前言¶

DeepSeek Harness 的插件化思路，是把不同能力挂载到智能体上。对只能处理文本的智能体来说，截图、图表或照片里的内容无法直接成为推理输入。dsh-image-reader 提供一个模型可见的 read_image 工具，让智能体通过 OpenAI-compatible vision endpoint 读取图片，并基于图片内容回答问题。

插件定位¶

dsh-image-reader 是一个 MIT 许可证的 DSH 插件，仓库 owner 为 zcXie777，仓库地址为：

https://github.com/zcXie777/dsh-image-reader

它的核心能力是向 DeepSeek Harness 智能体暴露一个 read_image 工具。工具接收工作区内的图片路径，并可选择携带一个问题；随后插件调用已配置的视觉接口，将回答返回给模型。

核心能力¶

dsh-image-reader 提供以下已核实能力：

• 提供一个模型侧 read_image 工具，供 DeepSeek Harness 智能体调用。
• 通过任意 OpenAI-compatible vision endpoint 读取图片。
• read_image 支持传入图片路径和可选的 query。
• 支持以下配置项：provider.baseUrl、provider.model、provider.apiKeyEnv、lang、timeoutMs、maxImageBytes、allowedDirs。
• API key 在每次调用时从环境变量读取，不写入配置。
• 输入路径会结合 workspace 和 allowedDirs 通过 realpath 解析，避免通过 symbolic link 绕过允许目录。
• 上传图片前会进行大小限制和扩展名检查。
• 本地验证已通过：npm run typecheck、npm run build、npm test，其中测试用例数量为 16。

安装与启用¶

运行环境需要满足：

Node engines: ^22.19.0 || >=24.0.0
Peer dependencies: @deepseek-ai/cordis ^4.0.1 and @deepseek-ai/dsh-tools ^0.0.1-rc.1

先克隆仓库并构建一次。lib/ 目录不会提交到仓库，因此克隆后需要执行 npm run build。

git clone https://github.com/zcXie777/dsh-image-reader.git
cd dsh-image-reader
npm install
npm run build          # lib/ is not committed; build once after cloning
cd ..
dsh plugin --profile web add "$PWD/dsh-image-reader"
dsh plugin --profile headless add "$PWD/dsh-image-reader"
dsh --profile web --dump-config | grep image-reader

安装后，如果正在运行 Web profile，需要重启该 profile。

配置说明¶

provider.baseUrl 和 provider.model 是必填项。插件不预设具体供应商，需要使用者在 profile patch row 中填写对应视觉服务的 base URL 和模型名称。

下面是一个配置示例：

- id: image-reader
  config:
    provider:
      baseUrl: "https://vision.example.com/v1"
      model: "your-multimodal-model"
      apiKeyEnv: "VISION_API_KEY"
    lang: "zh"
    timeoutMs: 60000
    maxImageBytes: 10485760
    allowedDirs: []

启动 profile 前，需要先把 API key 放到环境变量中：

export VISION_API_KEY=sk-...

各配置项含义如下：

• provider.baseUrl：OpenAI-compatible vision endpoint 的 base URL，必填。
• provider.model：多模态模型名称，必填。
• provider.apiKeyEnv：保存 API key 的环境变量名，示例中使用 VISION_API_KEY。
• lang：回答语言，支持 zh 或 en。
• timeoutMs：整次请求超时时间，单位毫秒。
• maxImageBytes：单张图片允许的最大编码字节数。
• allowedDirs：额外允许读取的目录列表；workspace 本身允许使用。

典型用法¶

在对话中，可以让智能体调用 read_image，并指定图片路径和可选问题：

read_image image="screenshot.png" query="What error is shown in this dialog?"

如果只需要读取图片并让模型基于图片内容回答后续问题，也可以只传路径：

read_image image="diagram.png"

适用场景与注意¶

适合需要让 DSH 智能体直接查看工作区图片的场景，例如读取截图、图表或照片中的内容，并围绕该图片回答问题。

使用前注意以下几点：

• 该插件尚未对真实 live vision endpoint 完成端到端验证。本地测试覆盖了 mock fetch 的请求/响应逻辑，但依赖真实视觉服务前，建议先用真实 VISION_API_KEY 做一次 smoke test。
• 插件会运行在当前 DSH 进程权限内。安装前建议检查源码和 MIT 许可证。
• API key 每次调用时从环境变量读取，不保存在配置中。
• 输入路径会通过 realpath 解析到 workspace 和 allowedDirs 内，symbolic link 不能绕出允许目录。
• 图片上传前会进行大小限制和扩展名检查。
• 安装后需要重启正在运行的 Web profile。
• 需要满足 Node engines：^22.19.0 || >=24.0.0，以及 peer dependencies：@deepseek-ai/cordis ^4.0.1、@deepseek-ai/dsh-tools ^0.0.1-rc.1。

结尾¶

dsh-image-reader 的价值很集中：给只能处理文本的 DeepSeek Harness 智能体增加一个 read_image 工具，使其可以通过 OpenAI-compatible vision endpoint 读取工作区图片并回答问题。它通过 dsh plugin 安装，配置重点是 provider.baseUrl、provider.model 和 API key 环境变量。

仓库地址：

https://github.com/zcXie777/dsh-image-reader

DSH 社区目录是独立站点，可用来发现此类插件；不要把目录页理解为 DeepSeek 或幻方的官方应用商店。