前言¶
DeepSeek Harness（DSH）支持通过插件扩展能力。对智能体开发者来说，一个常见问题是：DeepSeek 本身是纯文本模型，直接在会话里粘贴图片时，模型无法把图片当作输入；如果额外接入视觉 API，又要申请 key、承担成本，或受网络环境限制。
dsh-vision 是 54xkeee 维护的 DSH 插件，目标是给纯文本 DeepSeek 增加图片理解入口。它默认走豆包 Web 通道，浏览器登录一次即可，不要求 API key；同时支持反重力（Antigravity）IDE 额度、Gemini API 降级通道、Cockpit 反代、aicode 直连通道，以及任意 IDE CLI 通过 ideCli 配置接入。相关目录是社区独立站点，不是官方应用商店。
插件定位¶
- 仓库/README 名称：
dsh-vision - npm 包名：
dsh-vision-web - 维护者：54xkeee
- 许可证：MIT
- 运行要求：Node
>=20，dsh>=0.1.0 - 基本作用：为纯文本 DeepSeek 包装适配器，声明图片输入，并将图片自动转为文本占位；识别结果以文字证据回填，供 DeepSeek 继续回答。
核心能力¶
下面介绍已核实的几项能力。
-
默认豆包 Web 通道
默认走豆包 Web，浏览器登录一次即可，零成本、免 API key。 -
反重力（Antigravity）IDE 额度
支持使用反重力 IDE 额度，并按模型名选择flash/pro档。 -
Gemini API 降级通道
支持 Gemini API 作为降级通道。 -
Cockpit 反代与 aicode 直连
支持 Cockpit 反代通道，也支持 aicode 直连通道。 -
任意 IDE CLI 接入
支持 Claude Code、Gemini CLI、Qwen Code、MiMo 等任意 IDE CLI，通过ideCli配置接入。 -
图片输入包装
为纯文本 DeepSeek 包装适配器，声明图片输入，图片自动转文本占位。 -
视觉证据记忆
识别结果持久化到会话时间线，支持跨轮复用，并在 compaction 后恢复。 -
内容哈希缓存
同一张图、同一个问题，在进程内最多识别一次。 -
档位自动升级
先做标准检查，复杂画面自动进入深度检查。 -
四种任务模式
提供glance、ocr、region、compare四种任务模式。 -
结构化证据输出
输出结构化 JSON 证据对象，包含complexity、base_evidence、query_answer等字段。 -
两种使用入口
提供面板与对话流两种使用入口。 -
WSL/被墙环境降级
WSL/被墙环境支持 winCurl 降级。
安装与启用¶
先执行官方安装命令：
dsh plugin --profile web add dsh-vision-web
注意：安装命令使用的是 npm 包名 dsh-vision-web，而仓库和 README 使用的是 dsh-vision，两者名称不完全一致。
插件会以当前 dsh 进程权限运行。安装前应先检查源码、依赖和许可证；本次介绍中已核实其许可证为 MIT。
典型用法¶
默认豆包 Web 通道¶
先做安装，再做桥接和登录：
- 安装插件：
dsh plugin --profile web add dsh-vision-web
- 在 Windows 侧运行桥接：
node bridge.mjs
-
在对应 Chrome 中登录
doubao.com。 -
重启
dsh web，然后在会话中粘贴图片并发送。
经过上面的步骤后，默认通道即可使用。该通道会向你自己登录的豆包会话发送图片；它依赖 Windows 侧 Chrome、bridge.mjs 队列轮询，并且需要登录豆包。
反重力（Antigravity）通道¶
如果使用反重力 IDE，可以配置以下项：
config:
antigravityWorkspace: /path/to/workspace
antigravityProjectId: your-project-id
antigravityLsExe: /path/to/language_server.exe
antigravityWindowsHome: /mnt/c/Users/you
antigravityBrainDir: /mnt/c/Users/you/.gemini/antigravity/brain
配置后，插件自动优先使用反重力额度，并按模型名选择 flash / pro 档。
注意：该通道要求 Antigravity IDE 已运行并登录，且需要提供 language_server.exe 路径。
Gemini API 通道¶
配置 genlangKey 后启用 Gemini API 通道：
config:
genlangKey: your-api-key
该通道需要用户提供 API key。key 只存在本地配置中，错误信息会自动脱敏。
任意 IDE CLI 通道¶
如果已有本地 IDE CLI，例如 Claude Code、Gemini CLI、Qwen Code、MiMo，可以按 ideCli 配置接入：
config:
ideCli:
enabled: true
exe: claude
argsTemplate: "-p {prompt}"
imageRefTemplate: "{path}"
timeoutMs: 120000
其中：
exe对应实际 CLI 可执行文件argsTemplate用于构造 CLI 参数imageRefTemplate用于填写图片引用格式timeoutMs用于设置超时时间
具体取值需要随所用 CLI 的能力调整。
面板入口¶
在会话头部点击「识图」，然后按顺序操作：
- 添加或粘贴图片
- 填写提示词
- 选择模式、档位和通道
- 点击识别
对话流入口¶
在模型选择器中选择 deepseek-vision 路由，然后粘贴图片并发送。
本地开发¶
如果需要本地构建和测试：
git clone https://github.com/54xkeee/dsh-vision
cd dsh-vision
npm install
npm run build
npm test
适用场景与注意事项¶
dsh-vision 适合以下场景：
- 希望给 DSH 中的纯文本 DeepSeek 增加图片理解能力
- 希望默认使用豆包 Web 通道，避免额外 API key
- 已有反重力 IDE 额度、Gemini API、Cockpit 反代、aicode 凭据或本地 IDE CLI
- 在 WSL/被墙环境中需要 winCurl 降级路径
使用前需要注意：
- 插件以当前 dsh 进程权限运行，安装前应检查源码与许可证。
- 豆包 Web 通道会向用户自己登录的豆包会话发送图片。
- 豆包 Web 通道依赖 Windows 侧 Chrome、
bridge.mjs队列轮询，且需要登录豆包。 - 反重力通道要求 Antigravity IDE 运行并登录，且需提供
language_server.exe路径。 - Gemini API 通道需要用户提供 API key；key 只存本地配置，错误信息自动脱敏。
- OAuth 凭据不内置；aicode 通道要求用户自带凭据并存在本地配置。
- WSL 连不上 API 时，可配置
curlPath使用 Windows curl 降级。 allowedImageDirs非空时，仅允许image_path读取指定目录。- 缓存为进程内 LRU，不是跨进程持久缓存。
结尾¶
dsh-vision 的价值在于：它把图片理解做成 DSH 插件能力，默认用豆包 Web 降低接入门槛，同时保留反重力、Gemini API、Cockpit、aicode 和 IDE CLI 等通道，方便按已有账号、额度或本地工具选择路径。对需要给纯文本 DeepSeek 增加看图能力的开发者来说，它提供了一条可落地的插件化方案。
相关入口：
- GitHub：https://github.com/54xkeee/dsh-vision
- 目录页线索：https://www.skillhub.cn/plugins/54xkeee/dsh-vision
目录页链接来自插件线索，未列入已抓取的 README/package.json，使用前建议先打开核对。
