dsh-vision-helper

English | 中文

为 DeepSeek Harness 打造的持久化视觉插件。

注册 vision_analyze 工具，让智能体通过任意可配置的多模态模型分析图片（OCR、UI/报错截图、图表理解、通用图片描述），并在 Web 应用中提供设置页界面。

零依赖设计 —— 宿主模块没有任何 import，安装只需复制文件夹 + 一行补丁配置。无需 npm install、无需修改 node_modules 结构、无需软链接。

功能特性

• vision_analyze 工具 —— 接受本地图片路径或 data: URI，发送给配置的多模态模型，返回分析文字。
• 可配置模型 —— 在「设置 → 视觉助手」中选择提供方与模型（或直接编辑数据目录下的 dsh-vision-helper.json，位置见「配置」节）；留空自动选择多模态模型。
• 健壮性 —— 自动剥离粘贴路径中的不可见 Unicode 字符（U+202A 等）；按最长边限制图片尺寸（maxEdge，默认 4096px）；去重流式文本；友好的错误提示。
• 自动调用引导 —— 注入系统提示段，让智能体在涉及图片的任务中自动调用 vision_analyze。
• 持久化且全局 —— 宿主组合插件：重启不丢失，所有会话可用。

环境要求（使用者侧）

• DSH Web 部署（设置页仅 Web 端；工具本身在挂载了该插件的任何 profile 中均可用）。
• 在部署的 llm-pi-ai 设置（「模型」设置页）中配置好多模态模型路由，或你添加的任意 OpenAI 兼容视觉端点。插件不携带任何 API Key。

安装

本包是 DSH 组合包（声明了 dsh.bundle.patch），已发布到 npm。前提：机器上有 pnpm（Node 自带 corepack，执行 corepack enable pnpm 即可启用）。

方式一：npm 安装（推荐）

npx @deepseek-ai/dsh plugin --profile web add dsh-vision-helper

从 npm registry 拉取预构建代码（纯 JS 包，无 prepare 脚本、无需构建授权），自动激活组合层。

方式二：GitHub 安装

npx @deepseek-ai/dsh plugin --profile web add github:Yuuz12/dsh-vision-helper

拉取仓库源码（同样直接可用，无需构建步骤）；网络不佳时优先用方式一。

方式三：手动（备用）

将本 dsh-vision-helper 文件夹复制到 <profile>/node_modules/，并在 <profile>/cordis.patch.yml 添加插件行：

- insert:
    - id: dsh-vision-helper
      name: 'dsh-vision-helper'

维护者开发模式：dsh plugin --profile web add ./dsh-vision-helper（link: 链接本地源码目录），改动重启即生效，无需重新安装。

无论哪种方式，模块都完全自包含——零依赖，无需解析。安装后验证并重启：

npx @deepseek-ai/dsh --profile web --dump-config   # 应看到 dsh-vision-helper 层
# 然后重启 dsh web

配置

通过设置页（设置 → 视觉助手）：提供方、模型、温度、最大输出 tokens、最大图片边长。等效的配置文件位于数据目录的 dsh-vision-helper.json，随安装方式不同：

• registry / tarball / GitHub 安装：宿主 profile 目录 <profile>/dsh-vision-helper.json（如 $DSH_HOME/profiles/web/）——用户所有、插件更新不丢失；
• 本地 link: 安装（维护者）：回退到插件源码目录 <repo>/dsh-vision-helper.json（模块路径不含 /profiles/ 标记时）。

插件按模块路径中的 /profiles/ 标记自动判定，无需配置：

{
  "provider": "opencode-go",
  "model": "mimo-v2.5",
  "temperature": 0.2,
  "maxTokens": 1024,
  "maxEdge": 4096,
  "mode": "auto"
}

provider/model 留空 = 自动选择；maxEdge 限制图片最长边像素。mode 控制注入智能体系统提示的自动调用引导：

• auto（默认）—— 智能引导：若主模型是多模态（图片随对话送达，或可通过 read_image 直接查看本地图片），直接查看分析、零额外开销；仅当主模型无法查看图片（纯文本模型）时才调用 vision_analyze；用户提到图片但缺路径时，先询问路径再调用。
• force —— 强制：涉及图片的任务必须使用该工具，禁止不调用工具直接作答或拒绝。仅在明确需要专用视觉模型时使用（如主模型纯文本、或需要专门视觉模型的识别能力）——多模态主模型下会产生额外 API 调用。
• off —— 关闭：不注入任何引导；工具仍注册，由智能体自行决定。

配置每次使用即时读取——无需重启（引导段在保存时自动重新注册）。

卸载

标准方式（组合包安装）

npx @deepseek-ai/dsh plugin --profile web remove dsh-vision-helper

该命令同时移除依赖与组合包层（插件行随之移除）。然后删除配置文件并重启 DSH：

• registry/tarball 安装：<profile>/dsh-vision-helper.json（如 $DSH_HOME/profiles/web/）
• 本地 link: 安装：<repo>/dsh-vision-helper.json（源码目录——remove 只删除 node_modules 链接，源码仓库原样保留）

插件完全自包含，无需其他清理。

手动方式（后备安装）

从 <profile>/cordis.patch.yml 移除插件行，删除 <profile>/node_modules/dsh-vision-helper，删除配置文件，然后重启 DSH。