dsh-tool-see-image：爲 DeepSeek Harness 添加視覺能力

DeepSeek Harness（DSH）默認的模型（例如 deepseek-v4-flash）是純文本的，無法直接“看懂”圖片。當你在對話中請求模型分析圖片內容時，通常會因爲缺乏視覺能力而失敗。

dsh-tool-see-image 是一個爲 DSH 設計的插件工具。它充當中間層：當文本模型需要處理圖片時，插件會將圖片文件路徑發送給一個配置好的視覺模型（默認爲智譜的 GLM-4V-Flash，免費），並將模型返回的文本描述回傳給對話會話。這解決了文本模型無法直接處理視覺信息的問題。

核心功能¶

see_image 工具：輸入圖片路徑和問題，輸出文本描述。
視覺模型無關：支持任何兼容 OpenAI /chat/completions 接口的視覺模型（默認 GLM-4V-Flash，也可切換至 SiliconFlow 或 Qwen2.5-VL 等）。
沙箱感知：通過 ctx.fs 讀取文件，遵守 DSH 的沙箱和觀察策略，不直接訪問本地文件系統。
粘貼轉文字（Bonus）：附帶補丁腳本，允許直接將圖片粘貼到聊天框並自動轉換爲文字描述。

安裝與啓用¶

插件需要手動安裝到你的 Web 配置文件中。

複製插件文件：將插件目錄複製到你的 Web 配置文件路徑下，例如：

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

（`$DSH_HOME` 通常是 `~/.dsh`）。

聲明依賴：編輯 Web 配置目錄下的 package.json，添加依賴聲明：

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

然後運行安裝命令：

    pnpm install

配置插件：編輯 $DSH_HOME/profiles/web/cordis.patch.yml，在合適位置插入配置：

    - 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

設置 API 密鑰：你需要一個智譜 AI 的 API Key。在終端設置環境變量（以 Windows 爲例）：

    setx ZHIPU_API_KEY "your-api-key-here"

設置後**重啓終端**，並重啓 `dsh web` 進程。

驗證：在新的對話會話中，see_image 工具應該已經可用。嘗試以下指令：

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

配置說明¶

在 cordis.patch.yml 的 config 節點下，可以調整以下參數：

配置項	默認值	說明
`baseURL`	`https://open.bigmodel.cn/api/paas/v4`	OpenAI 兼容接口地址，插件會自動拼接 `/chat/completions`
`apiKeyEnv`	`ZHIPU_API_KEY`	存放 API 密鑰的環境變量名
`model`	`glm-4v-flash`	視覺模型 ID，智譜 GLM-4V-Flash 默認免費
`maxTokens`	`1024`	最大輸出 Token 數。注意：`glm-4v-flash` 的上限是 1024，超過會報錯
`timeoutMs`	`60000`	請求超時時間（毫秒）
`maxBytes`	`15728640`	單張圖片大小限制（約 15MB）
`prompt`	(中文描述指令)	默認問題提示詞，`question` 參數會覆蓋此設置

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

典型用法¶

在對話中直接調用工具即可：

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

插件會讀取該路徑下的圖片，將其發送給視覺模型，並將返回的文本描述插入到對話流中。

注意事項¶

重啓要求：修改 cordis.patch.yml 或依賴後，必須重啓 dsh web 才能生效。
Token 限制：默認配置的 maxTokens 爲 1024。如果切換到支持更長輸出的視覺模型，需要相應調高此值。
權限與沙箱：插件運行在 DSH 進程內，通過 ctx.fs 讀取文件。這意味着圖片路徑必須在當前沙箱的觀察範圍內，且不會繞過 DSH 的安全策略。

生態背景¶

該插件遵循 MIT 協議，由社區開發者 gugu123a 維護。它是 DeepSeek Harness 生態中“一切皆插件”理念的一個體現，旨在通過輕量級的工具擴展，讓基礎模型的能力邊界更靈活。

插件目錄: gugu123a/dsh-tool-see-image
源碼倉庫: github.com/gugu123a/dsh-tool-see-image