DeepSeek Harness 插件：dsh-image-auto-describe

前言¶

DeepSeek Harness（DSH）的核心理念是「一切皆插件」，通过模块化组合来扩展功能。然而，很多主力模型（如 deepseek-v4-pro）目前仅支持文本输入。在默认配置下，用户直接贴图发送消息会被宿主直接拒绝。

dsh-image-auto-describe 插件通过拦截贴图消息并自动转写，解决了这个问题。它将图片内容转换为文字，再交给 DeepSeek 进行处理，从而让文本模型也能「看懂」图片。

插件概览¶

插件名称：oldhan2423/dsh-image-auto-describe

核心价值：让「不会看图」的 DeepSeek 也能看懂你发的图片。你往对话里贴一张图，插件先让一个看得懂图的视觉模型把图片内容读成文字，再把这段文字交给 DeepSeek 继续回答——全程自动，不需要你做任何额外操作。

开源协议：MIT

安装与启用¶

插件通过 DSH 的插件管理器安装。

执行以下命令添加插件：

dsh plugin --profile web add github:oldHan2423/dsh-image-auto-describe

安装宿主补丁（必做）。
官方的 apiproxy 目前没有公开的图片准入接口，「拒绝贴图」的逻辑是写死的。插件仓库附带了一个幂等补丁，用于修改这个逻辑。执行以下命令进行打补丁（重复执行无害）：

node scripts/patch-seam.mjs

配置要求¶

在使用插件前，需满足以下条件：

DeepSeek Harness 版本：依赖 0.1.0-rc.6。
视觉模型提供者：必须在组合的 llm 能力中配置视觉路由提供者（例如 siliconflow 或 zhipu）。默认期望 siliconflow 提供 Qwen/Qwen3-VL-32B-Instruct，zhipu 提供 glm-4v-flash。

配置项¶

在 Web 插件设置页中，可以配置以下参数：

candidates：视觉路由列表。按顺序尝试，第一条成功者生效。类型为 { provider: string, model: string }[]。
maxTokens：每次转写的 token 预算。默认为 4096。

若 Harness 版本的设置页暂未支持，可在 profile 的 cordis.patch.yml 中手动覆盖配置：

- id: image-auto-describe
  config:
    candidates:
      - provider: siliconflow
        model: Qwen/Qwen3-VL-32B-Instruct
      - provider: zhipu
        model: glm-4v-flash
    maxTokens: 4096

使用方式¶

自动识别：在对话中直接粘贴图片。插件会拦截消息，调用视觉模型进行识别。
状态显示：识别过程中，对话流尾部会显示「正在识别图片…」的状态行。
上下文注入：识别完成后，文字描述会被注入到 DeepSeek 的上下文中。DeepSeek 仅能看到这段文字描述，无法看到图片字节。
原图保留：原始图片会保留在消息中（标记为 presentationOnly），你可以点击预览，但不会进入模型请求。

行为细节¶

失败处理：若未配置路由或所有路由均失败（例如无 API Key 或无额度），消息会被原样拒绝，插件不会胡编乱造内容。
识别内容：识别结果会注明是哪个视觉模型识别的。视觉模型未转写出的图片细节，会话模型无法回答（尽管对话中仍可预览原图）。

总结¶

该插件通过补丁层拦截图片输入，将其转换为文本后交由文本模型处理。它适用于大多数需要查看截图、日志或表格的场景。使用者需注意，DeepSeek 看到的始终是文字描述，而非图片本身。

更多详情请访问：GitHub 仓库