath 有誤；外網不通可在 proxy 填代理地址。

鏈接¶

• SkillHub 目錄頁：linenxi-ctrl/dsh-vision
• GitHub 倉庫：github.com/linenxi-ctrl/dsh-vision