DeepSeek Harness（DSH）採用插件化架構，旨在擴展系統的原生能力。純文本大模型無法直接“看”圖，需要通過外部工具輔助。dsh-siliconflow-vision 是一個插件，它註冊了一個 analyze_image 工具，將圖片輸入交給硅基流動（SiliconFlow）的視覺大模型（默認使用 Qwen/Qwen3-VL-32B-Instruct），再將識別結果返回給 DSH 會話，從而讓對話模型具備完整的圖片分析能力。
這是一個由 ShiXiangYu2 維護的模型推理類插件，遵循 MIT 許可證。
核心功能¶
該插件主要提供以下視覺識別能力：
- 識別服務器本地圖片文件（通過文件路徑傳遞）。
- 識別 HTTP(S) 圖片 URL。
- 識別 Base64 Data URL。
- 自定義識別指令（Prompt），例如“識別圖中所有文字”或“圖裏有什麼動物”。
- 支持切換不同的視覺模型（Qwen3-VL 系列、GLM-4.5V、PaddleOCR-VL 等）。
- 提供可選的交互式“粘貼識別”面板（動態插件形態）。
安裝與啓用¶
使用 dsh plugin 命令將插件安裝到指定的 profile 中。
dsh plugin --profile demo add ./dsh-siliconflow-vision
安裝完成後，在啓動 DSH 時加載該 profile，analyze_image 工具即可自動生效。
配置 API Key¶
插件代碼中不會硬編碼 API Key。你需要通過環境變量或密鑰文件配置硅基流動的訪問憑證。
方式一：環境變量
export SILICONFLOW_API_KEY="sk-xxxxxxxx"
方式二：密鑰文件
在以下任一位置創建純文本文件，內容爲 API Key：
$DSH_HOME/siliconflow.key
~/.dsh/siliconflow.key
API Key 需在硅基流動控制台獲取。
典型用法¶
在 DSH 對話中直接輸入包含圖片路徑或 URL 的指令即可。模型會自動調用 analyze_image 工具。
示例：
分析一下 /root/data/photo.png 裏有什麼
識別這張圖的文字：https://example.com/screenshot.png
工具調用參數如下：
image：圖片源（必填），支持本地路徑、HTTP URL 或 Data URL。prompt：對圖片的指令，缺省時使用通用中文描述。model：指定的硅基流動模型 ID，默認爲Qwen/Qwen3-VL-32B-Instruct。maxTokens：輸出 token 上限，默認 1024。
可選模型列表¶
根據不同的識別需求，可以切換不同的模型：
| 模型 ID | 特點 |
|---|---|
Qwen/Qwen3-VL-32B-Instruct |
默認，識別能力強 |
Qwen/Qwen3-VL-8B-Instruct |
更快、更省資源 |
Qwen/Qwen3-VL-30B-A3B-Instruct |
性價比選擇 |
zai-org/GLM-4.5V |
通用視覺理解 |
PaddlePaddle/PaddleOCR-VL-1.5 |
專注 OCR 文字識別 |
技術說明與注意事項¶
- 運行環境：需要 Node.js >= 18。
- 請求格式：使用 OpenAI 兼容的接口，向
https://api.siliconflow.cn/v1/chat/completions發送 POST 請求。 - 本地圖片處理：讀取本地圖片後直接轉換爲 base64 data URL 傳入，不生成磁盤臨時文件，避免權限和路徑問題。
- 安全性：插件以當前 DSH 進程的權限運行。在使用前，建議檢查源碼以確認其行爲符合預期。
該插件通過連接 SiliconFlow 的視覺能力，爲 DSH 會話增加了“看”圖的能力。更多技術細節與源碼，請訪問 GitHub 倉庫。
