前言¶
在 DeepSeek Harness（DSH）裏，如果當前會話使用純文本模型，圖片消息不能直接進入模型上下文。dsh-vision 用於解決這個問題：把圖片消息自動橋接爲視覺模型生成的文字描述，同時人類轉錄保留原圖，並可繼續使用 see_image 工具追問。
這是什麼¶
dsh-vision 是一個包名爲 dsh-vision 的 DSH 插件，許可證爲 MIT，GitHub 倉庫爲 reimu-create/dsh-vision。它面向純文本模型提供圖片描述橋接，並提供手動識圖工具。
核心功能¶
- 圖片消息自動橋接爲視覺模型生成的文字描述。
- 表面替換事件 append 進會話日誌，人類轉錄保留原圖。
- 支持
see_image手動/追問工具，入參爲file_path和可選question。 - 當前模型自身支持
image輸入時插件不干預。 - 模型調用
read_image等工具返回的嵌套圖片可被遞歸識別改寫。 - 視覺調用失敗時本次請求仍成功並給出佔位文本，下次自動重試。
- 可配置視覺模型路由、輸出上限、模式
auto/manual/both、超時。 - 視覺調用不進入會話 usage 統計。
安裝與啓用¶
1、執行以下命令，把本地目錄加入 web profile。
dsh plugin --profile web add link:D:/dsh-plugins/dsh-vision
2、執行以下命令，檢查當前 profile 配置中是否出現插件。
dsh --profile web --dump-config | Select-String dsh-vision
輸出中出現 dsh-vision，說明插件已進入當前 profile 配置。
配置¶
插件需要搭配 uiopt 使用。安裝 uiopt 後，可在界面中配置：
設置 → 插件 → 額外插件 → 可配置插件 → 展開 dsh-vision 卡片，配置視覺模型、輸出上限、模式、超時。
未安裝 uiopt 時，只能通過 settings.yaml 手動配置，且無法在界面中切換視覺模型。
文件方式是在 settings.yaml 的 dsh-vision 分節配置 provider、model、maxTokens、mode、timeoutMs。示例如下：
dsh-vision:
provider: <visual-provider>
model: <vision-model>
maxTokens: <max-tokens>
mode: auto
timeoutMs: <timeout-ms>
mode 可配置爲 auto、manual、both。
典型用法¶
自動橋接不需要額外調用：圖片出現在純文本模型的請求中時，插件會把圖片橋接爲文字描述後放行。
手動識圖或追問時使用 see_image 工具，提供 file_path，可選提供 question。
如果當前模型自身支持 image 輸入，插件不干預。
如果模型調用 read_image 等工具返回嵌套圖片，插件可遞歸識別改寫。
計費與失敗¶
新圖首次出現按未命中價計費一次。視覺調用不進入會話 usage 統計。
視覺調用失敗時，本次請求仍成功，圖片位置給出佔位文本，下次自動重試。
視覺模型必須真實支持圖片輸入；配置錯誤會導致佔位文本，不會死循環。
適用場景與注意¶
適合：
- 主會話模型是純文本，但需要利用圖片信息。
- 需要保留人類轉錄中的原圖，同時讓模型看到文字描述。
- 需要通過
see_image對指定圖片文件手動識圖或追問。
注意：
- 需要搭配
uiopt使用；未安裝uiopt時只能通過settings.yaml手動配置，且無法在界面中切換視覺模型。 - 插件依賴以下 dsh 預覽版 API：
llm/stream waterfall
surface replace
foldSurface
rc 升級若改簽名，需同步更新。
peerDependencies要求：
@deepseek-ai/dsh-llm ^0.1.0-rc.6
@deepseek-ai/dsh-session ^0.1.0-rc.6
@deepseek-ai/dsh-tools ^0.1.0-rc.6
- 插件以當前 dsh 進程權限運行，安裝前應檢查源碼與許可證。
- DSH 社區目錄是獨立站點，與 DeepSeek / 幻方無官方從屬關係。
結尾¶
dsh-vision 的價值在於讓純文本模型獲得圖片描述，同時保持人類轉錄原圖，並提供 see_image 追問入口。
GitHub：https://github.com/reimu-create/dsh-vision。
目錄頁可在 DSH 社區目錄中檢索 dsh-vision。
