前言¶

在 DeepSeek Harness（DSH）中使用文本模型時，常見的問題是：模型本身只支持文本輸入，但用戶仍希望把圖片附加到會話中，讓模型基於圖片裏的文字繼續回答。

如果不想把圖片字節直接發給模型 API，也不想修改模型輸入模態，可以先做本地 OCR，再把識別出來的文本發給模型。dsh-tesseract-ocr 就是爲此提供的 DSH 插件。

這是什麼¶

dsh-tesseract-ocr 是一個 DeepSeek Harness 插件，倉庫標識爲 maxwell-feng/dsh-tesseract-ocr，許可證爲 MIT。

它的作用是：讓文本模型接受附加圖片。插件在本地調用 Tesseract OCR 識別圖片，默認只把識別出的文本發送到模型 API。

它適合使用 DSH、希望文本模型也能處理圖片附件，並且希望默認不把圖片原始字節發送給模型提供商的場景。

核心功能¶

dsh-tesseract-ocr 提供的能力包括：

• 讓文本模型接受附加圖片。
• 使用 Tesseract OCR 在本地識別附加圖片。
• 默認只把識別出的文本發送到模型 API。
• 默認將圖片字節保留在本地，不發送給模型提供商。
• 提供可選的視覺模型直通：passthrough: true。
• 當插件未加載時採用 fail-closed 行爲，拒絕圖片附件。
• 可以與 DSH 中的 providers/models 配合使用，不要求修改模型輸入模態。

安裝與啓用¶

1、準備 Tesseract¶

插件依賴本地 tesseract CLI。以下以 Ubuntu 爲例安裝 Tesseract 和簡體中文語言包：

sudo apt install -y tesseract-ocr tesseract-ocr-chi-sim

安裝後檢查版本和可用語言：

tesseract --version
tesseract --list-langs

2、安裝插件¶

使用 DSH 插件命令安裝：

dsh plugin --profile web add dsh-tesseract-ocr

--profile web 是示例 profile，使用時可替換爲你自己的 profile。

也可以從本地源碼目錄、本地 tarball 或 GitHub 倉庫安裝。已覈實的安裝方式包括：

dsh plugin --profile web add ./dsh-tesseract-ocr

dsh plugin --profile web add ./dsh-tesseract-ocr-0.3.2.tgz

dsh plugin --profile web add github:maxwell-feng/dsh-tesseract-ocr

注意：Git 安裝拉取的是源碼，而不是已經構建好的產物。該流程中 prepare 腳本會執行 tsc，在 pnpm 10 及以上版本中可能需要先允許一次構建。

3、手動加載插件¶

如果你不使用 npm 包安裝，而是手動加載插件，可以把下面配置追加到 profile 的 cordis.patch.yml 中：

- insert:
    - id: tesseract-ocr
      name: '/home/you/tesseract-ocr/lib/index.js'
      config:
        language: eng+chi_sim
        passthrough: false

這裏：

• language: eng+chi_sim 表示同時啓用英文和簡體中文識別。
• passthrough: false 表示默認不把原始圖片字節發送給視覺模型，只發送 OCR 後的文本。

手動路徑必須指向插件入口文件。在 Windows 上，手動路徑需要使用 file:// URL；在 Linux 上也可以使用普通絕對路徑。

4、使用臨時 patch overlay¶

如果只想臨時啓用，不想修改 profile，可以把同樣的插件行放在 overlay 文件中，然後啓動 DSH：

dsh --profile web --patch /home/you/tesseract-ocr/dev.patch.yml

典型用法¶

安裝並啓用後，在 DSH 會話中附加圖片時，插件會用本地 Tesseract OCR 識別圖片，並默認只把識別出的文本發送給模型 API。

如果確實希望視覺模型接收原始圖片字節，需要顯式開啓直通：

config:
  language: eng+chi_sim
  passthrough: true

如果插件沒有被加載，它不會靜默放行圖片附件，而是拒絕圖片附件。

適用場景與注意¶

dsh-tesseract-ocr 適合以下場景：

• 使用 DSH 的文本模型，但希望它也能基於圖片中的文字回答。
• 希望默認保留圖片字節在本地，不把原始圖片發送給模型提供商。
• 不希望修改模型 input modalities 這類模型配置。
• 使用本地 Tesseract CLI，並且機器上已安裝對應語言包。

使用前請注意：

• 插件會以當前 DSH 進程權限運行，安裝前應檢查源碼與許可證。
• 不要同時啓用 windows-ocr，因爲兩者會處理同一張圖片。
• 只選擇一種加載方式：npm 包安裝或手動 insert 配置，不要同時重複註冊同一個插件入口。
• npm 安裝會自行註冊 tesseract-ocr 條目，不要另外再手動添加相同 id 的 insert 行。
• dsh web 出現 EADDRINUSE 時，可能表示舊實例仍佔用端口，需要先停止舊進程再啓動。
• 該插件以 Ubuntu 作爲主要驗證目標，並在安裝了 tesseract CLI 的環境中可用。
• 已對照 dsh 0.1.2-alpha.2（master）驗證。

鏈接¶

GitHub：

https://github.com/maxwell-feng/dsh-tesseract-ocr

目錄頁：

https://www.skillhub.cn/plugins/maxwell-feng/dsh-tesseract-ocr