DeepSeek Harness 插件：dsh-image-auto-describe

前言¶

DeepSeek Harness（DSH）的核心理念是「一切皆插件」，通過模塊化組合來擴展功能。然而，很多主力模型（如 deepseek-v4-pro）目前僅支持文本輸入。在默認配置下，用戶直接貼圖發送消息會被宿主直接拒絕。

dsh-image-auto-describe 插件通過攔截貼圖消息並自動轉寫，解決了這個問題。它將圖片內容轉換爲文字，再交給 DeepSeek 進行處理，從而讓文本模型也能「看懂」圖片。

插件概覽¶

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

核心價值：讓「不會看圖」的 DeepSeek 也能看懂你發的圖片。你往對話裏貼一張圖，插件先讓一個看得懂圖的視覺模型把圖片內容讀成文字，再把這段文字交給 DeepSeek 繼續回答——全程自動，不需要你做任何額外操作。

開源協議：MIT

安裝與啓用¶

插件通過 DSH 的插件管理器安裝。

執行以下命令添加插件：

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

安裝宿主補丁（必做）。
官方的 apiproxy 目前沒有公開的圖片准入接口，「拒絕貼圖」的邏輯是寫死的。插件倉庫附帶了一個冪等補丁，用於修改這個邏輯。執行以下命令進行打補丁（重複執行無害）：

node scripts/patch-seam.mjs

配置要求¶

在使用插件前，需滿足以下條件：

DeepSeek Harness 版本：依賴 0.1.0-rc.6。
視覺模型提供者：必須在組合的 llm 能力中配置視覺路由提供者（例如 siliconflow 或 zhipu）。默認期望 siliconflow 提供 Qwen/Qwen3-VL-32B-Instruct，zhipu 提供 glm-4v-flash。

配置項¶

在 Web 插件設置頁中，可以配置以下參數：

candidates：視覺路由列表。按順序嘗試，第一條成功者生效。類型爲 { provider: string, model: string }[]。
maxTokens：每次轉寫的 token 預算。默認爲 4096。

若 Harness 版本的設置頁暫未支持，可在 profile 的 cordis.patch.yml 中手動覆蓋配置：

- 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¶

自動識別：在對話中直接粘貼圖片。插件會攔截消息，調用視覺模型進行識別。
狀態顯示：識別過程中，對話流尾部會顯示「正在識別圖片…」的狀態行。
上下文注入：識別完成後，文字描述會被注入到 DeepSeek 的上下文中。DeepSeek 僅能看到這段文字描述，無法看到圖片字節。
原圖保留：原始圖片會保留在消息中（標記爲 presentationOnly），你可以點擊預覽，但不會進入模型請求。

行爲細節¶

失敗處理：若未配置路由或所有路由均失敗（例如無 API Key 或無額度），消息會被原樣拒絕，插件不會胡編亂造內容。
識別內容：識別結果會註明是哪個視覺模型識別的。視覺模型未轉寫出的圖片細節，會話模型無法回答（儘管對話中仍可預覽原圖）。

總結¶

該插件通過補丁層攔截圖片輸入，將其轉換爲文本後交由文本模型處理。它適用於大多數需要查看截圖、日誌或表格的場景。使用者需注意，DeepSeek 看到的始終是文字描述，而非圖片本身。

更多詳情請訪問：GitHub 倉庫