dsh-tool-vision：DeepSeek Harness 的 DashScope 圖像描述工具

在 DeepSeek Harness (DSH) 的生態中，模型推理往往以文本爲主。要在 Agent 預設中引入視覺能力，通常需要處理圖片上傳與安全策略的衝突。dsh-tool-vision 插件通過模型端工具 image_describe 解決了這個問題，它調用 DashScope 的 OpenAI 兼容接口，讓模型能夠直接描述本地圖片，同時提供粘貼橋接功能，將粘貼的圖片轉換爲路徑文本，避免觸發宿主機的圖片准入限制。

1. 這是什麼¶

這是一個 DSH 插件，由 wanshichenguang 維護，開源協議爲 MIT。它是一個模型面向的圖像描述工具，利用 DashScope OpenAI 兼容 API（默認 qwen3.7-flash 模型）讀取本地圖片並生成描述，同時提供粘貼橋接功能，將粘貼的圖片轉換爲路徑文本，避免觸發宿主機的圖片准入限制。

2. 安裝與啓用¶

安裝該插件需要使用 DSH 的插件命令。在 Web 預設下執行以下命令即可完成安裝：

dsh plugin --profile web add dsh-tool-vision

安裝完成後，需要重啓 dsh web 進程。工具註冊爲 image_describe，出現在模型的工具目錄中。

3. 核心功能¶

image_describe 工具：這是核心功能。調用方式爲 image_describe(path, prompt)。path 爲圖片路徑（支持絕對路徑或相對工作區路徑），prompt 爲可選的描述指令。如果不提供 prompt，將使用默認指令對圖片進行詳細描述。
粘貼圖片橋接：在 Web 界面，如果會話的模型被確認是文本-only 模型，粘貼或拖拽圖片時會將圖片上傳至插件的宿主路由，釋放草稿，並在提示詞中追加 [image: <path>] 文本。這樣既繞過了宿主機的圖片准入檢查，又讓模型能通過工具讀取文件。對於具備視覺能力或未確認的模型，圖片會保持原生內聯。
配置化 API Key：插件本身不攜帶任何憑證，需要開發者自行配置。支持通過環境變量或配置文件指定。

4. 配置與用法¶

插件依賴 DashScope API，必須配置 Key。

設置環境變量：

DASHSCOPE_API_KEY=sk-xxxx

通過配置文件指定：
在 cordis.patch.yml 中添加配置：

- id: tool-vision
  name: 'dsh-tool-vision'
  config:
    apiKey: sk-xxxx

工具調用示例：
模型在生成回覆時，如果需要分析圖片，會調用該工具。例如，模型可能會發出如下調用請求：

{
  "tool_calls": [{
    "function": {
      "name": "image_describe",
      "arguments": "{\"path\": \"/workspace/image.png\", \"prompt\": \"這是什麼？\"}"
    }
  }]
}

關鍵配置項：
* baseUrl：DashScope OpenAI 兼容端點，默認爲 https://dashscope.aliyuncs.com/compatible-mode/v1。
* model：使用的視覺模型，默認爲 qwen3.7-flash。
* defaultPrompt：未提供 prompt 時的默認指令。
* maxImageBytes：單張圖片大小限制，默認爲 20MB。

5. 注意事項¶

憑證安全：插件包內不包含任何憑證，Key 僅存在於你的環境變量或配置文件中。
HTTP 行爲：HTTP 客戶端設置了 redirect: 'error'，配置的端點必須直接接收憑證，防止重定向導致 Key 泄露。
API 限制：目前僅支持 DashScope OpenAI 兼容端點。
權限策略：工具執行時不請求 ctx.approval。如果部署環境需要確認機制，必須在部署時額外配置 tools/pre-execute 策略。

dsh-tool-vision 爲 DSH 用戶在文本模型中增加視覺能力提供了一條低侵入的路徑。通過模型端工具的方式，它將圖片分析與提示詞生成解耦，適合需要在對話流中處理本地視覺上下文的場景。

插件目錄：catalog_url
源碼地址：github_url