前言¶

DSH（DeepSeek Harness）採用“一切皆插件”的方式擴展能力。社區目錄是獨立站點，與 DeepSeek / 幻方無官方從屬關係，也不等同於官方應用商店。

對只使用純文本模型的 agent 來說，圖片通常不能直接進入上下文。如果要讓模型看圖、讀圖中文字、定位界面元素，往往需要額外接入視覺後端。dsh-img 是 DeepSeek Harness 插件，目標是給純文本模型提供 analyze_image 圖片問答、OCR 和佈局理解，以及 vision_ground 目標元素定位；同時提供一組免 key 的本地像素工具。

下面介紹它的核心能力、安裝方式和使用邊界。

這是什麼¶

• 插件標識：gmleong/dsh-img
• 定位：DeepSeek Harness 視覺插件，給純文本模型增加圖片理解能力
• 許可證：MIT
• 運行前提：Node.js >= 20，且已安裝 dsh 本體

這個插件既可以通過視覺後端處理圖片，也可以調用本地像素工具完成部分圖片處理。視覺後端默認接智譜 GLM-4V-Flash，備選通義 Qwen-VL，也支持 Ollama 本地視覺模型與任意 OpenAI 兼容視覺端點。

核心能力¶

視覺後端工具¶

如果使用需要 API key 的視覺後端，key 必須注入 dsh 進程。

• analyze_image：用於圖片問答、OCR 和佈局理解
• vision_ground：用於目標元素定位

免 key 本地像素工具¶

以下本地像素工具無需 key：

• vision_crop
• vision_pixel_diff
• vision_colors
• vision_ocr
• vision_trace
• vision_extract_foreground

後端、緩存與運行環境¶

• 支持 preset 單後端配置
• 支持 backends 多後端自動回退
• 識別結果按圖片內容和問題 hash 緩存到 ~/.dsh/dsh-img-cache/
• web 設置頁可可視化修改 preset 和填寫 apiKey
• 支持 dsh --profile headless 下使用工具
• 支持 .png .jpg .jpeg .webp .gif .bmp

安裝與啓用¶

先確認當前環境滿足 Node.js >= 20，並且 dsh 本體已經可用。插件會以當前 dsh 進程權限運行，安裝前建議檢查源碼與許可證。

安裝到 web profile¶

下面命令把 dsh-img 安裝到 ~/.dsh/profiles/web 對應的 profile：

cd ~/.dsh/profiles/web && pnpm add dsh-img --registry https://registry.npmjs.org

配置視覺後端 key¶

如果只使用本地像素工具，可以不配置 key。如果使用需要 API key 的視覺後端工具，需要準備對應 API key。下面以默認智譜 GLM-4V-Flash 的 ZHIPU_API_KEY 爲例：

export ZHIPU_API_KEY=your-key-here

這個 key 必須注入 dsh 進程。只在當前 shell 中 export，不一定對已經運行的 dsh 進程生效。

重啓 dsh web¶

重啓後，讓 dsh 進程攜帶 key 啓動：

pkill -f "dsh web"
ZHIPU_API_KEY=your-key-here dsh web

headless profile¶

如果要在 dsh --profile headless 下使用，先在該 profile 安裝一次：

dsh plugin --profile headless add dsh-img

之後在 dsh --profile headless 下即可使用工具。本地像素工具無需 key；識圖類工具可按需使用 Ollama 本地視覺模型或 API key。

後端與配置¶

可以在 cordis.patch.yml 中配置後端。單後端使用 preset，多後端回退使用 backends 列表。

• preset: ollama：使用本地 Ollama 視覺模型
• backends：配置多後端回退鏈

如果使用 API key 後端，key 需要注入 dsh 進程；web 設置頁也可填寫 apiKey。

典型用法¶

圖片問答¶

經過上面的安裝步驟，新建會話後，可以直接貼圖進對話框，也可以對 agent 說：

用 analyze_image 看一下 ./screenshot.png 裏寫了什麼

本地像素工具¶

本地像素工具無需 key。經過上面的步驟後，可在會話中按需調用 vision_crop、vision_pixel_diff、vision_colors、vision_ocr、vision_trace、vision_extract_foreground。

目標元素定位¶

如果需要讓 agent 找到圖片中的某個目標元素，可讓其調用 vision_ground。

設置頁¶

web 設置頁可可視化修改 preset 和填寫 apiKey。

適用邊界與注意¶

下面這些邊界來自插件說明，選型時先看是否匹配：

• vision_trace：不適合彩色插畫、照片或有漸變的圖
• vision_extract_foreground：適合均勻背景，不適合複雜背景、紋理背景
• vision_pixel_diff：適合同尺寸 UI 截圖、設計稿還原度比對
• vision_ocr：適合印刷體文字、屏幕截圖文字；手寫體、藝術字識別率可能下降

其他注意：

• API key 必須注入 dsh 進程；本地像素工具無需 key
• 識別結果會緩存到 ~/.dsh/dsh-img-cache/
• 支持 .png .jpg .jpeg .webp .gif .bmp
• README 排錯提到舊版 <=0.2.3 存在雙實例 bug，可用下面命令升級：

pnpm add dsh-img@latest

• 舊會話可能被舊 bug 毒化，新建會話即可

參考鏈接¶

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

目錄頁爲社區目錄頁面，不等同於官方應用商店。