DeepSeek Harness 插件：dsh-vision-plugin

前言¶

DeepSeek Harness（DSH）通過插件機制擴展功能。在多模態對話場景中，用戶常需上傳圖片並人工描述其內容，這增加了操作成本且描述可能不精確。dsh-vision-plugin 解決了這個問題，通過在發送消息前自動轉述圖片內容並注入描述，降低了多模態交互的門檻。

插件介紹¶

該插件由開發者 zcma11 維護，屬於模型推理類別。其核心邏輯是：用戶在聊天框上傳或粘貼圖片，發送時通過視覺模型（DashScope）或 Windows 離線 OCR 轉述圖片內容，並將描述自動插入到消息開頭。

安裝與啓用¶

使用 DSH 官方提供的插件管理命令進行安裝：

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

注意事項：如果在使用 pnpm 9 時遇到 ERR_PNPM_ADDING_TO_ROOT 錯誤，需要在命令末尾追加 --workspace-root 參數。

使用方法¶

上傳與粘貼圖片¶

在聊天輸入框的工具欄中，點擊對應圖標選擇圖片，或直接使用 Ctrl+V 粘貼。支持的格式包括截圖（如 QQ 截圖、系統截圖），BMP 圖片會自動轉換爲 PNG。

配置視覺模型¶

由於純 OCR 模式不依賴外部模型，僅視覺轉述模式需要配置。請進入 設置 -> 通用 -> 視覺轉述模型，從下拉框中選擇支持圖片輸入的模型（例如 dashscope/qwen3.6-plus），並確保已配置 DASHSCOPE_API_KEY。

發送與轉述¶

1. 選擇模式：
   - 點擊 📝（純 OCR） 按鈕：僅調用 Windows 內置 OCR 引擎，離線運行。
   - 點擊 🖼️（視覺轉述） 按鈕 或 粘貼圖片：僅調用視覺模型進行轉述。

2. 發送過程：
   - 轉述期間，輸入框上方預覽條會顯示“⏳ 正在解析圖片…”，此時會攔截新的發送請求。
   - 轉述成功後，消息內容會自動以 【解析了提供圖片，圖片內容是<描述>】 開頭，後接你的原文，預覽條隨後自動清除。
   - 轉述失敗時，消息不會發送，頂部會彈出紅色提示，明確區分是“視覺模型調用失敗”還是“OCR 識別失敗”。

適用場景與注意事項¶

• 適用場景：適合需要在 DSH 中進行多模態對話的開發者或用戶。
• 系統依賴：純 OCR 功能依賴 Windows 10+ 及 PowerShell 5.1，且插件在 Windows 環境下驗證。
• 安全與存儲：圖片僅以 base64 格式存儲在內存中，不落盤，符合安全隔離要求。
• 模式路由：插件採用嚴格路由策略，OCR 按鈕僅 OCR，視覺按鈕/粘貼僅視覺模型，不做自動降級處理。

結語¶

dsh-vision-plugin 通過自動化圖片解析與描述注入，簡化了多模態交互流程。更多細節與源碼可訪問 GitHub 倉庫。