在 DeepSeek Harness (DSH) 中，當與純文本聊天模型交互時，用戶無法原生附加圖像。從 DSH 0.1.2-alpha.2+ 版本開始，核心會話控制器執行嚴格的模態檢查，如果當前模型不支持圖像輸入，會直接拒絕附件。dsh-vision-bridge 是一個運行時中介插件，通過攔截和重寫圖像塊，使得文本模型能夠處理視覺內容。
核心功能¶
該插件提供以下功能，允許在純文本模型上使用視覺能力：
- 服務器端模態橋接 (v0.5.3+)：通過裝飾
ctx.llm.resolveModelInfo和ctx.llm.listModels，使會話控制器接受所有模型的圖像附件。 - 自動圖像重寫：通過
agent/pre-step和llm/stream攔截圖像塊，將其路由至配置的視覺模型，接收描述性合成文本，並將其重寫爲文本上下文（例如[The user attached an image. Description: ...]）後再傳遞給文本模型。 - 原生透傳：自動檢測原生支持視覺的模型，允許圖像直接透傳而不進行重寫。
- 豐富的視覺工具套件：暴露約 40 個專用工具，包括 OCR、視覺問答 (VQA)、定位、UI 流程、共識和更多功能。
- 多通道端點路由：支持
dsh-catalog、OpenAI 兼容、Ollama 和 Webhook 端點，並支持故障轉移。 - 高性能 LRU 描述緩存：按哈希緩存視覺響應，消除冗餘 API 調用並節省配額。
安裝¶
在終端中運行以下命令安裝插件：
dsh plugin --profile web add @goodandready/dsh-vision-bridge
安裝完成後，必須重啓 DSH Web UI。配置卡片可在 設置 -> 插件 -> vision-bridge 中找到。
配置與使用¶
插件支持三種操作模式：
- hybrid（默認）：在聊天輪次中自動描述附加圖像，同時保留所有 ~40 個顯式視覺工具供後續推理使用。
- llm：純自動重寫模式，圖像透明轉換爲文本上下文；工具仍可調用。
- tools：禁用自動重寫，聊天模型需顯式調用
describe_image或 OCR 工具。
配置路徑：Settings → Plugins → vision-bridge。
工具集概覽¶
插件提供約 40 個視覺相關工具，涵蓋以下類別：
- 核心：
describe_image、read_image、inspect_image - 幾何與檢測：
vision_ground、vision_crop、vision_detect等 - OCR 與文本：
vision_ocr、vision_ocr_local、vision_long_ocr等 - 結構化與 UI：
vision_describe_structured、vision_vqa、vision_ui_layout等 - 文檔與情報：
vision_extract_formula、vision_extract_table、vision_scan_barcode等 - 場景與共識：
vision_ui_flow、vision_consensus、vision_memory_search等
生態背景¶
DeepSeek Harness 的核心理念是“一切皆插件”。該插件維護者位於社區目錄（skillhub.cn），與 DeepSeek 官方無官方隸屬關係。
注意事項：
* 需要安裝 Node.js 20+ 環境。
* 安裝後務必重啓 Web UI。
* 插件基於 MIT 許可證開源。
項目地址：GitHub
