前言¶
DeepSeek Harness (DSH) 的插件化架构允许为文本模型添加视觉能力。dsh-vision-tool 是一个插件，它为仅限文本的模型提供视觉路由。它通过自动重写粘贴的图片为内容寻址附件引用并调用 Kimi 视觉模型来实现这一点。
核心功能¶
该插件通过两个主要组件协调工作：
- vision-prompt：拦截
POST /api/session.prompt。当活跃会话模型不支持图片输入时，粘贴的图片会被持久化为内容寻址附件，并在文本提示中被重写为完整的附件引用 JSON。其他请求（无图片或模型已支持图片）会被原样转发，并重新实现了官方/api信任护栏（DNS 重绑定 / 跨站防御）。 - vision-tool：注册全局
analyze_image工具。模型调用此工具时，传入附件引用（或本地文件路径），工具将图像路由至 Kimi 视觉模型并返回文本描述。
安装与启用¶
使用以下命令安装插件（需要指定 SHA 以锁定版本）：
dsh plugin --profile <name> add github:<you>/dsh-vision-tool#<sha>
安装后，重启 profile 使配置生效：
dsh --profile <name>
确认插件层已加载（查看配置输出中是否包含 # == dsh-vision-tool）：
dsh --profile <name> --dump-config
典型用法¶
- 粘贴图片：在聊天框中粘贴图片。
- 自动重写：
vision-prompt会将图片持久化到 Harness 附件存储，并重写提示以包含附件引用。 - 模型调用：模型调用注册的
analyze_image工具，传入附件引用或本地文件路径。 - 配置模型：通过配置
cordis.patch.yml切换视觉模型（baseURL, model, apiKeyEnv）。
配置与依赖¶
必要依赖：
* dsh CLI
* KIMI_CODE_API_KEY（从 $DSH_HOME/.credentials.yaml 或环境变量读取）
* 依赖包：@deepseek-ai/dsh-tools, @deepseek-ai/dsh-credentials, @deepseek-ai/dsh-host-apiproxy
配置示例（在 cordis.patch.yml 中）：
- id: vision-tool
name: dsh-vision-tool
config:
baseURL: https://api.kimi.com/coding/v1
model: kimi-for-coding
apiKeyEnv: KIMI_CODE_API_KEY
maxImageBytes: 20971520
timeoutMs: 120000
注意：
kimi-for-coding仅接受temperature: 1（其他值会返回 HTTP 400），该插件默认硬编码了该值且不可配置。
注意事项¶
- 安全与存储：请求体上限为 160MB。插件不存储提示或图片内容，仅使用 Harness 的附件存储。任何失败均降级为直通（passthrough）。
- 日志：操作日志写入
$DSH_HOME/vision-trace.log。 - 格式支持：支持 png, jpg, jpeg, webp, gif。
总结¶
dsh-vision-tool 通过重写提示和注册全局工具，为 DSH 中的文本模型提供了调用 Kimi 视觉模型的能力。安装前请检查源码与许可证（MIT）。
