DeepSeek Harness（DSH）的官方模型（如 deepseek-v4-flash 和 deepseek-v4-pro）是纯文本的。它们的 API 端点不接受图像字节，模型元数据也声明只支持文本输入。在 DSH 的环境中，这意味着无法向使用这些模型的会话粘贴截图，也无法使用内置的 read_image 工具。
dsh-vision-bridge 旨在解决这个问题。它通过本地运行的视觉模型，让纯文本模型能够接收和理解图像。
这是什么¶
这是一个 DeepSeek Harness 插件，由 YuLee-314 维护。它利用本地 Ollama 运行的 qwen2.5vl 模型来处理视觉任务，无需使用云端密钥。所有图片处理均在本地完成，不会向 DeepSeek API 发送图片字节。
核心功能¶
该插件通过三个层面实现功能：
- 原生图片体验：纯文本模型也能像视觉模型一样处理图片。粘贴截图会生成缩略图和图片块，
read_image工具也能正常工作。 - 请求层透明：没有 Prompt Hack，没有预设分支。插件在适配层拦截图像块，转换为文本描述后发送给 DeepSeek API。
- 结构化输出与坐标：视觉工具支持生成带坐标的元素边界框（
[0,1000]归一化坐标），支持区域裁剪、双图对比和剪贴板读取。 - 九种视觉工具：提供
describe_image（描述）、extract_text（OCR）、structured_scan（结构化扫描）、query_region（区域查询）、detect_elements（元素检测）、locate_object（物体定位）、compare_images（双图对比）、read_clipboard（剪贴板读取）和check_health（健康检查）。 - 重复图像缓存：重复的图像会命中内容哈希缓存，无需重复推理。
- 自包含与共存：单文件分发（约 29 KB），无机器特定路径依赖。插件与官方路由共存，官方路由作为回退，插件会根据模型元数据决定是保持原生图片流还是转为本地路径。
安装与启用¶
安装命令如下：
dsh plugin --profile web add
安装后，插件会注册一个名为 deepseek-vision 的“孪生”路由，并将九种视觉工具注入到 DSH 的工具集中。
典型用法¶
- 粘贴图片：在支持图片的会话中粘贴截图，DSH 会自动生成缩略图和图片块。如果使用的是原生文本路由，图片会被保存为本地路径，供视觉工具读取。
- 本地视觉处理：利用本地
qwen2.5vl模型生成图片描述供 DeepSeek 使用。 - 交互式工具：使用
read_clipboard或compare_images等工具进行交互。模型可以调用这些工具来分析图片。 - Twin Route：通过
deepseek-vision路由处理原生图片流。
要求与依赖¶
- Node.js：版本需大于或等于 22.19。
- 本地模型：需要在本地运行 Ollama，并加载
qwen2.5vl模型。 - 依赖库：使用
sharp进行图像处理，使用openai作为接口封装。
注意事项¶
- 插件以当前 DSH 进程的权限运行，安装前应检查源码与许可证（MIT）。
- 所有图片处理均在本地完成，确保隐私安全。
