前言¶
在 DeepSeek Harness（DSH）裏使用 DeepSeek-V3 或 DeepSeek-R1 時，如果對話中經常遇到截圖、圖表、附件圖片，純文本模型本身不一定能穩定完成“看圖並回答”。dsh-ext-vision-proxy 做的事情比較直接：把外部 OpenAI-compatible 視覺 API 接進 DSH，讓文本模型通過工具調用獲得圖片理解結果。
下面介紹它的定位、核心能力、安裝啓用方式和典型用法。
這是什麼¶
dsh-ext-vision-proxy 是面向 DeepSeek Harness 的外部視覺代理插件，由 jin123-alpha 維護，許可證爲 MIT。
一句話定位：
External vision proxy plugin for DeepSeek Harness,
enabling text-only models (DeepSeek-V3 / R1) to analyze and understand images
via OpenAI-compatible vision APIs.
它主要解決的是：在 DSH 會話中，讓 DeepSeek-V3 / DeepSeek-R1 這類 text-only 模型能夠藉助外部視覺模型分析圖片、截圖、圖表和附件。
需要額外準備：
OpenAI-compatible Vision API Base URL
API Key
核心能力¶
1. 給文本模型暴露視覺描述工具¶
插件會讓模型可以調用工具來查看和回答圖片相關問題。關鍵工具名是：
vision_describe
它適用於圖片、截圖、圖表、附件等視覺內容的分析場景。
2. 在聊天輸入欄加入開關和模型選擇¶
插件會接入聊天輸入欄的左側區域：
conversation.input.left
這裏會加入一個 pill-shaped toggle switch，以及一個 model dropdown selector，方便在會話中快速切換視覺代理狀態和選擇視覺模型。
3. 在 Settings 頁面提供配置面板¶
插件提供 Settings 頁面配置項，支持：
custom Base URLs
API Keys
vision model filtering
one-click connectivity testing
這意味着不需要每次都手動改文件，可以在頁面裏配置並測試外部視覺 API 是否可用。
4. 定義 4-state session matrix¶
插件會區分多模態模型和 text-only 模型，並結合開關狀態形成 4 種會話狀態：
Multimodal LLM + switch ON
Multimodal LLM + switch OFF
Text-only LLM + switch ON
Text-only LLM + switch OFF
其中已明確的一個狀態是：
Text-only LLM + switch OFF
此時行爲與未安裝該插件一致。
5. 解析多種附件形式¶
插件支持解析以下圖片資源形式：
sha256:...
local file paths
HTTP/HTTPS URLs
並會使用 binary magic bytes 檢測 MIME type。
安裝與啓用¶
已覈實資料裏沒有給出一個標準的 dsh plugin add 命令，因此這裏不按單一插件安裝命令理解。資料中出現的命令包括：
npm install
npm run build
npm pack
dsh web
先安裝依賴：
npm install
如果需要本地構建和打包：
npm run build
npm pack
然後啓動 DSH Web：
dsh web
插件依賴方面，資料中列出的 peer dependencies 爲：
@deepseek-ai/cordis
@deepseek-ai/dsh-tools
react ^19.0.0
典型用法¶
下面流程來自已覈實用法示例，可按順序執行。
1. 啓動 DSH Web¶
dsh web
2. 打開視覺代理設置頁¶
訪問本地地址：
http://127.0.0.1:3080
進入：
Settings -> 視覺代理 (Vision Proxy)
3. 填寫 OpenAI-compatible 視覺 API 配置¶
填寫 Base URL 和 API Key。Base URL 可以是：
https://api.openai.com/v1
也可以是本地 endpoint。
4. 獲取模型列表¶
點擊：
獲取模型列表 (Fetch Models)
然後選擇默認視覺模型，例如：
gpt-4o
gemini-2.5-flash
qwen-vl-max
5. 測試連通性¶
點擊：
測試連通性 (Test Connection)
確認外部 API 可用後，保存配置。
6. 在會話中使用¶
在 DeepSeek-V3 或 DeepSeek-R1 會話中打開：
視覺代理
然後上傳或粘貼一張圖片，並提出問題。
此時模型會在後臺調用：
vision_describe
再根據返回結果繼續回答。
適用場景與注意¶
適合誰¶
如果你的 DSH 會話裏經常出現圖片、截圖、圖表、附件，而且希望讓 text-only 模型也能參與分析和回答，這個插件比較合適。
它特別適合這種工作流：
用戶上傳圖片
-> 模型判斷需要看圖
-> 調用 vision_describe
-> 外部視覺 API 返回圖片理解結果
-> 文本模型繼續組織回答
使用前注意¶
第一，它依賴外部 OpenAI-compatible Vision API。因此需要配置：
Base URL
API Key
第二，API Key 會進入你的本地 DSH 配置和運行環境。建議只在可信環境中配置，並定期檢查權限。
第三，插件會運行在當前 dsh 進程權限內。安裝前建議檢查源碼、依賴和許可證。
已覈實許可證信息：
MIT
MIT © 2026 Fan Yuejin
第四，不要把它理解成 DSH 官方應用商店裏的官方插件。這裏的插件目錄頁是獨立社區站點，與 DeepSeek / 幻方沒有官方從屬關係。
結尾¶
dsh-ext-vision-proxy 的價值不在於替換模型，而在於把外部視覺能力接入 DSH 會話，讓 DeepSeek-V3 / DeepSeek-R1 這類 text-only 模型也能通過 vision_describe 工具處理圖片。
如果你需要在 DSH 中穩定處理截圖、圖表和附件圖片，可以按上面的步驟配置 Base URL、API Key，並測試連通性後再進入正式會話。
參考鏈接：
https://www.skillhub.cn/plugins/jin123-alpha/dsh-ext-vision-proxy
https://github.com/jin123-alpha/dsh-ext-vision-proxy
