前言¶
DeepSeek Harness (DSH) 中的 deepseek-v4-pro 和 deepseek-v4-flash 模型目前僅支持文本輸入。在 DSH 環境中，直接向 Pro 會話粘貼截圖會報錯提示“不支持圖像輸入”。dsh-vision-pro-bridge 插件通過路由代理，爲純文本的 V4-Pro 模型補全了視覺能力。
插件簡介¶
該插件由 ShaineDemo 維護，遵循 MIT 許可證。它通過 DeepSeek 獨佔路由，利用現有的 DEEPSEEK_API_KEY，將圖像先由 deepseek-v4-flash-vision-exp 轉錄爲文本，再將文本與本地路徑傳遞給 deepseek-v4-pro 進行回答。
核心功能¶
- 零第三方依賴：僅依賴 DSH 自身的核心庫，不引入 OpenAI、Sharp 等外部庫。
- DeepSeek 獨佔路由：圖像處理完全通過 DeepSeek 的官方 API，單一提供商。
- 官方圖像流水線：複用官方適配器邏輯，確保行爲一致。
- 內容尋址持久化：圖像緩存於本地特定目錄，通過穩定路徑傳遞給模型。
- 專注 Pro 模型：保留 V4-Pro 的代碼能力，並增加視覺理解。
安裝與啓用¶
通過 DSH 命令行安裝插件：
dsh plugin --profile web add dsh-vision-pro-bridge
安裝後需重啓 DSH Web 服務以加載插件。
典型用法¶
- 在模型選擇器中選擇 DeepSeek-V4-Pro (視覺橋)。
- 粘貼或拖拽截圖，並像往常一樣提問。
- 將其設爲默認模型，編輯
~/.dsh/settings.yaml：
agent-default-model:
provider: deepseek-vision-pro
model: deepseek-v4-pro-vision
工作原理¶
插件註冊了一個名爲 deepseek-vision-pro 的路由（模型名爲 deepseek-v4-pro-vision），該路由聲明支持圖像輸入。當圖像被提交時：
1. 插件截取圖像字節，將其保存到 ~/.dsh/vision-pro-bridge/images/。
2. 調用 deepseek-v4-flash-vision-exp 模型進行轉錄，生成文本描述。
3. 將轉錄文本與本地文件路徑拼接，通過 deepseek-v4-pro 模型處理。
4. DeepSeek 的原始網絡端點始終只接收到文本和路徑，不直接接收圖像數據。
適用場景與注意¶
- 適用場景：適合佈局分析、OCR 識別、UI 界面審查等場景。
- 注意：
- 轉錄有損：不適合需要精確像素座標的場景。
- 模型固定：轉錄模型固定爲
deepseek-v4-flash-vision-exp。 - 無回退鏈：如果轉錄調用失敗，圖像將變爲佔位符，對話繼續但無視覺信息。
- 日誌與緩存：活動日誌寫入
~/.dsh/vision-pro-bridge-activity.l，圖像緩存在~/.dsh/vision-pro-bridge/images/。
總結¶
該插件爲追求輕量化和 DeepSeek 生態的開發者提供了一個最小化的視覺解決方案。它不依賴複雜的第三方服務，完全複用 DeepSeek 的官方管線，適合需要 V4-Pro 編碼能力但偶爾需要查看界面的場景。
