前言¶

在 DeepSeek Harness（DSH）裏做對話式智能體時，生圖和讀圖往往要繞出聊天界面：要麼手動切到 API 控制檯或第三方工具，要麼依賴外部腳本把結果貼回對話。對日常在 Web 端調試模型的開發者來說，這會打斷上下文，也不利於讓模型直接「看見」圖片內容。

dsh-chat-imagine 由社區維護者 corrinehu 發佈，目標是把生圖與識圖收進 DSH 聊天流程：生成結果直接顯示在對話裏，識圖則把圖片轉成結構化 JSON 證據，供當前會話中的任意模型調用。下面介紹它的能力邊界、安裝方式與典型用法。

這是什麼¶

dsh-chat-imagine 是一個 DSH 插件（SkillHub 分類：聯網工具），當前版本 0.4.1，MIT 許可證。它實現了在 DSH 聊天窗口中自動調用生圖工具——可走 API 渠道，也可走本機 CLI（已支持 mmx / codex / agy）——並在對話內聯展示圖片；同時支持利用對應 CLI 的視覺能力識別圖片，輸出結構化證據供模型讀取。

插件倉庫：https://github.com/corrinehu/dsh-chat-imagine

核心功能¶

生圖：API 與 CLI 雙通道¶

插件支持兩條生圖路徑，安裝後會自動探測本機可用渠道。

API 渠道

• 使用 DSH 中已配置的 OpenAI 兼容接口，從中查找可用的生圖模型。
• 內置渠道（如 OpenRouter）在 DSH 設置裏未填寫 base URL 時，插件會自動使用 DSH 內置的默認地址，行爲與聊天路由一致。

CLI 渠道

插件會掃描本機是否安裝了以下 CLI，找到的都會作爲可用的生成與識別渠道：

CLI 生圖需注意額度來源：

• 調用 codex 消耗的是 ChatGPT 賬號（Plus/Pro）額度，而非 API key；需已安裝 codex CLI，並登錄有生圖額度的賬號（可用 codex login status 查看）。
• 調用 agy 消耗的是 Google 賬號額度；需已安裝 agy CLI，並在 Antigravity App 裏保持登錄。

探測到 codex / agy 時，插件還會隨包註冊技能 cli-image-gen，教模型在 generate_image 工具失敗（額度、區域限制或解析失敗）時改走 CLI 生圖，收尾用 show_image_file 內聯展示。

識圖：CLI 視覺能力轉結構化證據¶

識圖依賴本機 CLI：裝了 mmx / codex / agy 任意一個即可使用 analyze_image 工具，無需全部安裝。一個都沒裝時插件仍可正常生圖，但調用識圖會返回「未發現 CLI，不支持識圖」。

識圖走同一 CLI 渠道的視覺能力：

• mmx：vision describe
• codex：exec -i 附圖 + 服務端 JSON schema
• agy：--json-schema

工具把圖片（本地路徑或 http(s) URL）讀取成結構化 JSON 證據，包含 OCR 全文與逐行文本、按閱讀順序的版面區域、語義實體與關係、視覺線索、不確定項清單。任何模型（含純文本模型）都能直接調用，無需切換到視覺模型。

渠道默認按速度選擇（mmx → codex → agy），也可用 set_image_default 的 visionBackend 參數固定默認識圖渠道。某渠道額度耗盡時，可在對話裏說明換一個（backend 參數或直接說「用 codex 讀」）。

安裝與啓用¶

插件當前僅在 DSH Web profile 中測試通過。安裝前建議查看倉庫源碼與 MIT 許可證；插件以當前 DSH 進程權限運行，CLI 渠道會調用本機已安裝的可執行文件。

推薦通過 npm 安裝（自帶預構建產物）：

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

也可從 GitHub 源碼安裝：

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

安裝並啓用後，在新對話裏即可直接使用生圖與識圖能力。

典型用法¶

首次生圖與設置默認渠道¶

安裝啓用後，在新對話裏直接描述想畫的內容：

幫我生成一個 Q 版藍鯨 Logo

插件會檢索可用的渠道和模型，並詢問默認生圖的渠道。設置後不必重複選擇。

日常生圖¶

之後直接在聊天裏描述即可：

生成一張 16:9 的雪山日出

生成結果會直接顯示在聊天中。

如需指定非默認渠道，在對話裏說明即可：

用 agy 生成一張手繪彩鉛風格說明大模型後訓練的寬屏圖片

識圖（讀圖）¶

裝好 mmx / codex / agy 任一 CLI 後，可讓模型讀取圖片內容：

幫我讀一下這張圖 /tmp/screenshots/error.png，把報錯原文抄出來

工具返回的五段式結構化證據借鑑了 modlens 的契約設計，刻意不含座標框與置信度字段。與 modlens 類「接管模型路由」方案的主要區別是：識圖走 CLI 渠道的視覺模型，當前會話不需要切換到視覺模型。

適用場景與注意事項¶

適合誰

• 在 DSH Web 端做對話調試，希望生圖結果直接出現在聊天裏的開發者。
• 需要在純文本模型會話中讀取圖片內容（OCR、版面、語義），又不想手動切換視覺模型的場景。
• 已有 OpenAI 兼容生圖 API，或本機已配置 mmx / codex / agy CLI 的用戶。

需要注意

• 圖片只保存在 DSH 進程內存中；重啓後歷史圖片鏈接會失效，需要保留時請從聊天界面保存。
• Node.js 版本要求：^22.19.0 或 >=24.0.0。
• SkillHub 目錄頁與 DeepSeek / 幻方無官方從屬關係，屬於社區插件生態。

鏈接¶

• SkillHub 目錄頁：https://www.skillhub.cn/plugins/corrinehu/dsh-chat-imagine
• GitHub 倉庫：https://github.com/corrinehu/dsh-chat-imagine