前言¶
DeepSeek Harness（下称 DSH）的理念是「一切皆插件」，但它的 web 聊天本身是纯文本的：贴一张报错截图、拖一张设计稿进来，模型看不到，你只能用文字描述，或者先去别的工具做 OCR，再把结果复制回对话。对智能体开发者来说，这类操作出现频率不低，每一次都要中断手头的工作流。
qing9835 的开源插件 dsh-eyes 就是针对这个问题：粘贴、拖入或导入的图片被插件拦截，交给 OpenAI 兼容视觉模型识别成文字，自动发送进对话。
这是什么¶
dsh-eyes（包名 dsh-vision-bridge）是一个 DSH web profile 插件，MIT 许可证。它在纯文本聊天前面加了一道「眼睛」：图片不进输入框，而是先由你配置的视觉模型识别成文字，再把结果自动发进对话。主模型收到的是文本，可以基于它直接回答，也可以继续追问。
核心功能¶
默认开启的是拦截模式，流程如下：
- 粘贴、拖入、导入的图片被插件拦截，界面上显示缩略图，不进输入框；
- 按下回车，插件把图片交给配置好的 OpenAI 兼容视觉模型识别；
- 识别结果自动发送进对话，走主模型的正常流程。
一次识别最多带 9 张图。
拦截可以开关。关闭后图片回到默认行为：正常进入输入框，随消息直接发给多模态模型。开关实时生效，选择会被记住。
如果输入框里写了要求，插件会把【我的要求 + 识别结果】一起发给主模型，识别结果不会是一段干巴巴的文本。
主模型侧有一个 vision_ask 工具，它可以自行判断是否追问，逐轮修正细节。vision_ask 还支持 paths 参数直读本地图片文件，比如 PDF 渲染图、网页截图。
配置方面，插件内置 OpenCode 和 ModelScope 两个预设，也可以添加任意 OpenAI 兼容模型。保存直接生效；「测试连接」是独立按钮，Key 持久化存储。
安装与启用¶
官方安装命令如下：
# npx（本机未装 DSH 也可用）
npx @deepseek-ai/dsh plugin --profile web add github:qing9835/dsh-eyes#v0.4.0
# 或本机已装 DSH
dsh plugin --profile web add github:qing9835/dsh-eyes#v0.4.0
装完先重启 DSH，再强制刷新浏览器页面（Ctrl+Shift+R）。首次使用请在「配置」弹窗填写 API Key。
卸载时用的是包名，不是仓库名：
dsh plugin --profile web remove dsh-vision-bridge
版本适配关系：v0.4.0 和 v0.3.0 需要 DSH ≥ v0.1.2-alpha.1；v0.1.0 对应 DSH < v0.1.2（textarea 输入框时期）。
典型用法¶
场景一：临时让模型看一张截图。保持拦截开启，粘贴或拖入图片（一次最多 9 张），回车，识别结果自动进对话，主模型直接接着回答。README 的示例图就是同时上传 6 张图片，一次回车完成识别并发送。
场景二：带着明确目的去看图。回车前在输入框里写下你的要求，插件会把【我的要求 + 识别结果】一起发给主模型，让它按你的关注点处理识别内容。
场景三：让主模型主动查图。交给它一个任务，主模型在需要时调用 vision_ask，用 paths 参数读取本地图片文件（PDF 渲染图、网页截图等），并自行判断是否追问细节。
适用场景与注意¶
适合两类使用者：一是主模型为纯文本、但经常需要把截图和设计稿喂进对话的 DSH web 用户；二是希望智能体能自己查阅本地渲染图、截图再继续任务的开发者。
几点注意：
- 数据存放在
<DSH 进程目录>/.vision-images/，包括图片、会话历史、配置和密钥； - 插件以当前 dsh 进程的权限运行，安装前请务必查看源码、确认许可证——本项目为 MIT；
- 视觉模型的 API Key 由插件持久化保存，是否放心使用，取决于你对源码的审阅结果。
结尾¶
dsh-eyes 做的事情不复杂：把「看图」这一步外包给视觉模型，再把结果接回 DSH 的对话流。装上之后，截图、设计稿、PDF 渲染页都能直接进对话，少一套「存图—切窗口—OCR—复制回来」的手工流程。
- GitHub 仓库：https://github.com/qing9835/dsh-eyes
- 社区插件目录（独立站点，与 DeepSeek / 幻方无官方从属关系）：https://www.skillhub.cn/plugins/qing9835/dsh-eyes
