前言¶

在 DSH 的日常使用中，很多會話由文本模型完成。若希望模型處理圖片，常見做法是手工把圖片發給外部視覺服務，再把結果貼回上下文。這種方式在連續任務裏比較瑣碎。

Favio8/dsh-plugin-deepeye 把視覺能力做成 DSH 的原生 Cordis 插件：先提供一組可調用工具，再處理“純文本會話裏粘貼圖片”的場景。

這是什麼¶

dsh-plugin-deepeye 由 Favio8 維護，許可證爲 MIT。

它爲 DeepSeek Harness (DSH) 提供視覺能力的原生 Cordis 插件，覆蓋圖片描述、OCR 文字提取、視覺問答、UI 佈局分析、剪貼板截圖分析等能力。

下面介紹幾個主要能力。

工具化視覺調用：提供 vision_describe、vision_ocr、vision_ask、vision_layout、vision_clipboard 工具。
多後端：支持 OpenAI (GPT-4o)、Google Gemini、自定義 OpenAI-compatible 端點。
粘貼圖片兼容：支持粘貼圖片自動翻譯（pasteCompat）。
結果緩存：支持 LRU 結果緩存（含 TTL）。
圖片預處理：自動縮放過大圖片並轉換 JPEG 以節省 token。
剪貼板讀取：非阻塞異步讀取系統剪貼板。

先確認當前環境滿足 Node >=22.19.0。然後執行：

dsh plugin --profile web add dsh-plugin-deepeye

經過上面的步驟後，檢查 profile 配置中是否出現插件層：

dsh --profile web --dump-config

輸出中確認出現 dsh-plugin-deepeye 層即可。啓動命令：

dsh web

其中，web 是 --profile web 的別名。

設置 OPENAI_API_KEY 環境變量後，在 cordis.yml 中配置 provider: openai 即可使用。

export OPENAI_API_KEY=sk-xxx

- id: deepeye-vision
  name: 'dsh-plugin-deepeye'
  config:
    provider: openai

自定義 OpenAI-compatible 端點通常使用 patch 文件疊加。示例命令：

dsh web --patch ./examples/zhipu-glm4v.cordis.patch.yml

使用 custom provider 時，示例中 baseUrl 和 model 爲必填。

插件支持 pasteCompat，取值爲 off、auto、force，默認 auto。

- id: deepeye-vision
  config:
    pasteCompat: auto

GitHub 倉庫：https://github.com/Favio8/dsh-plugin-deepeye