前言¶

在 DeepSeek Harness（DSH）中使用文本模型时，常见的问题是：模型本身只支持文本输入，但用户仍希望把图片附加到会话中，让模型基于图片里的文字继续回答。

如果不想把图片字节直接发给模型 API，也不想修改模型输入模态，可以先做本地 OCR，再把识别出来的文本发给模型。dsh-tesseract-ocr 就是为此提供的 DSH 插件。

这是什么¶

dsh-tesseract-ocr 是一个 DeepSeek Harness 插件，仓库标识为 maxwell-feng/dsh-tesseract-ocr，许可证为 MIT。

它的作用是：让文本模型接受附加图片。插件在本地调用 Tesseract OCR 识别图片，默认只把识别出的文本发送到模型 API。

它适合使用 DSH、希望文本模型也能处理图片附件，并且希望默认不把图片原始字节发送给模型提供商的场景。

核心功能¶

dsh-tesseract-ocr 提供的能力包括：

• 让文本模型接受附加图片。
• 使用 Tesseract OCR 在本地识别附加图片。
• 默认只把识别出的文本发送到模型 API。
• 默认将图片字节保留在本地，不发送给模型提供商。
• 提供可选的视觉模型直通：passthrough: true。
• 当插件未加载时采用 fail-closed 行为，拒绝图片附件。
• 可以与 DSH 中的 providers/models 配合使用，不要求修改模型输入模态。

安装与启用¶

1、准备 Tesseract¶

插件依赖本地 tesseract CLI。以下以 Ubuntu 为例安装 Tesseract 和简体中文语言包：

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

安装后检查版本和可用语言：

tesseract --version
tesseract --list-langs

2、安装插件¶

使用 DSH 插件命令安装：

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

--profile web 是示例 profile，使用时可替换为你自己的 profile。

也可以从本地源码目录、本地 tarball 或 GitHub 仓库安装。已核实的安装方式包括：

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 安装拉取的是源码，而不是已经构建好的产物。该流程中 prepare 脚本会执行 tsc，在 pnpm 10 及以上版本中可能需要先允许一次构建。

3、手动加载插件¶

如果你不使用 npm 包安装，而是手动加载插件，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

这里：

• language: eng+chi_sim 表示同时启用英文和简体中文识别。
• passthrough: false 表示默认不把原始图片字节发送给视觉模型，只发送 OCR 后的文本。

手动路径必须指向插件入口文件。在 Windows 上，手动路径需要使用 file:// URL；在 Linux 上也可以使用普通绝对路径。

4、使用临时 patch overlay¶

如果只想临时启用，不想修改 profile，可以把同样的插件行放在 overlay 文件中，然后启动 DSH：

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

典型用法¶

安装并启用后，在 DSH 会话中附加图片时，插件会用本地 Tesseract OCR 识别图片，并默认只把识别出的文本发送给模型 API。

如果确实希望视觉模型接收原始图片字节，需要显式开启直通：

config:
  language: eng+chi_sim
  passthrough: true

如果插件没有被加载，它不会静默放行图片附件，而是拒绝图片附件。

适用场景与注意¶

dsh-tesseract-ocr 适合以下场景：

• 使用 DSH 的文本模型，但希望它也能基于图片中的文字回答。
• 希望默认保留图片字节在本地，不把原始图片发送给模型提供商。
• 不希望修改模型 input modalities 这类模型配置。
• 使用本地 Tesseract CLI，并且机器上已安装对应语言包。

使用前请注意：

• 插件会以当前 DSH 进程权限运行，安装前应检查源码与许可证。
• 不要同时启用 windows-ocr，因为两者会处理同一张图片。
• 只选择一种加载方式：npm 包安装或手动 insert 配置，不要同时重复注册同一个插件入口。
• npm 安装会自行注册 tesseract-ocr 条目，不要另外再手动添加相同 id 的 insert 行。
• dsh web 出现 EADDRINUSE 时，可能表示旧实例仍占用端口，需要先停止旧进程再启动。
• 该插件以 Ubuntu 作为主要验证目标，并在安装了 tesseract CLI 的环境中可用。
• 已对照 dsh 0.1.2-alpha.2（master）验证。

链接¶

GitHub：

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

目录页：

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