前言¶
DeepSeek Harness（DSH）奉行“一切皆插件”的理念。在構建基於僅文本模型的智能體時，視覺交互能力（讀取圖片、生成圖片）往往是短板。dsh-vision 插件通過接管輸入事件流和擴展工具鏈，將圖像識別與生成能力注入文本模型，使其能夠處理本地圖片描述或生成視覺內容。
插件定位¶
這是一個由 HarryLi-7 維護的 DSH 插件。它主要解決文本模型無法直接處理圖像輸入和輸出的問題，支持多引擎故障轉移鏈，並提供了完整的 UI 集成。
安裝與啓用¶
通過命令行添加插件：
dsh plugin --profile web add /path/to/dsh-vision
安裝完成後，重啓 dsh web 服務。
核心功能¶
圖像識別¶
使用 describe_image 工具讀取本地圖片。
* 輸出模式：默認返回結構化 JSON（包含描述、OCR 識別行、佈局區域、實體信息），也可配置爲純文本模式。
* 引擎鏈：Codex → Gemini → Zhipu GLM。
圖像生成¶
使用 generate_image 工具根據提示詞生成圖片。
* 質量選項：
* auto：Nano Banana 2 Lite（經濟模式）。
* hd：Nano Banana Pro 1K/2K。
* 4k：Nano Banana Pro 4K。
* 展示：生成結果以卡片形式展示在對話中，支持預覽、下載和跳轉至文件系統。
輸入方式與文件處理¶
插件在窗口級別攔截了文本模型的粘貼和拖拽操作。
* 上傳路徑：圖片會被上傳至 ~/.dsh/generated-images/uploads/，採用內容尋址存儲，相同圖片僅保留一份。
* 模型交互：實際發送給模型的是文件路徑文本，模型僅處理文本。
* 界面反饋：輸入框上方提供縮略圖預覽欄，支持橫向滾動和單圖刪除（同步移除路徑）。
存儲策略¶
插件遵循嚴格的臨時存儲原則。
* Codex 會話：使用 --ephemeral 和 --sandbox workspace-write 參數，不生成持久化會話文件。
* 上傳文件：默認保留 7 天，可通過設置中的 uploadRetentionDays 配置（設爲 0 則永久保留）。孤兒 .meta.json 側邊欄文件會自動清理。
配置與憑證¶
憑證配置¶
在 ~/.dsh/.credentials.yaml 中配置各引擎密鑰：
* DEEPSEEK_API_KEY：DeepSeek 主引擎。
* GEMINI_API_KEY：Gemini 識別（免費版，Pro 會降級爲 Flash）。
* GEMINI_IMAGE_API_KEY：Gemini 生成（需付費，屬於獨立項目）。
* ZHIPU_API_KEY：智譜 AI 回退引擎。
引擎參數設置¶
在 DSH 的 Settings 頁面找到 dsh-vision 配置項：
* codexPath：Codex CLI 路徑（留空自動檢測）。
* uploadRetentionDays：上傳文件保留天數。
* describeEngines / generateEngines：控制識別和生成的引擎調用順序。
* 引擎模型參數：例如 Codex 可配置 gpt-5.6-luna、max、priority 等參數。
環境要求¶
- Node.js 環境，需安裝 DSH harness (
dsh web)。 - Codex CLI（通過
npm install -g @openai/codex安裝），並已登錄 ChatGPT 賬戶。 - 可選：Zhipu 或 Gemini 密鑰用於回退引擎。
總結¶
dsh-vision 通過多引擎故障轉移和“用完即焚”的存儲策略，爲 DSH 提供了可靠的視覺處理能力。開發者可根據需要在設置中調整引擎鏈和參數，滿足不同的識別與生成需求。
