前言¶
DeepSeek Harness（DSH）支持通過插件擴展能力。對智能體開發者來說，一個常見問題是：DeepSeek 本身是純文本模型，直接在會話裏粘貼圖片時，模型無法把圖片當作輸入；如果額外接入視覺 API，又要申請 key、承擔成本，或受網絡環境限制。
dsh-vision 是 54xkeee 維護的 DSH 插件，目標是給純文本 DeepSeek 增加圖片理解入口。它默認走豆包 Web 通道，瀏覽器登錄一次即可，不要求 API key；同時支持反重力（Antigravity）IDE 額度、Gemini API 降級通道、Cockpit 反代、aicode 直連通道，以及任意 IDE CLI 通過 ideCli 配置接入。相關目錄是社區獨立站點，不是官方應用商店。
插件定位¶
- 倉庫/README 名稱：
dsh-vision - npm 包名：
dsh-vision-web - 維護者：54xkeee
- 許可證：MIT
- 運行要求：Node
>=20，dsh>=0.1.0 - 基本作用：爲純文本 DeepSeek 包裝適配器，聲明圖片輸入，並將圖片自動轉爲文本佔位；識別結果以文字證據回填，供 DeepSeek 繼續回答。
核心能力¶
下面介紹已覈實的幾項能力。
-
默認豆包 Web 通道
默認走豆包 Web，瀏覽器登錄一次即可，零成本、免 API key。 -
反重力（Antigravity）IDE 額度
支持使用反重力 IDE 額度，並按模型名選擇flash/pro檔。 -
Gemini API 降級通道
支持 Gemini API 作爲降級通道。 -
Cockpit 反代與 aicode 直連
支持 Cockpit 反代通道，也支持 aicode 直連通道。 -
任意 IDE CLI 接入
支持 Claude Code、Gemini CLI、Qwen Code、MiMo 等任意 IDE CLI，通過ideCli配置接入。 -
圖片輸入包裝
爲純文本 DeepSeek 包裝適配器，聲明圖片輸入，圖片自動轉文本佔位。 -
視覺證據記憶
識別結果持久化到會話時間線，支持跨輪複用，並在 compaction 後恢復。 -
內容哈希緩存
同一張圖、同一個問題，在進程內最多識別一次。 -
檔位自動升級
先做標準檢查，複雜畫面自動進入深度檢查。 -
四種任務模式
提供glance、ocr、region、compare四種任務模式。 -
結構化證據輸出
輸出結構化 JSON 證據對象，包含complexity、base_evidence、query_answer等字段。 -
兩種使用入口
提供面板與對話流兩種使用入口。 -
WSL/被牆環境降級
WSL/被牆環境支持 winCurl 降級。
安裝與啓用¶
先執行官方安裝命令：
dsh plugin --profile web add dsh-vision-web
注意：安裝命令使用的是 npm 包名 dsh-vision-web，而倉庫和 README 使用的是 dsh-vision，兩者名稱不完全一致。
插件會以當前 dsh 進程權限運行。安裝前應先檢查源碼、依賴和許可證；本次介紹中已覈實其許可證爲 MIT。
典型用法¶
默認豆包 Web 通道¶
先做安裝，再做橋接和登錄：
- 安裝插件：
dsh plugin --profile web add dsh-vision-web
- 在 Windows 側運行橋接：
node bridge.mjs
-
在對應 Chrome 中登錄
doubao.com。 -
重啓
dsh web，然後在會話中粘貼圖片併發送。
經過上面的步驟後，默認通道即可使用。該通道會向你自己登錄的豆包會話發送圖片；它依賴 Windows 側 Chrome、bridge.mjs 隊列輪詢，並且需要登錄豆包。
反重力（Antigravity）通道¶
如果使用反重力 IDE，可以配置以下項：
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
配置後，插件自動優先使用反重力額度，並按模型名選擇 flash / pro 檔。
注意：該通道要求 Antigravity IDE 已運行並登錄，且需要提供 language_server.exe 路徑。
Gemini API 通道¶
配置 genlangKey 後啓用 Gemini API 通道：
config:
genlangKey: your-api-key
該通道需要用戶提供 API key。key 只存在本地配置中，錯誤信息會自動脫敏。
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對應實際 CLI 可執行文件argsTemplate用於構造 CLI 參數imageRefTemplate用於填寫圖片引用格式timeoutMs用於設置超時時間
具體取值需要隨所用 CLI 的能力調整。
面板入口¶
在會話頭部點擊「識圖」，然後按順序操作：
- 添加或粘貼圖片
- 填寫提示詞
- 選擇模式、檔位和通道
- 點擊識別
對話流入口¶
在模型選擇器中選擇 deepseek-vision 路由，然後粘貼圖片併發送。
本地開發¶
如果需要本地構建和測試：
git clone https://github.com/54xkeee/dsh-vision
cd dsh-vision
npm install
npm run build
npm test
適用場景與注意事項¶
dsh-vision 適合以下場景：
- 希望給 DSH 中的純文本 DeepSeek 增加圖片理解能力
- 希望默認使用豆包 Web 通道，避免額外 API key
- 已有反重力 IDE 額度、Gemini API、Cockpit 反代、aicode 憑據或本地 IDE CLI
- 在 WSL/被牆環境中需要 winCurl 降級路徑
使用前需要注意：
- 插件以當前 dsh 進程權限運行，安裝前應檢查源碼與許可證。
- 豆包 Web 通道會向用戶自己登錄的豆包會話發送圖片。
- 豆包 Web 通道依賴 Windows 側 Chrome、
bridge.mjs隊列輪詢，且需要登錄豆包。 - 反重力通道要求 Antigravity IDE 運行並登錄，且需提供
language_server.exe路徑。 - Gemini API 通道需要用戶提供 API key；key 只存本地配置，錯誤信息自動脫敏。
- OAuth 憑據不內置；aicode 通道要求用戶自帶憑據並存在本地配置。
- WSL 連不上 API 時，可配置
curlPath使用 Windows curl 降級。 allowedImageDirs非空時，僅允許image_path讀取指定目錄。- 緩存爲進程內 LRU，不是跨進程持久緩存。
結尾¶
dsh-vision 的價值在於：它把圖片理解做成 DSH 插件能力，默認用豆包 Web 降低接入門檻，同時保留反重力、Gemini API、Cockpit、aicode 和 IDE CLI 等通道，方便按已有賬號、額度或本地工具選擇路徑。對需要給純文本 DeepSeek 增加看圖能力的開發者來說，它提供了一條可落地的插件化方案。
相關入口：
- GitHub：https://github.com/54xkeee/dsh-vision
- 目錄頁線索：https://www.skillhub.cn/plugins/54xkeee/dsh-vision
目錄頁鏈接來自插件線索，未列入已抓取的 README/package.json，使用前建議先打開覈對。
