DeepSeek Harness（DSH）的官方模型（如 deepseek-v4-flash 和 deepseek-v4-pro）是純文本的。它們的 API 端點不接受圖像字節，模型元數據也聲明只支持文本輸入。在 DSH 的環境中，這意味着無法向使用這些模型的會話粘貼截圖，也無法使用內置的 read_image 工具。
dsh-vision-bridge 旨在解決這個問題。它通過本地運行的視覺模型，讓純文本模型能夠接收和理解圖像。
這是什麼¶
這是一個 DeepSeek Harness 插件，由 YuLee-314 維護。它利用本地 Ollama 運行的 qwen2.5vl 模型來處理視覺任務，無需使用雲端密鑰。所有圖片處理均在本地完成，不會向 DeepSeek API 發送圖片字節。
核心功能¶
該插件通過三個層面實現功能：
- 原生圖片體驗：純文本模型也能像視覺模型一樣處理圖片。粘貼截圖會生成縮略圖和圖片塊，
read_image工具也能正常工作。 - 請求層透明：沒有 Prompt Hack，沒有預設分支。插件在適配層攔截圖像塊，轉換爲文本描述後發送給 DeepSeek API。
- 結構化輸出與座標：視覺工具支持生成帶座標的元素邊界框（
[0,1000]歸一化座標），支持區域裁剪、雙圖對比和剪貼板讀取。 - 九種視覺工具：提供
describe_image（描述）、extract_text（OCR）、structured_scan（結構化掃描）、query_region（區域查詢）、detect_elements（元素檢測）、locate_object（物體定位）、compare_images（雙圖對比）、read_clipboard（剪貼板讀取）和check_health（健康檢查）。 - 重複圖像緩存：重複的圖像會命中內容哈希緩存，無需重複推理。
- 自包含與共存：單文件分發（約 29 KB），無機器特定路徑依賴。插件與官方路由共存，官方路由作爲回退，插件會根據模型元數據決定是保持原生圖片流還是轉爲本地路徑。
安裝與啓用¶
安裝命令如下：
dsh plugin --profile web add
安裝後，插件會註冊一個名爲 deepseek-vision 的“孿生”路由，並將九種視覺工具注入到 DSH 的工具集中。
典型用法¶
- 粘貼圖片：在支持圖片的會話中粘貼截圖，DSH 會自動生成縮略圖和圖片塊。如果使用的是原生文本路由，圖片會被保存爲本地路徑，供視覺工具讀取。
- 本地視覺處理：利用本地
qwen2.5vl模型生成圖片描述供 DeepSeek 使用。 - 交互式工具：使用
read_clipboard或compare_images等工具進行交互。模型可以調用這些工具來分析圖片。 - Twin Route：通過
deepseek-vision路由處理原生圖片流。
要求與依賴¶
- Node.js：版本需大於或等於 22.19。
- 本地模型：需要在本地運行 Ollama，並加載
qwen2.5vl模型。 - 依賴庫：使用
sharp進行圖像處理，使用openai作爲接口封裝。
注意事項¶
- 插件以當前 DSH 進程的權限運行，安裝前應檢查源碼與許可證（MIT）。
- 所有圖片處理均在本地完成，確保隱私安全。
