前言¶

DeepSeek Harness（DSH）通過插件擴展能力。如果要在 DSH 的 web profile 中使用圖片理解或圖片生成，需要先接入相應的模型端點。

下面介紹 dsh-image-plugins。它爲 DeepSeek Harness 提供兩類多模態能力：理解工作區中的圖片文件，並根據提示詞生成圖片。這兩個能力都通過可配置的 OpenAI-compatible 或 DashScope 端點完成。

這是什麼¶

alanzhao0128/dsh-image-plugins 是一個 DeepSeek Harness 多模態插件，由 alanzhao0128 維護，採用 MIT 許可證。

它提供兩個核心能力：

• understand_image：讀取工作區圖片文件，發送到可配置的視覺端點，並返回模型的文字描述。
• generate_image：根據提示詞生成圖片，保存到工作區並返回保存路徑。

插件的 vision 與 image 配置塊相互獨立。未配置時，對應能力不啓用；未配置安裝保持 inert and safe。

核心功能¶

understand_image¶

understand_image 是一個 model tool。它會讀取工作區中的圖片文件，把圖片發送到配置的視覺端點，並返回模型生成的文字描述。

這個能力適合在文本流程中討論截圖、圖表、界面截圖或其他工作區圖片。

generate_image¶

generate_image 也是一個 model tool。它根據提示詞調用圖片生成端點，把生成結果保存到工作區，並返回保存路徑。

在默認示例中，生成圖片保存到 generated/。

DashScope 圖片生成¶

插件支持任意 OpenAI-compatible 端點，並支持可選的 DashScope provider，用於調用 native Model Studio API。

需要注意：DashScope compatible-mode 不提供 images/generations，會返回 404。因此使用 DashScope 做圖片生成時，需要使用 provider: dashscope 的 native Model Studio API。

安裝與啓用¶

安裝¶

使用官方安裝命令：

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

安裝後重啓 dsh web，或重啓對應 profile 進程。

啓用能力¶

插件安裝後並不會自動啓用能力，需要先配置端點和密鑰。

自 0.2.0 起，插件提供 Web settings panel：

Settings → 圖片插件 / Image Plugins

在這個面板中，可以編輯 vision 與 image 兩個配置塊，並通過官方 credential store 管理對應密鑰。

也可以手動配置。在 profile 的 cordis.patch.yml 中覆蓋 id: image-plugins 行，並設置 vision 與 image 的 baseUrl、apiKey、model 等配置。

一個基礎配置示例：

- 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'

如果只需要看圖，可以只配置 vision。如果只需要生圖，可以只配置 image。兩個配置塊相互獨立。

配置與密鑰¶

配置塊獨立¶

vision 與 image 是獨立配置塊。每個 config block 可以單獨啓用，也可以一起啓用。

部分填寫會 fail the load loudly。例如只寫了 baseUrl，但沒有寫 apiKey，加載會明顯失敗。

apiKey 支持的寫法¶

apiKey 支持三種形式：

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

其中 cred:NAME 會在每次請求時通過宿主 credential seam 解析。

密鑰不會進入 session log 或 tool results。

端點要求¶

端點必須 OpenAI-compatible。

視覺理解使用：

POST {baseUrl}/chat/completions

並要求端點接受 image_url data URL。

圖片生成使用：

POST {baseUrl}/images/generations

並要求端點返回：

data[0].b64_json

或：

data[0].url

DashScope 配置注意¶

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

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

典型用法¶

看圖¶

在 workspace 中輸入：

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

插件會讀取該圖片文件，調用配置的視覺端點，並返回模型的文字描述。

生圖¶

在 workspace 中輸入：

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

插件會調用圖片生成端點，保存圖片到工作區，並返回保存路徑。示例中保存目錄爲 generated/。

圖生圖¶

圖生圖需要 DashScope provider。示例提示詞：

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

適用場景與注意¶

適合誰¶

這個插件適合以下場景：

• 需要在 DSH web profile 中理解工作區圖片。
• 需要基於提示詞生成圖片，並把結果保存回工作區。
• 希望視覺端點和圖片生成端點分開配置。
• 希望密鑰不進入 session log 或 tool results。
• 希望未配置時插件保持 inert and safe。

安全與許可證¶

包內不攜帶 API keys，每個用戶自行配置。

插件以當前 dsh 進程權限運行。安裝前應先檢查源碼與許可證。

許可證爲 MIT。

其他注意¶

• Auto-understand (V2) 已實現，但默認關閉，未經 live session 驗證，不屬於 supported surface。
• 從 GitHub 安裝時，如果環境是 pnpm ≥ 10，需要先允許構建腳本，然後重新 add。
• npm 與 tarball 安裝無需該允許。

pnpm allowBuilds 配置示例：

allowBuilds:
  dsh-image-plugins: true

結尾¶

dsh-image-plugins 把圖片理解和圖片生成接入了 DSH 插件體系：看圖能力返回文字描述，生圖能力返回工作區保存路徑。兩個能力獨立配置，密鑰通過 credential 機制處理，未配置時不會啓用。

相關鏈接：

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