前言¶
在 DSH 插件生態裏，不少能力由社區插件補齊。dsh-tool-describe-image 是其中一項，面向“文本模型需要處理圖片輸入”的場景：通過任意 OpenAI 兼容視覺端點，把圖片轉成文字或結構化 HTML，再交給 DeepSeek 使用。
下面按 DSH 插件的方式介紹它：解決什麼問題、怎麼安裝、怎麼配置、典型用法，以及哪些限制需要提前知道。
這是什麼¶
sala003/dsh-tool-describe-image 是一個 MIT 許可證的 DSH 插件，由 sala003 維護。它的定位是：讓 DeepSeek 通過視覺端點“看見”圖片，支持百鍊 qwen-vl、智譜 GLM-4V、OpenRouter、自建代理等 OpenAI 兼容視覺端點。
它不是單獨的視覺 API，而是把視覺端點接入 DSH：
- 通過工具調用把指定路徑的圖片轉成文字描述。
- 在 Web 輸入框粘貼圖片後，自動識別並填入文本或 HTML。
- 通過
check_balance查詢 DeepSeek 賬戶餘額，含贈送/充值拆分。 - 提供一個可拖動、可切換表情、帶狀態氣泡、與 Agent 狀態聯動的鯨魚娘桌寵設置入口。
插件說明爲“零源碼改動”，完全通過 DSH 公開擴展點實現；包形態爲單 npm 包，包含 host 半區和瀏覽器半區，雙語文案可跟隨 Web 界面語言切換。
核心功能¶
下面列的是已覈實能力：
- 通過任意 OpenAI 兼容視覺端點，把圖片轉成文字或結構化 HTML。
- 零配置可進 DSH：不配 API key 也能正常啓動，視覺功能可從設置窗補配。
- 自定義 Prompt 與輸出格式：可選文本描述或結構化 HTML。
- Web 粘貼即識別：
Ctrl+V粘貼圖片，自動識別成文字/HTML 填入輸入框。 describe_image工具：模型按路徑讀取圖片轉成文字，Web / headless 可用。check_balance工具：查詢 DeepSeek 賬戶餘額，含贈送/充值拆分。- 懸浮鯨魚娘桌寵：支持拖動、表情切換、狀態氣泡、Agent 狀態聯動。
安裝與啓用¶
先確認已安裝 DSH，版本要求爲 0.1.0-rc.6+。然後執行：
npm install -g dsh-tool-describe-image
dsh plugin --profile web add dsh-tool-describe-image
安裝後啓動 Web：
dsh web
如果從舊版升級，注意 0.5.0 存在打包缺陷，已由 0.5.1 修復。若裝過 0.5.0 並出現：
Cannot read properties of undefined (reading 'prepare')
需先 remove 再裝 0.5.1。
升級後必須重啓 dsh 並刷新瀏覽器（Ctrl+F5）。
配置¶
最低要求是配置視覺 API key。可以用環境變量：
$env:DASHSCOPE_API_KEY = "sk-你的key"
也可以寫入：
~/.dsh/profiles/web/.env
內容爲：
DASHSCOPE_API_KEY=sk-你的key
注意：環境變量優先級高於憑據庫。設置 DASHSCOPE_API_KEY 時，設置面板保存會提示環境變量遮蔽；直接改 .env 或環境變量即可。
也可以在 ~/.dsh/profiles/web/cordis.patch.yml 中覆蓋模型，例如：
- insert:
- id: describe-image
name: 'dsh-tool-describe-image'
config:
model: qwen-vl-max
餘額查詢默認複用 DEEPSEEK_API_KEY，可通過 deepseekBaseUrl 覆蓋端點。
典型用法¶
粘貼圖片識別¶
1、任意截圖 Ctrl+C。
2、在 DSH Web 輸入框中 Ctrl+V。
3、識別後文字描述自動填入輸入框。
4、回車發送。
按路徑讓模型描述¶
對模型說：
描述一下 C:\Users\你的用戶名\Pictures\image.png
模型會自動調用 describe_image，再基於返回內容回答。
用鯨魚娘桌寵配置¶
雙擊右下角鯨魚娘，打開懸浮設置面板。可在面板中配置視覺 API，拖動位置並記憶。
查詢 DeepSeek 餘額¶
對模型說：
查一下我的 DeepSeek 餘額
模型會自動調用 check_balance。也可以雙擊鯨魚娘，在設置面板點「查餘額」。
適用場景與注意¶
這個插件適合這些情況：
- 想在 DSH 的 Web 或 headless 場景裏給文本模型加圖片理解能力。
- 想接入任意 OpenAI 兼容視覺端點，而不綁定單一廠商。
- 希望在 DSH 內順手查詢 DeepSeek 賬戶餘額。
- 希望不配置 key 時也能啓動，後續從設置窗補配視覺功能。
使用前需要注意：
- 插件以當前
dsh進程權限運行，安裝前應檢查源碼與許可證。當前許可證爲 MIT。 - 僅支持 PNG / JPG / WebP / GIF，按字節檢測，不信擴展名。
- 單張圖片讀取上限
8 MiB，HTTP 協作超時60000 ms。 - 未配置視覺 API key 時，可能報
DashScope API key missing。 - 升級後必須重啓
dsh並刷新瀏覽器（Ctrl+F5）。
結尾¶
dsh-tool-describe-image 的價值比較集中：用視覺端點把圖片變成文本或 HTML，讓文本模型在 DSH 裏繼續處理；同時把配置入口放在 Web 端，降低臨時接入成本。
項目倉庫：
- GitHub：https://github.com/sala003/dsh-tool-describe-image
