前言¶
纯文本模型本身不能直接理解图片。开发者如果希望在 DSH 中处理截图、报错图、UI 分析、OCR 或文档内容，通常需要额外接入视觉模型、配置 MCP 服务，并维护相关依赖。
dsh-free-vision 是一个面向 DeepSeek Harness（DSH）的免费视觉插件。它的目标是让纯文本模型获得看图能力，优先使用各平台免费视觉模型，并提供零 MCP 配置的安装方式。
下面介绍这个插件的定位、核心能力、安装方式、典型用法和注意事项。
这是什么¶
dsh-free-vision 是 DSH 免费视觉插件，由 FuzzySoul 维护，许可证为 MIT。
它主要解决一个问题：让纯文本模型能够查看图片内容，例如截图、报错信息、UI 界面、OCR 文本和文档内容。
插件优先使用各平台免费视觉模型，并将视觉引擎 luma-mcp 作为本包依赖内置，在进程内启动，减少外部 MCP 配置。
核心功能¶
下面这些能力来自已核实资料：
- 零 MCP 配置：视觉引擎
luma-mcp作为本包依赖内置，进程内启动。 - 单个通用工具：提供
image_understand，并注册到ctx.tools；可通过config.toolName改名。 - 免费优先、多提供商：支持
qwen、volcengine、siliconflow、zhipu、hunyuan、custom。 - API Base URL 可覆盖：每个 Provider 可覆盖 API Base URL，可指向代理、API Gateway、本地服务或任意 OpenAI 兼容端点。
- 直连模式：子进程剥离代理环境变量，适合国内 API 直连；文档说明带代理可能导致
502。 - 任务模式：支持
auto | general | ocr | ui | debug | describe；大图会自动多裁剪保真。 - 中英双语：工具描述与文档支持中英文。
- 设置界面：可配置 API Key、提供商、工具名等；配置保存到
~/.dsh/free-vision.json。
安装与启用¶
先执行安装命令：
dsh plugin --profile web add dsh-free-vision
安装完成后，重启 dsh web。
重启后，工具 image_understand 即可用。
典型用法¶
模型调用 image_understand 时，需要传入以下参数：
image_source（必填）：本地路径、HTTP(S) URL 或 data URI；支持PNG/JPG/WebP/GIF，大小≤10MB。prompt（必填）：对图片的问题，中英文均可。task_type（可选）：auto | general | ocr | ui | debug | describe。
下面是一个调用形态示例：
image_understand(
image_source="screenshot.png",
prompt="请判断这张报错截图中的关键错误信息。",
task_type="debug"
)
这里的 image_source、prompt 和 task_type 对应插件文档中列出的工具参数。
配置方式¶
配置可以通过设置界面完成。
重启 dsh web 后，打开 Settings → Free Vision，可以看到配置表单，包括 API Key、提供商、工具名等。保存后，下一次调用立即生效。
配置保存到：
~/.dsh/free-vision.json
也可以只设置对应环境变量。例如使用 qwen 时，可以设置：
DASHSCOPE_API_KEY
注意事项¶
使用前建议确认以下几点：
apiKey可选；缺省时回退到提供商环境变量。baseURLs缺失或值为空时，继续使用该 Provider 的官方默认地址。- 图片输入限制为
≤10MB，支持PNG/JPG/WebP/GIF。 - 直连模式会剥离代理环境变量；文档说明带代理可能导致
502。 - 免费额度数据来自各平台官方页面，可能变动，使用前请核实。
- 插件以当前
dsh进程权限运行，安装前应检查源码与许可证。 - 许可证为 MIT，封装
luma-mcp（MIT）与 MCP SDK（MIT）。
结尾¶
dsh-free-vision 适合需要在 DSH 中让纯文本模型查看截图、报错、UI、OCR 和文档内容，并希望减少 MCP 配置的场景。
GitHub 仓库地址：
https://github.com/FuzzySoul/dsh-free-vision
