前言¶

DeepSeek Harness（DSH）通过插件扩展智能体工作流，社区目录是独立站点，不代表 DeepSeek 或幻方的官方应用商店。一个具体痛点是：文本型 DeepSeek 模型本身只处理文本，但在 Harness Web composer 里，用户仍可能直接粘贴或拖入截图、文档图片。ds-vision-plugin 用来解决这个输入断层：它把网页中的图片转成文本，再交给文本型 DeepSeek 模型继续处理，同时提供视觉分析、OCR 路由和诊断工具。

这是什么¶

ds-vision-plugin 是一个 DeepSeek Harness 插件，由 Sorwcyra 维护，许可证为 MIT。

它的一句话定位是：为 DeepSeek Harness 提供自动网页图片到文本桥接，并附带视觉和 OCR 工具。

对使用者来说，它解决的问题是：在 Harness Web composer 中粘贴或拖入图片后，不需要先手动保存路径、调用外部工具或切换模型，插件会把图片替换为可用于文本推理的内容。

核心功能¶

自动网页图片转文本¶

在 Harness Web composer 中粘贴或拖入图片后，插件会把图片替换为与图片内容对应的文本，供文本型 DeepSeek 模型继续处理。

四模型竞速¶

插件支持四模型 first-success race，默认使用的模型为：

• agnes-2.5-flash
• agnes-2.0-flash
• glm-4v-flash
• glm-4.1v-thinking-flash

首个有效结果会被交给文本型 DeepSeek 模型。明确不使用 glm-4.6v-flash。

OCR 路由¶

插件支持将图片路由到 Baidu OCR 或本地 Tesseract。如果 OCR 不可用，会回退到 VLM。

自定义模型与本地运行时¶

可以添加用户自有的 OpenAI-compatible 模型，加入并发竞速或顺序回退。也支持本地 Ollama/LM Studio。

诊断与失败处理¶

插件暴露 vision_analyze 和 vision_status，用于工作区文件和诊断。

它也提供：

• YAML 热重载
• 结果缓存
• 超时控制
• 大小限制
• 严格失败或可见失败标注

图片不会被静默丢弃；失败时由部署方选择可见标注或严格失败。

引导式 CLI¶

插件提供引导式 CLI，覆盖：

• setup
• keys
• status
• custom models
• live verification

密钥按环境变量命名，vision_status 不返回密钥内容。

安装与启用¶

环境要求：Node.js 22.19+ 或 24+。

在 PowerShell、Command Prompt、bash 或 zsh 中运行：

npx -y github:Sorwcyra/ds-vision-plugin

该命令用于安装或更新插件，并进入后续配置与启动流程。当前默认 Web 端口为 3080；快速安装命令不覆盖该端口。如果默认端口已经在服务，它会打开现有 Web UI，而不是重复启动进程。

常用可选参数：

npx -y github:Sorwcyra/ds-vision-plugin --update

用于在包版本一致时也重新安装。

npx -y github:Sorwcyra/ds-vision-plugin --port 8080

用于显式覆盖 Harness Web 端口。

npx -y github:Sorwcyra/ds-vision-plugin --no-open

用于启动时不打开浏览器。

npx -y github:Sorwcyra/ds-vision-plugin --no-start

用于只安装和配置，不启动。

典型用法¶

下面是最直接的流程：

1、运行快速安装命令：

npx -y github:Sorwcyra/ds-vision-plugin

2、按 CLI 引导完成 setup、keys、status、custom models 和 live verification。

3、在 Harness Web composer 中粘贴或拖入图片。

4、插件把图片替换为文本后，文本型 DeepSeek 模型继续处理。

5、如需检查工作区文件或诊断状态，可使用插件暴露的 vision_analyze 和 vision_status。

适用场景与注意¶

适合这类场景：主模型是文本型 DeepSeek，但你希望用户在 Harness Web 输入框里直接处理截图、文档图片或工具结果中的图片。

使用前需要注意：

• 四路竞速会为每个未缓存图片发起四个 provider 请求。
• 如果更关注请求数、成本或数据暴露，优先选择本地 VLM/OCR 路线。
• 图片不会被静默丢弃；失败时按部署配置选择可见标注或严格失败。
• 密钥通过环境变量管理，vision_status 不返回密钥内容。
• 插件以当前 dsh 进程权限运行；安装前应检查源码和 MIT 许可证。
• 当前默认 Web 端口为 3080，快速安装命令不会强制覆盖该端口。

仓库地址：

https://github.com/Sorwcyra/ds-vision-plugin