前言¶

如果你已经有一条可用的 DeepSeek Harness（DSH）文本模型路线，下一步常见问题是：纯文本模型无法直接处理图片。常见做法是本地部署视觉语言模型（VLM），或者更换原有的推理模型；这会引入 GPU、模型下载和推理路由变更。

dsh-vision-sidecar 提供另一条路：把图片发给 OpenAI-compatible 视觉端点，把得到的描述作为普通文本交回已配置的推理模型。

这是什么¶

dsh-vision-sidecar 是 DSH 插件，由 121103qwq 维护，MIT 许可证，当前包版本 0.1.4。

它的主要定位是：为 DSH 的纯文本模型提供托管视觉感知，同时保留已配置的推理模型。默认使用 LLM7.io 匿名 default 视觉路线，无需本地 VLM、GPU、账户或视觉 API key。

视觉路线必须支持 OpenAI Chat Completions；Responses 和 Anthropic 协议不能直接作为该插件的视觉端点。

核心功能¶

下面介绍已核实的能力：

• 为 DeepSeek Harness 的纯文本模型提供托管视觉感知，不替换推理模型。
• 默认使用 LLM7.io 匿名 default 视觉路线，无需本地 VLM、GPU、账户或视觉 API key。
• 将视觉模型输出作为持久 DSH 会话消息提交，并在后续轮次重用为普通文本。
• 仅在存在未描述图片时联系视觉提供方。
• 可将推理目标配置为 targetProvider 和 targetModel。
• 对缺失凭证、超时、限流和提供方失败保持类型化错误，不静默将图片转发给纯文本模型。
• 支持通过 DSH Models 页面添加自定义 OpenAI 兼容视觉提供方和模型。
• 将图片中检测到的文本明确标记为不可信数据后再提供给推理模型。
• 仓库提供原生 ESM JavaScript，Git 安装无需 pnpm 运行 prepare 脚本。

安装与启用¶

先确认环境满足要求：

• DSH 0.1.0-rc.6 或更高，且在 0.1.x 线内。
• Node.js 22.19+ 或 24+。

假设你已经有一个能调用文本模型的 DSH Web profile。安装并启动插件：

dsh plugin --profile web add github:121103qwq/dsh-vision-sidecar#v0.1.4
dsh --profile web

在 POSIX shell 中无需导出视觉 key。插件会添加并选择 deepseek-vision/deepseek-with-vision。

典型用法¶

使用默认匿名视觉¶

上面的安装命令启用默认的 LLM7.io 视觉路线。

文档中的匿名限额为：

500,000 tokens/day
60 requests/hour
10 requests/minute
1 request/second

这些限制和模型可用性可能变化。如果你已经有 LLM7 token，可以通过环境变量启用认证访问：

- id: vision-sidecar
  config:
    visionBaseURL: https://api.llm7.io/v1
    visionModel: default
    visionApiKeyEnv: LLM7_API_KEY

包中故意不包含共享或内嵌 API key；可选认证 key 归用户所有，且不会存储在本包。

使用 OVHcloud 替代视觉端点¶

如果希望使用 OVHcloud 的视觉端点，可以改成：

- id: vision-sidecar
  config:
    visionBaseURL: https://oai.endpoints.kepler.ai.cloud.ovh.net/v1
    visionModel: Qwen2.5-VL-72B-Instruct
    visionApiKeyEnv: OVH_AI_ENDPOINTS_ACCESS_TOKEN

添加自定义 OpenAI-compatible 提供方¶

DSH Desktop 已经包含模型设置页，插件会复用这个入口，不单独增加一套凭据表单。

打开 DSH Settings → Models，在 llm-pi-ai 下选择 Add custom provider：

1、填写 Provider ID。

2、填写 Base URL。

3、选择 openai-completions，并添加至少一个视觉模型 ID。

4、填入自己的 API key，然后应用。

保存后，在 vision-sidecar 配置中指向该 provider：

- id: vision-sidecar
  config:
    visionProvider: my-vision
    visionModel: default

visionModel: default 会选择该路线中的第一个模型；也可以直接填写具体模型 ID。

使用 OpenRouter¶

如果改用 OpenRouter，需要在 profile 的 cordis.patch.yml 中添加 vision-sidecar 行，并提供 OPENROUTER_API_KEY。

该路线仍然需要满足 OpenAI Chat Completions 的要求。

适用场景与注意¶

适合已经能用 DSH 调用文本模型，并希望给会话增加图片理解、但不想替换推理模型的开发者。

它比较适合的用法包括：

• 使用默认 LLM7.io 匿名视觉路线。
• 使用自定义 OpenAI-compatible 视觉提供方。
• 保留现有 targetProvider 和 targetModel 推理路线。
• 让视觉描述进入 DSH 会话，而不是只做临时改写。

使用前注意：

• 远程视觉提供方会接收完整图片。除非提供方条款可接受，否则不要发送个人、机密或受监管图片。
• 默认 LLM7.io 的限额是文档值，限制和模型可用性可能变化。
• 资料中的免费选项于 2026-08-14 检查，使用前应核对当前限制和隐私条款。
• 将图片中检测到的文本标记为不可信数据是提示注入加固，不保证模型级提示注入可消除。
• 插件会随当前 dsh 进程运行。安装前建议检查源码与 MIT 许可证。
• DSH 社区目录是独立站点，不是官方应用商店，与 DeepSeek / 幻方无官方从属关系。

目录与源码¶

• 目录页：https://www.skillhub.cn/plugins/121103qwq/dsh-vision-sidecar
• GitHub：https://github.com/121103qwq/dsh-vision-sidecar