前言¶
在 DeepSeek Harness（DSH）里使用 DeepSeek-V3 或 DeepSeek-R1 时，如果对话中经常遇到截图、图表、附件图片，纯文本模型本身不一定能稳定完成“看图并回答”。dsh-ext-vision-proxy 做的事情比较直接：把外部 OpenAI-compatible 视觉 API 接进 DSH，让文本模型通过工具调用获得图片理解结果。
下面介绍它的定位、核心能力、安装启用方式和典型用法。
这是什么¶
dsh-ext-vision-proxy 是面向 DeepSeek Harness 的外部视觉代理插件，由 jin123-alpha 维护，许可证为 MIT。
一句话定位：
External vision proxy plugin for DeepSeek Harness,
enabling text-only models (DeepSeek-V3 / R1) to analyze and understand images
via OpenAI-compatible vision APIs.
它主要解决的是：在 DSH 会话中，让 DeepSeek-V3 / DeepSeek-R1 这类 text-only 模型能够借助外部视觉模型分析图片、截图、图表和附件。
需要额外准备：
OpenAI-compatible Vision API Base URL
API Key
核心能力¶
1. 给文本模型暴露视觉描述工具¶
插件会让模型可以调用工具来查看和回答图片相关问题。关键工具名是：
vision_describe
它适用于图片、截图、图表、附件等视觉内容的分析场景。
2. 在聊天输入栏加入开关和模型选择¶
插件会接入聊天输入栏的左侧区域：
conversation.input.left
这里会加入一个 pill-shaped toggle switch，以及一个 model dropdown selector，方便在会话中快速切换视觉代理状态和选择视觉模型。
3. 在 Settings 页面提供配置面板¶
插件提供 Settings 页面配置项，支持：
custom Base URLs
API Keys
vision model filtering
one-click connectivity testing
这意味着不需要每次都手动改文件，可以在页面里配置并测试外部视觉 API 是否可用。
4. 定义 4-state session matrix¶
插件会区分多模态模型和 text-only 模型，并结合开关状态形成 4 种会话状态：
Multimodal LLM + switch ON
Multimodal LLM + switch OFF
Text-only LLM + switch ON
Text-only LLM + switch OFF
其中已明确的一个状态是：
Text-only LLM + switch OFF
此时行为与未安装该插件一致。
5. 解析多种附件形式¶
插件支持解析以下图片资源形式：
sha256:...
local file paths
HTTP/HTTPS URLs
并会使用 binary magic bytes 检测 MIME type。
安装与启用¶
已核实资料里没有给出一个标准的 dsh plugin add 命令，因此这里不按单一插件安装命令理解。资料中出现的命令包括：
npm install
npm run build
npm pack
dsh web
先安装依赖：
npm install
如果需要本地构建和打包：
npm run build
npm pack
然后启动 DSH Web：
dsh web
插件依赖方面，资料中列出的 peer dependencies 为：
@deepseek-ai/cordis
@deepseek-ai/dsh-tools
react ^19.0.0
典型用法¶
下面流程来自已核实用法示例，可按顺序执行。
1. 启动 DSH Web¶
dsh web
2. 打开视觉代理设置页¶
访问本地地址：
http://127.0.0.1:3080
进入：
Settings -> 视觉代理 (Vision Proxy)
3. 填写 OpenAI-compatible 视觉 API 配置¶
填写 Base URL 和 API Key。Base URL 可以是：
https://api.openai.com/v1
也可以是本地 endpoint。
4. 获取模型列表¶
点击：
获取模型列表 (Fetch Models)
然后选择默认视觉模型，例如：
gpt-4o
gemini-2.5-flash
qwen-vl-max
5. 测试连通性¶
点击：
测试连通性 (Test Connection)
确认外部 API 可用后，保存配置。
6. 在会话中使用¶
在 DeepSeek-V3 或 DeepSeek-R1 会话中打开：
视觉代理
然后上传或粘贴一张图片，并提出问题。
此时模型会在后台调用：
vision_describe
再根据返回结果继续回答。
适用场景与注意¶
适合谁¶
如果你的 DSH 会话里经常出现图片、截图、图表、附件，而且希望让 text-only 模型也能参与分析和回答，这个插件比较合适。
它特别适合这种工作流：
用户上传图片
-> 模型判断需要看图
-> 调用 vision_describe
-> 外部视觉 API 返回图片理解结果
-> 文本模型继续组织回答
使用前注意¶
第一，它依赖外部 OpenAI-compatible Vision API。因此需要配置：
Base URL
API Key
第二，API Key 会进入你的本地 DSH 配置和运行环境。建议只在可信环境中配置，并定期检查权限。
第三，插件会运行在当前 dsh 进程权限内。安装前建议检查源码、依赖和许可证。
已核实许可证信息：
MIT
MIT © 2026 Fan Yuejin
第四，不要把它理解成 DSH 官方应用商店里的官方插件。这里的插件目录页是独立社区站点，与 DeepSeek / 幻方没有官方从属关系。
结尾¶
dsh-ext-vision-proxy 的价值不在于替换模型，而在于把外部视觉能力接入 DSH 会话，让 DeepSeek-V3 / DeepSeek-R1 这类 text-only 模型也能通过 vision_describe 工具处理图片。
如果你需要在 DSH 中稳定处理截图、图表和附件图片，可以按上面的步骤配置 Base URL、API Key，并测试连通性后再进入正式会话。
参考链接：
https://www.skillhub.cn/plugins/jin123-alpha/dsh-ext-vision-proxy
https://github.com/jin123-alpha/dsh-ext-vision-proxy
