xby-pic：DeepSeek Harness 图片工具集
xby-pic 是 DeepSeek Harness 的图像处理工具集插件，无需本地部署，通过外部 API 调用实现各类视觉功能。该插件支持设置 API 密钥，并集成了 OCR、证件识别、物体检测及生物场景识别等多种接口，涵盖文字、车牌、银行卡、各类证件及日常物品识别。安装前需检查源码并设置密钥，支持图片链接、BASE64 编码或文件路径作为输入，旨在为开发者提供便捷的视觉集成能力。
阅读全文dsh-browser-vision：DeepSeek Harness 浏览器视觉插件
`dsh-browser-vision` 是 DeepSeek Harness 的浏览器视觉插件，旨在解决 DOM 解析无法覆盖的视觉元素问题。它通过 CDP 驱动真实 Chrome 浏览器，利用视觉模型读取 Canvas 文本、图表及渲染内容。 该插件支持页面驱动、基于 Schema 的 JSON 结构化提取、Markdown 输出及成本统计。安装需配置 Python 引擎、环境变量及 Chrome，并提供 `browser_vision_task` 和 `browser_vision_extract` 等工具。使用时需注意 Python 版本要求及截图参数设置，以提升智能体处理复杂视觉信息
阅读全文Aura Vision：DeepSeek Harness 免费视觉识别插件
`aura-vision` 是专为 DeepSeek Harness `web` profile 设计的免费视觉识别插件，旨在解决长文档识别因 Token 限制被截断及缺乏统一管理工具的痛点。它支持通过智谱 GLM-4V-Flash 等接口进行多通道视觉识别，具备长文档自适应网格切块、多格式（Markdown/Word/Excel/PNG）导出及历史管理功能。采用 Aura UI 设计，安装后需重启生效，数据本地存储，且注重隐私安全。
阅读全文DeepSeek Harness 插件：dsh-siliconflow-vision（通过硅基流动进行视觉识别）
DeepSeek Harness 插件 `dsh-siliconflow-vision` 旨在为 DSH 系统增加视觉分析能力。该插件通过调用硅基流动的视觉大模型（默认使用 Qwen3-VL），支持识别本地文件、URL 及 Base64 图片，并提供自定义识别指令。用户需配置 API Key，安装后即可在对话中直接分析图片内容。
阅读全文dsh-vision：为 DeepSeek Harness 提供视觉能力的插件
dsh-vision 是 DeepSeek Harness 的视觉插件，旨在弥补文本模型在图像处理上的短板。它通过接管输入流，支持图像识别与生成功能，具备多引擎故障转移机制。用户可通过命令行安装，利用 Codex、Gemini 等引擎读取本地图片或生成图片，界面支持预览与下载。插件遵循严格的临时存储原则，提供灵活的配置选项以管理凭证、引擎参数及文件保留策略，为智能体赋予强大的视觉交互能力。
阅读全文dsh-vision：为 DeepSeek Harness 文本模型添加视觉识别能力
`sjakdhasdh/dsh-vision` 是一款为 DeepSeek Harness (DSH) 添加视觉识别能力的开源插件。它通过 OpenAI 兼容格式调用视觉大模型，默认使用阿里云百炼的 `qwen3.7-flash`，支持本地路径和网络 URL 的图片输入。插件零依赖，可通过命令安装或通过环境变量/Profile 配置。使用时需提供图片路径及识别提示词。项目基于 MIT 许可证开源，旨在解决 DSH 默认模型不支持图片的问题。
阅读全文dsh-eyes：给 DeepSeek Harness 纯文本聊天装上外置「眼睛」
# 前言 DeepSeek Harness（下称 DSH）的理念是「一切皆插件」，但它的 web 聊天本身是纯文本的：贴一张报错截图、拖一张设计稿进来，模型看不到，你只能用文字描述，或者先去别的工具做 OCR，再把结果复制回对话。对智能体开发者来说，这类操作出现频率不低，每一次都要中断手头的工作流。 qing9835 的开源插件 dsh-eyes 就是针对这个问题：粘贴、拖入或导入的图片被插件拦截，交给 OpenAI 兼容视觉模型识别成文字，自动发送进对话。 # 这是什么 dsh-eyes（包名 dsh-vision-bridge）是一个 DSH web
阅读全文dsh-vision：让文本模型在 DSH 中处理带图请求
dsh-vision 是一个 DSH 插件，旨在解决 DeepSeek V4 Flash/Pro 等文本模型无法直接处理图片的问题。当请求包含图片且目标模型不支持视觉输入时，该插件自动调用视觉模型或系统 OCR 对图片进行描述，并将 provider 调用中的图片块替换为文本描述，确保模型能继续处理上下文。会话日志和 UI 界面仍保留原始图片。 插件提供 Auto 和指定模型两种模式。Auto 模式按顺序尝试已声明视觉能力的模型，失败则回退至系统 OCR（macOS 用 Vision，Windows 用 Media.Ocr，其他平台需 Tesseract）。指定模式仅使用配置模型，失败不重试。
阅读全文dsh-image-reader：为 DeepSeek Harness 智能体提供 read_image 图片读取工具
`dsh-image-reader` 是一个 MIT 许可证的 DeepSeek Harness 插件，旨在为仅支持文本的智能体提供图片读取能力。该插件通过暴露 `read_image` 工具，允许智能体利用任意 OpenAI-compatible vision endpoint 解析工作区内的截图、图表或照片，并基于图像内容回答问题。 核心特性包括：支持传入图片路径及可选查询问题；配置灵活，涵盖 `baseUrl`、`model`、超时时间及允许目录等；安全机制完善，API key 从环境变量动态读取，路径经 `realpath` 解析以阻止符号链接绕过，且上传前进行大小与扩展名检查。 使用
阅读全文dsh-xiapan-media：给 DeepSeek Harness 增加视觉、作图和视频生成
`dsh-xiapan-media` 是一个面向 DeepSeek Harness (DSH) 的客户端插件，旨在通过对接虾盘云服务，将视觉理解、图片生成和视频生成能力集成至现有文本会话中。该插件由 `dongsheng123132` 维护，采用 MIT 许可，要求 Node.js >=22.19.0。 核心功能包括：利用 `xiapan-vision` 路由实现图片理解与 OCR，支持直接粘贴图片并由后端转译为文本；通过 `gpt-image-2` 模型进行图片生成与修改；以及调用 Seedance 服务生成 5-15 秒的视频。插件支持通过 `cordis.patch.yml` 独立安装或
阅读全文