前言¶

在 DeepSeek Harness（DSH）里做对话式智能体时，生图和读图往往要绕出聊天界面：要么手动切到 API 控制台或第三方工具，要么依赖外部脚本把结果贴回对话。对日常在 Web 端调试模型的开发者来说，这会打断上下文，也不利于让模型直接「看见」图片内容。

dsh-chat-imagine 由社区维护者 corrinehu 发布，目标是把生图与识图收进 DSH 聊天流程：生成结果直接显示在对话里，识图则把图片转成结构化 JSON 证据，供当前会话中的任意模型调用。下面介绍它的能力边界、安装方式与典型用法。

这是什么¶

dsh-chat-imagine 是一个 DSH 插件（SkillHub 分类：联网工具），当前版本 0.4.1，MIT 许可证。它实现了在 DSH 聊天窗口中自动调用生图工具——可走 API 渠道，也可走本机 CLI（已支持 mmx / codex / agy）——并在对话内联展示图片；同时支持利用对应 CLI 的视觉能力识别图片，输出结构化证据供模型读取。

插件仓库：https://github.com/corrinehu/dsh-chat-imagine

核心功能¶

生图：API 与 CLI 双通道¶

插件支持两条生图路径，安装后会自动探测本机可用渠道。

API 渠道

• 使用 DSH 中已配置的 OpenAI 兼容接口，从中查找可用的生图模型。
• 内置渠道（如 OpenRouter）在 DSH 设置里未填写 base URL 时，插件会自动使用 DSH 内置的默认地址，行为与聊天路由一致。

CLI 渠道

插件会扫描本机是否安装了以下 CLI，找到的都会作为可用的生成与识别渠道：

CLI 生图需注意额度来源：

• 调用 codex 消耗的是 ChatGPT 账号（Plus/Pro）额度，而非 API key；需已安装 codex CLI，并登录有生图额度的账号（可用 codex login status 查看）。
• 调用 agy 消耗的是 Google 账号额度；需已安装 agy CLI，并在 Antigravity App 里保持登录。

探测到 codex / agy 时，插件还会随包注册技能 cli-image-gen，教模型在 generate_image 工具失败（额度、区域限制或解析失败）时改走 CLI 生图，收尾用 show_image_file 内联展示。

识图：CLI 视觉能力转结构化证据¶

识图依赖本机 CLI：装了 mmx / codex / agy 任意一个即可使用 analyze_image 工具，无需全部安装。一个都没装时插件仍可正常生图，但调用识图会返回「未发现 CLI，不支持识图」。

识图走同一 CLI 渠道的视觉能力：

• mmx：vision describe
• codex：exec -i 附图 + 服务端 JSON schema
• agy：--json-schema

工具把图片（本地路径或 http(s) URL）读取成结构化 JSON 证据，包含 OCR 全文与逐行文本、按阅读顺序的版面区域、语义实体与关系、视觉线索、不确定项清单。任何模型（含纯文本模型）都能直接调用，无需切换到视觉模型。

渠道默认按速度选择（mmx → codex → agy），也可用 set_image_default 的 visionBackend 参数固定默认识图渠道。某渠道额度耗尽时，可在对话里说明换一个（backend 参数或直接说「用 codex 读」）。

安装与启用¶

插件当前仅在 DSH Web profile 中测试通过。安装前建议查看仓库源码与 MIT 许可证；插件以当前 DSH 进程权限运行，CLI 渠道会调用本机已安装的可执行文件。

推荐通过 npm 安装（自带预构建产物）：

dsh plugin --profile web add dsh-chat-imagine

也可从 GitHub 源码安装：

dsh plugin --profile web add github:corrinehu/dsh-chat-imagine

安装并启用后，在新对话里即可直接使用生图与识图能力。

典型用法¶

首次生图与设置默认渠道¶

安装启用后，在新对话里直接描述想画的内容：

帮我生成一个 Q 版蓝鲸 Logo

插件会检索可用的渠道和模型，并询问默认生图的渠道。设置后不必重复选择。

日常生图¶

之后直接在聊天里描述即可：

生成一张 16:9 的雪山日出

生成结果会直接显示在聊天中。

如需指定非默认渠道，在对话里说明即可：

用 agy 生成一张手绘彩铅风格说明大模型后训练的宽屏图片

识图（读图）¶

装好 mmx / codex / agy 任一 CLI 后，可让模型读取图片内容：

帮我读一下这张图 /tmp/screenshots/error.png，把报错原文抄出来

工具返回的五段式结构化证据借鉴了 modlens 的契约设计，刻意不含坐标框与置信度字段。与 modlens 类「接管模型路由」方案的主要区别是：识图走 CLI 渠道的视觉模型，当前会话不需要切换到视觉模型。

适用场景与注意事项¶

适合谁

• 在 DSH Web 端做对话调试，希望生图结果直接出现在聊天里的开发者。
• 需要在纯文本模型会话中读取图片内容（OCR、版面、语义），又不想手动切换视觉模型的场景。
• 已有 OpenAI 兼容生图 API，或本机已配置 mmx / codex / agy CLI 的用户。

需要注意

• 图片只保存在 DSH 进程内存中；重启后历史图片链接会失效，需要保留时请从聊天界面保存。
• Node.js 版本要求：^22.19.0 或 >=24.0.0。
• SkillHub 目录页与 DeepSeek / 幻方无官方从属关系，属于社区插件生态。

链接¶

• SkillHub 目录页：https://www.skillhub.cn/plugins/corrinehu/dsh-chat-imagine
• GitHub 仓库：https://github.com/corrinehu/dsh-chat-imagine