DeepSeek Harness 插件：dsh-vision-plugin

前言¶

DeepSeek Harness（DSH）通过插件机制扩展功能。在多模态对话场景中，用户常需上传图片并人工描述其内容，这增加了操作成本且描述可能不精确。dsh-vision-plugin 解决了这个问题，通过在发送消息前自动转述图片内容并注入描述，降低了多模态交互的门槛。

插件介绍¶

该插件由开发者 zcma11 维护，属于模型推理类别。其核心逻辑是：用户在聊天框上传或粘贴图片，发送时通过视觉模型（DashScope）或 Windows 离线 OCR 转述图片内容，并将描述自动插入到消息开头。

安装与启用¶

使用 DSH 官方提供的插件管理命令进行安装：

npx @deepseek-ai/dsh plugin --profile web add dsh-vision-plugin

注意事项：如果在使用 pnpm 9 时遇到 ERR_PNPM_ADDING_TO_ROOT 错误，需要在命令末尾追加 --workspace-root 参数。

使用方法¶

上传与粘贴图片¶

在聊天输入框的工具栏中，点击对应图标选择图片，或直接使用 Ctrl+V 粘贴。支持的格式包括截图（如 QQ 截图、系统截图），BMP 图片会自动转换为 PNG。

配置视觉模型¶

由于纯 OCR 模式不依赖外部模型，仅视觉转述模式需要配置。请进入 设置 -> 通用 -> 视觉转述模型，从下拉框中选择支持图片输入的模型（例如 dashscope/qwen3.6-plus），并确保已配置 DASHSCOPE_API_KEY。

发送与转述¶

1. 选择模式：
   - 点击 📝（纯 OCR） 按钮：仅调用 Windows 内置 OCR 引擎，离线运行。
   - 点击 🖼️（视觉转述） 按钮 或 粘贴图片：仅调用视觉模型进行转述。

2. 发送过程：
   - 转述期间，输入框上方预览条会显示“⏳ 正在解析图片…”，此时会拦截新的发送请求。
   - 转述成功后，消息内容会自动以 【解析了提供图片，图片内容是<描述>】 开头，后接你的原文，预览条随后自动清除。
   - 转述失败时，消息不会发送，顶部会弹出红色提示，明确区分是“视觉模型调用失败”还是“OCR 识别失败”。

适用场景与注意事项¶

• 适用场景：适合需要在 DSH 中进行多模态对话的开发者或用户。
• 系统依赖：纯 OCR 功能依赖 Windows 10+ 及 PowerShell 5.1，且插件在 Windows 环境下验证。
• 安全与存储：图片仅以 base64 格式存储在内存中，不落盘，符合安全隔离要求。
• 模式路由：插件采用严格路由策略，OCR 按钮仅 OCR，视觉按钮/粘贴仅视觉模型，不做自动降级处理。

结语¶

dsh-vision-plugin 通过自动化图片解析与描述注入，简化了多模态交互流程。更多细节与源码可访问 GitHub 仓库。