前言¶

DeepSeek Harness（DSH）通过插件扩展能力。如果要在 DSH 的 web profile 中使用图片理解或图片生成，需要先接入相应的模型端点。

下面介绍 dsh-image-plugins。它为 DeepSeek Harness 提供两类多模态能力：理解工作区中的图片文件，并根据提示词生成图片。这两个能力都通过可配置的 OpenAI-compatible 或 DashScope 端点完成。

这是什么¶

alanzhao0128/dsh-image-plugins 是一个 DeepSeek Harness 多模态插件，由 alanzhao0128 维护，采用 MIT 许可证。

它提供两个核心能力：

• understand_image：读取工作区图片文件，发送到可配置的视觉端点，并返回模型的文字描述。
• generate_image：根据提示词生成图片，保存到工作区并返回保存路径。

插件的 vision 与 image 配置块相互独立。未配置时，对应能力不启用；未配置安装保持 inert and safe。

核心功能¶

understand_image¶

understand_image 是一个 model tool。它会读取工作区中的图片文件，把图片发送到配置的视觉端点，并返回模型生成的文字描述。

这个能力适合在文本流程中讨论截图、图表、界面截图或其他工作区图片。

generate_image¶

generate_image 也是一个 model tool。它根据提示词调用图片生成端点，把生成结果保存到工作区，并返回保存路径。

在默认示例中，生成图片保存到 generated/。

DashScope 图片生成¶

插件支持任意 OpenAI-compatible 端点，并支持可选的 DashScope provider，用于调用 native Model Studio API。

需要注意：DashScope compatible-mode 不提供 images/generations，会返回 404。因此使用 DashScope 做图片生成时，需要使用 provider: dashscope 的 native Model Studio API。

安装与启用¶

安装¶

使用官方安装命令：

dsh plugin --profile web add dsh-image-plugins

安装后重启 dsh web，或重启对应 profile 进程。

启用能力¶

插件安装后并不会自动启用能力，需要先配置端点和密钥。

自 0.2.0 起，插件提供 Web settings panel：

Settings → 图片插件 / Image Plugins

在这个面板中，可以编辑 vision 与 image 两个配置块，并通过官方 credential store 管理对应密钥。

也可以手动配置。在 profile 的 cordis.patch.yml 中覆盖 id: image-plugins 行，并设置 vision 与 image 的 baseUrl、apiKey、model 等配置。

一个基础配置示例：

- id: image-plugins
  name: dsh-image-plugins
  config:
    vision:
      baseUrl: 'https://your-vision-endpoint.example.com/v1'
      apiKey: 'sk-...'
      model: 'your-vision-model'
    image:
      baseUrl: 'https://your-image-endpoint.example.com/v1'
      apiKey: 'sk-...'
      model: 'your-image-model'

如果只需要看图，可以只配置 vision。如果只需要生图，可以只配置 image。两个配置块相互独立。

配置与密钥¶

配置块独立¶

vision 与 image 是独立配置块。每个 config block 可以单独启用，也可以一起启用。

部分填写会 fail the load loudly。例如只写了 baseUrl，但没有写 apiKey，加载会明显失败。

apiKey 支持的写法¶

apiKey 支持三种形式：

'sk-...'
env:VARNAME
cred:NAME

其中 cred:NAME 会在每次请求时通过宿主 credential seam 解析。

密钥不会进入 session log 或 tool results。

端点要求¶

端点必须 OpenAI-compatible。

视觉理解使用：

POST {baseUrl}/chat/completions

并要求端点接受 image_url data URL。

图片生成使用：

POST {baseUrl}/images/generations

并要求端点返回：

data[0].b64_json

或：

data[0].url

DashScope 配置注意¶

DashScope compatible-mode 不提供 images/generations，会返回 404。

如果要做 DashScope 图片生成，需要使用 provider: dashscope 的 native Model Studio API。

典型用法¶

看图¶

在 workspace 中输入：

Look at `images/screenshot.png` and tell me what it shows.

插件会读取该图片文件，调用配置的视觉端点，并返回模型的文字描述。

生图¶

在 workspace 中输入：

Generate an image of a red apple on a wooden table.

插件会调用图片生成端点，保存图片到工作区，并返回保存路径。示例中保存目录为 generated/。

图生图¶

图生图需要 DashScope provider。示例提示词：

Change the color of `images/logo.png` to blue.

适用场景与注意¶

适合谁¶

这个插件适合以下场景：

• 需要在 DSH web profile 中理解工作区图片。
• 需要基于提示词生成图片，并把结果保存回工作区。
• 希望视觉端点和图片生成端点分开配置。
• 希望密钥不进入 session log 或 tool results。
• 希望未配置时插件保持 inert and safe。

安全与许可证¶

包内不携带 API keys，每个用户自行配置。

插件以当前 dsh 进程权限运行。安装前应先检查源码与许可证。

许可证为 MIT。

其他注意¶

• Auto-understand (V2) 已实现，但默认关闭，未经 live session 验证，不属于 supported surface。
• 从 GitHub 安装时，如果环境是 pnpm ≥ 10，需要先允许构建脚本，然后重新 add。
• npm 与 tarball 安装无需该允许。

pnpm allowBuilds 配置示例：

allowBuilds:
  dsh-image-plugins: true

结尾¶

dsh-image-plugins 把图片理解和图片生成接入了 DSH 插件体系：看图能力返回文字描述，生图能力返回工作区保存路径。两个能力独立配置，密钥通过 credential 机制处理，未配置时不会启用。

相关链接：

• 目录页：https://www.skillhub.cn/plugins/alanzhao0128/dsh-image-plugins
• GitHub：https://github.com/alanzhao0128/dsh-image-plugins