dsh-tool-see-image：为 DeepSeek Harness 添加视觉能力

DeepSeek Harness（DSH）默认的模型（例如 deepseek-v4-flash）是纯文本的，无法直接“看懂”图片。当你在对话中请求模型分析图片内容时，通常会因为缺乏视觉能力而失败。

dsh-tool-see-image 是一个为 DSH 设计的插件工具。它充当中间层：当文本模型需要处理图片时，插件会将图片文件路径发送给一个配置好的视觉模型（默认为智谱的 GLM-4V-Flash，免费），并将模型返回的文本描述回传给对话会话。这解决了文本模型无法直接处理视觉信息的问题。

核心功能¶

see_image 工具：输入图片路径和问题，输出文本描述。
视觉模型无关：支持任何兼容 OpenAI /chat/completions 接口的视觉模型（默认 GLM-4V-Flash，也可切换至 SiliconFlow 或 Qwen2.5-VL 等）。
沙箱感知：通过 ctx.fs 读取文件，遵守 DSH 的沙箱和观察策略，不直接访问本地文件系统。
粘贴转文字（Bonus）：附带补丁脚本，允许直接将图片粘贴到聊天框并自动转换为文字描述。

安装与启用¶

插件需要手动安装到你的 Web 配置文件中。

复制插件文件：将插件目录复制到你的 Web 配置文件路径下，例如：

    $DSH_HOME/profiles/web/plugins/dsh-tool-see-image/

（`$DSH_HOME` 通常是 `~/.dsh`）。

声明依赖：编辑 Web 配置目录下的 package.json，添加依赖声明：

    "dsh-tool-see-image": "file:plugins/dsh-tool-see-image"

然后运行安装命令：

    pnpm install

配置插件：编辑 $DSH_HOME/profiles/web/cordis.patch.yml，在合适位置插入配置：

    - insert:
        - id: tool-see-image
          name: 'dsh-tool-see-image'
          config:
            baseURL: https://open.bigmodel.cn/api/paas/v4
            apiKeyEnv: ZHIPU_API_KEY
            model: glm-4v-flash

设置 API 密钥：你需要一个智谱 AI 的 API Key。在终端设置环境变量（以 Windows 为例）：

    setx ZHIPU_API_KEY "your-api-key-here"

设置后**重启终端**，并重启 `dsh web` 进程。

验证：在新的对话会话中，see_image 工具应该已经可用。尝试以下指令：

    Use see_image to look at path/to/your/image.png

配置说明¶

在 cordis.patch.yml 的 config 节点下，可以调整以下参数：

配置项	默认值	说明
`baseURL`	`https://open.bigmodel.cn/api/paas/v4`	OpenAI 兼容接口地址，插件会自动拼接 `/chat/completions`
`apiKeyEnv`	`ZHIPU_API_KEY`	存放 API 密钥的环境变量名
`model`	`glm-4v-flash`	视觉模型 ID，智谱 GLM-4V-Flash 默认免费
`maxTokens`	`1024`	最大输出 Token 数。注意：`glm-4v-flash` 的上限是 1024，超过会报错
`timeoutMs`	`60000`	请求超时时间（毫秒）
`maxBytes`	`15728640`	单张图片大小限制（约 15MB）
`prompt`	(中文描述指令)	默认问题提示词，`question` 参数会覆盖此设置

如果需要使用其他服务商（如 SiliconFlow），只需修改 baseURL、apiKeyEnv 和 model 即可。

典型用法¶

在对话中直接调用工具即可：

Use see_image to look at path/to/your/image.png

插件会读取该路径下的图片，将其发送给视觉模型，并将返回的文本描述插入到对话流中。

注意事项¶

重启要求：修改 cordis.patch.yml 或依赖后，必须重启 dsh web 才能生效。
Token 限制：默认配置的 maxTokens 为 1024。如果切换到支持更长输出的视觉模型，需要相应调高此值。
权限与沙箱：插件运行在 DSH 进程内，通过 ctx.fs 读取文件。这意味着图片路径必须在当前沙箱的观察范围内，且不会绕过 DSH 的安全策略。

生态背景¶

该插件遵循 MIT 协议，由社区开发者 gugu123a 维护。它是 DeepSeek Harness 生态中“一切皆插件”理念的一个体现，旨在通过轻量级的工具扩展，让基础模型的能力边界更灵活。

插件目录: gugu123a/dsh-tool-see-image
源码仓库: github.com/gugu123a/dsh-tool-see-image