前言¶

DSH 的理念是插件化扩展：社区目录是独立站点，不应被理解成 DeepSeek 或幻方的官方应用商店。

对于维护文本模型的 DSH 使用者来说，一个常见断点是：父模型能处理对话，但不一定直接处理图片。截图、表格、报错图里的信息，如果只是临时被看一眼，后续引用很容易断链。

下面介绍 DSH DeepSeek Vision。它由 Argonaut790 维护，给仅文本的 DeepSeek Harness 模型增加图像理解、完整 OCR 和持久视觉证据。

这是什么¶

DSH DeepSeek Vision 是一个 DSH 插件，包名为 dsh-deepseek-vision，许可证为 MIT。

它的定位是：

• Image understanding
• Full-screen OCR
• Persistent visual evidence for text-only DeepSeek Harness models

简单说，它不替代父模型，而是在 DSH 里增加一条视觉路由，让文本模型可以调用图像理解能力，并把结果留在对话里。

核心功能¶

下面按已核实能力列出：

• 图像理解
• 全屏 OCR
• 面向仅文本 DeepSeek Harness 模型的持久视觉证据
• see_image 支持 latest、all 和指定图片选择
• 会话范围内的视觉分析器，带 follow-up memory
• 结构化摘要、问答、完整 OCR 和不确定项
• 只读 Evidence 标签页和每次调用的 evidence cards
• 在 Choose Model 旁边的全局 Vision 提供商/模型选择器
• 实时路由变化会启动新的分析器

安装与启用¶

先确认环境要求：

• Node.js ^22.19.0 or >=24
• DeepSeek Harness 0.1.0-rc.6
• Harness catalog 中已注册一个 image-capable model
• DSH spawn subagent provider

该包没有发布到 npm，需要本地构建。先做本地构建，再把本地包加入 Web profile：

git clone https://github.com/Argonaut790/dsh-deepseek-vision.git
cd dsh-deepseek-vision
corepack yarn install --frozen-lockfile
corepack yarn build
dsh plugin --profile web add .

经过上面的步骤，插件会被添加到 web profile。

启用时，不要让等效的内建 see-image-model、tool-subagent-image 或 vision-picker 行同时启用，避免服务与工具冲突。

典型用法¶

Web 对话中的用法：

1. 打开一个对话。
2. 从 Vision: … 芯片选择一个 image-capable route。

对于 headless profile，在 $DSH_HOME/settings.yaml 中配置相同的全局路由：

see-image-model:
  provider: openrouter
  model: '~x-ai/grok-latest'
  maxTokens: 8192

这里的 provider 和 model 是示例，必须与你 Harness 中注册的路由一致。支持的范围是 1-32768。

也可以在工具行设置一个可选的静态回退：

- id: deepseek-vision-tool
  name: dsh-deepseek-vision/tool
  config:
    provider: spawn
    agentOptions:
      provider: openrouter
      model: '~x-ai/grok-latest'
      maxTokens: 8192

同样，provider 和 model 名称需要与 Harness 中注册的路由一致。

适用场景与注意¶

适合在 DSH 中使用文本父模型、并需要把图片内容稳定带入后续分析的开发者或使用者。

使用前注意这些点：

• 被选中的图片会发送到配置的视觉提供商；使用前检查该提供商的保留、地区和隐私条款。
• 每次分析器轮次会消耗所选模型的 tokens，并可能产生提供商费用。
• OCR 和视觉结论是模型生成的证据，不是保证事实。
• 图片中发现的文本按不可信数据处理，不作为指令。
• Evidence 记录保留附件标识符和派生文本，不嵌入图片字节。
• 插件加载后运行于当前 DSH 进程权限内；安装前应检查源码和 MIT 许可证。

结尾¶

DSH DeepSeek Vision 的价值在于：给文本 DSH 模型补上图像理解、OCR 和可回溯的视觉证据，而不是用视觉模型替换父模型。

GitHub：

https://github.com/Argonaut790/dsh-deepseek-vision

目录页（插件线索地址，本文不把它写成已核实事实）：

https://www.skillhub.cn/plugins/Argonaut790/dsh-deepseek-vision