前言¶
DeepSeek Harness（下稱 DSH）的理念是「一切皆插件」，但它的 web 聊天本身是純文本的：貼一張報錯截圖、拖一張設計稿進來，模型看不到，你只能用文字描述，或者先去別的工具做 OCR，再把結果複製回對話。對智能體開發者來說，這類操作出現頻率不低，每一次都要中斷手頭的工作流。
qing9835 的開源插件 dsh-eyes 就是針對這個問題：粘貼、拖入或導入的圖片被插件攔截，交給 OpenAI 兼容視覺模型識別成文字，自動發送進對話。
這是什麼¶
dsh-eyes（包名 dsh-vision-bridge）是一個 DSH web profile 插件，MIT 許可證。它在純文本聊天前面加了一道「眼睛」：圖片不進輸入框，而是先由你配置的視覺模型識別成文字，再把結果自動發進對話。主模型收到的是文本，可以基於它直接回答，也可以繼續追問。
核心功能¶
默認開啓的是攔截模式，流程如下：
- 粘貼、拖入、導入的圖片被插件攔截，界面上顯示縮略圖，不進輸入框；
- 按下回車，插件把圖片交給配置好的 OpenAI 兼容視覺模型識別；
- 識別結果自動發送進對話，走主模型的正常流程。
一次識別最多帶 9 張圖。
攔截可以開關。關閉後圖片回到默認行爲：正常進入輸入框，隨消息直接發給多模態模型。開關即時生效，選擇會被記住。
如果輸入框裏寫了要求，插件會把【我的要求 + 識別結果】一起發給主模型，識別結果不會是一段乾巴巴的文本。
主模型側有一個 vision_ask 工具，它可以自行判斷是否追問，逐輪修正細節。vision_ask 還支持 paths 參數直讀本地圖片文件，比如 PDF 渲染圖、網頁截圖。
配置方面，插件內置 OpenCode 和 ModelScope 兩個預設，也可以添加任意 OpenAI 兼容模型。保存直接生效；「測試連接」是獨立按鈕，Key 持久化存儲。
安裝與啓用¶
官方安裝命令如下：
# npx（本機未裝 DSH 也可用）
npx @deepseek-ai/dsh plugin --profile web add github:qing9835/dsh-eyes#v0.4.0
# 或本機已裝 DSH
dsh plugin --profile web add github:qing9835/dsh-eyes#v0.4.0
裝完先重啓 DSH，再強制刷新瀏覽器頁面（Ctrl+Shift+R）。首次使用請在「配置」彈窗填寫 API Key。
卸載時用的是包名，不是倉庫名：
dsh plugin --profile web remove dsh-vision-bridge
版本適配關係：v0.4.0 和 v0.3.0 需要 DSH ≥ v0.1.2-alpha.1；v0.1.0 對應 DSH < v0.1.2（textarea 輸入框時期）。
典型用法¶
場景一：臨時讓模型看一張截圖。保持攔截開啓，粘貼或拖入圖片（一次最多 9 張），回車，識別結果自動進對話，主模型直接接着回答。README 的示例圖就是同時上傳 6 張圖片，一次回車完成識別併發送。
場景二：帶着明確目的去看圖。回車前在輸入框裏寫下你的要求，插件會把【我的要求 + 識別結果】一起發給主模型，讓它按你的關注點處理識別內容。
場景三：讓主模型主動查圖。交給它一個任務，主模型在需要時調用 vision_ask，用 paths 參數讀取本地圖片文件（PDF 渲染圖、網頁截圖等），並自行判斷是否追問細節。
適用場景與注意¶
適合兩類使用者：一是主模型爲純文本、但經常需要把截圖和設計稿喂進對話的 DSH web 用戶；二是希望智能體能自己查閱本地渲染圖、截圖再繼續任務的開發者。
幾點注意：
- 數據存放在
<DSH 進程目錄>/.vision-images/，包括圖片、會話歷史、配置和密鑰； - 插件以當前 dsh 進程的權限運行，安裝前請務必查看源碼、確認許可證——本項目爲 MIT；
- 視覺模型的 API Key 由插件持久化保存，是否放心使用，取決於你對源碼的審閱結果。
結尾¶
dsh-eyes 做的事情不復雜：把「看圖」這一步外包給視覺模型，再把結果接回 DSH 的對話流。裝上之後，截圖、設計稿、PDF 渲染頁都能直接進對話，少一套「存圖—切窗口—OCR—複製回來」的手工流程。
- GitHub 倉庫：https://github.com/qing9835/dsh-eyes
- 社區插件目錄（獨立站點，與 DeepSeek / 幻方無官方從屬關係）：https://www.skillhub.cn/plugins/qing9835/dsh-eyes
