在 DeepSeek Harness 的開發中，純文本模型雖然處理能力強大，但缺乏對視覺信息的理解能力。要解決這一問題，通常需要手動處理圖片文件或切換到多模態模型。dsh-vision-analysis 插件提供了一種標準化的方式，通過兼容 OpenAI 或 Anthropic 格式的視覺端點，將任意視覺模型接入 Harness。

插件定位¶

該插件由開發者 Harvey-Will 維護，定位爲 DeepSeek Harness 的圖像理解工具。它支持 8 種分析模式，併兼容任意 OpenAI/Anthropic 視覺端點。插件內置了 OVHcloud Qwen2.5-VL-72B 的免費視覺源，同時也支持自定義端點。

安裝與啓用¶

安裝插件需要使用 DSH 的 CLI 命令。安裝後需要重啓配置文件才能生效。

dsh plugin --profile web add github:Harvey-Will/dsh-vision-analysis

安裝完成後，插件會出現在 Settings → 插件配置 中，你可以在此進行具體參數的調整。

核心功能¶

該插件提供了以下核心能力：

1. 多模式分析：內置 8 種分析模式，包括描述、OCR、UI 評審、圖表取數、目標檢測、對比、代碼生成和端點診斷。
2. 多端點支持：支持 OpenAI chat/completions 或 Anthropic messages 格式。可接入 MiMo、Step、SiliconFlow、OpenRouter、GPT-4o、Claude、Qwen-VL 或本地 Ollama/LM Studio 等模型。
3. 輸入支持：支持絕對本地路徑、http(s) URL 或 base64 data: URL。
4. 結構化輸出：針對 OCR 和圖表取數，插件會返回機器可讀的 JSON 數據，方便 Agent 直接處理。
5. 隱私優先：圖片的字節流不會進入會話日誌，也不會傳給主模型，僅在插件內部處理。

使用方式¶

插件提供了 analyze_image 工具供 Agent 調用，同時也支持在對話中直接粘貼圖片。

1. 使用 analyze_image 工具¶

這是最直接的用法，Agent 可以讀取本地文件或 URL 並進行分析。

Use analyze_image to OCR "/tmp/screenshot.png" and tell me what it says.

2. 對話中粘貼圖片（圖像橋接）¶

要在對話中直接發送圖片，需要在配置中開啓圖像橋接功能。

首先，在 settings.yaml 的模型配置中聲明圖像輸入能力：

llm-deepseek.models:
  your-text-model:
    inputModalities: [text, image]

然後，在插件配置中指定要橋接的模型列表：

bridgeModels: [your-text-model]

配置完成後，在對話中直接粘貼圖片，插件會自動將其路由到視覺端點進行處理。

配置項說明¶

插件的核心配置項位於 Settings → 插件配置。以下爲關鍵參數：

• apiFormat: 接口格式，可選 openai 或 anthropic。
• baseURL: 視覺端點的 API 地址。
• apiKey: API 密鑰。留空時將使用通用視覺 API 或本地模型。
• model: 視覺模型名稱。
• defaultMode: 默認分析模式，默認爲 describe。
• maxImages: 單次調用最多支持的圖片數量，默認爲 2，最大支持 4。
• maxBytes: 單張圖片的大小限制，默認爲 10MB。

注意事項¶

1. 依賴項：插件運行僅依賴兩個輕量級庫：@deepseek-ai/schemastery 和 @deepseek-ai/dsh-settings。
2. 權限與安全：插件以當前 DSH 進程的權限運行。安裝前應檢查源碼與許可證（MIT）。
3. 限制條件：單次調用最多處理 4 張圖片；單張圖片最大限制爲 10MB。

總結¶

dsh-vision-analysis 爲 DSH 提供了標準化的視覺接入能力。它通過統一的接口屏蔽了不同視覺模型之間的差異，並提供了針對特定場景（如 OCR、圖表取數）的優化模式，適合需要在 Harness 中集成視覺能力的開發者使用。

• 插件目錄頁
• GitHub 倉庫