dsh-omni-vision：为纯文本模型提供本地视觉能力
DeepSeek Harness（DSH）的 `dsh-omni-vision` 插件为纯文本模型提供本地视觉感知能力，支持 Windows 平台。该插件包含四大核心工具：`eyes_render` 用于绘图生成图片；`eyes_paste` 用于粘贴图片；`eyes_ocr` 利用 Windows 引擎识别图片文字；`eyes_analyze` 解析像素数据。它支持 OCR 识别、文字复述、流程图分析及像素布局分析等场景。使用前需通过命令安装并重启服务，依赖浏览器 GUI，且仅支持 8-bit PNG 格式。
阅读全文DSH 图片转文字输入插件：接管图片输入给纯文本 LLM
dsh-plugin-image-input 插件通过本地调用视觉 API，将图片转换为结构化文字描述，使纯文本大模型（如 DeepSeek R1）也能处理图片输入。用户只需粘贴或拖拽图片，插件即可自动或手动将其转为文字上下文发送给模型，支持多图处理。安装后需配置 OpenAI 兼容的视觉 API，该插件具备多模态兼容性、容错机制及安全限制，能有效解决模型因无法识别图片而导致请求失败的问题。
阅读全文dsh-design-qa：让 DeepSeek Harness 里的纯文本模型能看图
dsh-design-qa 插件通过接入多模态工具，为纯文本模型赋予“读图”能力，使其能完成产品设计闭环中的视觉判定。该插件支持按需调用，不占用主模型上下文，并内置了评估基准。安装需配置阿里云百炼 API Key，默认使用 qwen3.8-max 模型。插件强调“能见度不等于判定力”，需结合具体场景使用。
阅读全文用 dsh-drop-to-path 把图片和文件转成路径发给纯文本模型
dsh-drop-to-path 是 loudMore 维护的 DeepSeek Harness Web 插件（MIT）。纯文本模型发送图片会被宿主预检拦住，PDF 等也无法当附件发出。该插件保留原生附件栏，发送时把图片和文件写入工作区 .drops/ 并附上路径。目录安装命令为 dsh plugin add github:loudMore/dsh-drop-to-path；建议搭配 dsh-vision-toolkit，并在升级 DSH 前阅读 ADAPTING.md。
阅读全文用 agent-vision-toolkit 给纯文本编码智能体装上视觉工具箱
agent-vision-toolkit 是 Anionex 维护的开源视觉工具箱（MIT，Python）。它给 DeepSeek 这类纯文本编码智能体提供 glance/ground/detect/trace/crop 与 vision-tools 技能，覆盖图片问答、长截图 OCR、UI 还原和 GUI 操作，并可接入 Codex、Claude Code 等。社区目录安装命令指向该仓库；dsh Web/Headless 原生 Bundle 需另装 @anionex/dsh-vision-toolkit。
阅读全文