前言¶

DeepSeek Harness 的插件化思路，是把不同能力掛載到智能體上。對只能處理文本的智能體來說，截圖、圖表或照片裏的內容無法直接成爲推理輸入。dsh-image-reader 提供一個模型可見的 read_image 工具，讓智能體通過 OpenAI-compatible vision endpoint 讀取圖片，並基於圖片內容回答問題。

插件定位¶

dsh-image-reader 是一個 MIT 許可證的 DSH 插件，倉庫 owner 爲 zcXie777，倉庫地址爲：

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

它的核心能力是向 DeepSeek Harness 智能體暴露一個 read_image 工具。工具接收工作區內的圖片路徑，並可選擇攜帶一個問題；隨後插件調用已配置的視覺接口，將回答返回給模型。

核心能力¶

dsh-image-reader 提供以下已覈實能力：

• 提供一個模型側 read_image 工具，供 DeepSeek Harness 智能體調用。
• 通過任意 OpenAI-compatible vision endpoint 讀取圖片。
• read_image 支持傳入圖片路徑和可選的 query。
• 支持以下配置項：provider.baseUrl、provider.model、provider.apiKeyEnv、lang、timeoutMs、maxImageBytes、allowedDirs。
• API key 在每次調用時從環境變量讀取，不寫入配置。
• 輸入路徑會結合 workspace 和 allowedDirs 通過 realpath 解析，避免通過 symbolic link 繞過允許目錄。
• 上傳圖片前會進行大小限制和擴展名檢查。
• 本地驗證已通過：npm run typecheck、npm run build、npm test，其中測試用例數量爲 16。

安裝與啓用¶

運行環境需要滿足：

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

先克隆倉庫並構建一次。lib/ 目錄不會提交到倉庫，因此克隆後需要執行 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

安裝後，如果正在運行 Web profile，需要重啓該 profile。

配置說明¶

provider.baseUrl 和 provider.model 是必填項。插件不預設具體供應商，需要使用者在 profile patch row 中填寫對應視覺服務的 base URL 和模型名稱。

下面是一個配置示例：

- 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: []

啓動 profile 前，需要先把 API key 放到環境變量中：

export VISION_API_KEY=sk-...

各配置項含義如下：

• provider.baseUrl：OpenAI-compatible vision endpoint 的 base URL，必填。
• provider.model：多模態模型名稱，必填。
• provider.apiKeyEnv：保存 API key 的環境變量名，示例中使用 VISION_API_KEY。
• lang：回答語言，支持 zh 或 en。
• timeoutMs：整次請求超時時間，單位毫秒。
• maxImageBytes：單張圖片允許的最大編碼字節數。
• allowedDirs：額外允許讀取的目錄列表；workspace 本身允許使用。

典型用法¶

在對話中，可以讓智能體調用 read_image，並指定圖片路徑和可選問題：

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

如果只需要讀取圖片並讓模型基於圖片內容回答後續問題，也可以只傳路徑：

read_image image="diagram.png"

適用場景與注意¶

適合需要讓 DSH 智能體直接查看工作區圖片的場景，例如讀取截圖、圖表或照片中的內容，並圍繞該圖片回答問題。

使用前注意以下幾點：

• 該插件尚未對真實 live vision endpoint 完成端到端驗證。本地測試覆蓋了 mock fetch 的請求/響應邏輯，但依賴真實視覺服務前，建議先用真實 VISION_API_KEY 做一次 smoke test。
• 插件會運行在當前 DSH 進程權限內。安裝前建議檢查源碼和 MIT 許可證。
• API key 每次調用時從環境變量讀取，不保存在配置中。
• 輸入路徑會通過 realpath 解析到 workspace 和 allowedDirs 內，symbolic link 不能繞出允許目錄。
• 圖片上傳前會進行大小限制和擴展名檢查。
• 安裝後需要重啓正在運行的 Web profile。
• 需要滿足 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。

結尾¶

dsh-image-reader 的價值很集中：給只能處理文本的 DeepSeek Harness 智能體增加一個 read_image 工具，使其可以通過 OpenAI-compatible vision endpoint 讀取工作區圖片並回答問題。它通過 dsh plugin 安裝，配置重點是 provider.baseUrl、provider.model 和 API key 環境變量。

倉庫地址：

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

DSH 社區目錄是獨立站點，可用來發現此類插件；不要把目錄頁理解爲 DeepSeek 或幻方的官方應用商店。