DeepSee

让 DeepSeek 看得见，也知道该用哪个模型。

English · 故障排查 · 配置 · 输出契约 · 安全

DeepSee 把 DeepSeek Harness 变成一个能看图、能换模型、还能自动分工的开发工作区。**Gemini 负责视觉，DeepSeek 负责全部代码。**你可以直接选 Flash 或 Pro，也可以交给 Auto／Customize 按成本与难度自动分配。截图可直接贴进纯文本 DeepSeek，会在交付前检查实际画面。

npx -y @deepseek-ai/dsh plugin --profile web add @chang416/deepsee@latest

装完用 dsh plugin --profile web list 确认真正装到的版本。pnpm v11 会隔离最近几天发布的版本，可能改装一个更旧的版本却照样报成功，排障文档里有一行解法。

打开 DeepSee Settings，一行一把加入免费的 Gemini Key，并设置 Flash／Pro 分工、预览网址与视觉检查次数。

亮点

DeepSee 不只让 DeepSeek 看见，也把它变成一支原生协作团队。 模型选择器保留直接使用 V4 Flash 与 V4 Pro，并新增两种编排模式：

• DeepSee Auto 内置省额度优先的最佳分工：检索、文档、测试、小改动与明确的修复交给 Flash；架构、安全、跨模块重构、整合与最终审查交给 Pro。可独立的子任务会并行执行，再由协调模型统一整合。
• DeepSee Customize 可逐项决定每类工作交给 Flash 或 Pro。第一次选择时会直接打开 Harness 里的 DeepSee Settings，不必手动编辑 JSON。
• 交付前会自己看。 做 UI 时，DeepSeek 会在重要里程碑与最终交付前开启本机预览，请 Gemini 严格检查真实画面。Gemini 只会给出 PASS，或指出画面位置与必须修正的问题；DeepSeek 会在可设置的免费额度保护次数内修正再检查，不再把视觉错误留给用户验收时才发现。
• 写代码的始终是 DeepSeek。 Gemini 只负责读图；开发工作会沿用用户已有的 DeepSeek 路线，包括官方 API、OpenCode 的 deepseek-v4-flash-free，以及 OpenCode Go 的 deepseek-v4-flash／deepseek-v4-pro。
• Gemini 免费 Key 可放多把。 一行一把，自动去重；遇到认证、额度或限流问题会换下一把。浏览器只会看到数量，绝不会把已保存的 Key 读回来。

一次安装即可加入原生 read_image 视觉桥、DeepSee Auto／Customize、Gemini 多 Key 轮换、OpenCode／OpenCode Go 路由，以及交付前的 deepsee_visual_check。若 dsh 提示 declares no dsh.bundle，请看故障排查。

DeepSeek Harness 粘贴识图有两种玩法。

① 直接粘贴 贴进来的图片自主转换成文件路径进输入框（与 OpenCode、Pi 同款交互），read_image 工具接手读图。

② 切到带 (deepsee vision) 后缀的模型变体（选择器有记忆，选一次就行）再粘贴：缩略图直接可见、所见即所得，体验更接近 Codex App。变体由插件自动发现生成：每条承载纯文本 DeepSeek 或 GLM 模型的 provider 路由各得一组包装条目（默认安装下就是 DeepSeek-V4-Flash (deepsee vision) 和 DeepSeek-V4-Pro (deepsee vision)，装了 opencode-go、zai 等额外路由的机器会各自多出一组），两家自己的视觉型号自动排除。走哪条通路由 host 依据真实模型元数据逐个裁决：只有被元数据确认纯文本的模型才会被接管，确认不了的一律不动，视觉模型因此保留原生贴图（细节）。

**直接粘贴图片，DeepSeek 就能使用。**不用换掉编码模型，也不用手工转录。

• 原生且可移除。 在 dsh 里它是一个插件，在其他宿主里是一个 skill 文件夹，不需要本地代理进程；移除后宿主立即恢复原状。
• 零配置起手。 复用 Claude Code、Codex、OpenCode、Pi 已配置，直接复用你本机的其他多模态模型。什么都没有？Antigravity CLI 是免 key 的免费通道，配一个免费 Gemini key 可将识别耗时降至 5 到 10 秒。
• 基于证据而非想象。 全文转录、按阅读顺序划分的版面区块、实体与关系列表，模型引用的是具体内容。
• 一次安装，多端可用。 Claude Code、Codex、Pi、OpenCode 均经真机验证。

安装

第一步，交给你的 AI。 把这句话发给它：

按 https://github.com/chang416/deepsee 的 INSTALL.md 安装并配置 deepsee skill，完成后运行体检并把结果告诉我。

安装会先盘点你机器上已有的东西。Claude Code、Codex、OpenCode 或 Pi 里任何一个已有的登录态都可能就够了：deepsee 复用前一定先征得你同意，体检报告会说清现状。

第二步，只在体检两手空空时，才需要你配一个免费引擎。 推荐免费的 Gemini api key（到 Google AI Studio 领取，约三分钟，无需信用卡），配上后每次识别 5 到 10 秒。其他平台的免费 openai 兼容 key 也行。想完全免注册就装 Antigravity CLI，然后完成登录：

curl -fsSL https://antigravity.google/cli/install.sh | bash
agy                                                           # 浏览器完成登录后退出

安装还会盘点本机其他 harness CLI（Codex、OpenCode、Pi）里可触达的视觉能力，并逐个询问是否允许 deepsee 复用。获准的登录态与你自己配的引擎平级入池，每次复用都会在结果里标明花的是谁的额度。

DeepSeek Harness（dsh）用户不走 skill 流程，本包就是原生 dsh 插件：

npx -y @deepseek-ai/dsh plugin --profile web add @chang416/deepsee@latest

装完即有 read_image 工具，选「(deepsee vision)」模型变体即可直接粘贴识图。引擎配置同样在 ~/.deepsee，详见宿主接入。

用法

装好之后不需要记任何命令。正常聊天，粘贴图片或给出图片路径，提问即可，skill 自动触发：图片交给视觉引擎，答案基于读到的内容返回。

视觉引擎：五个内置 provider，四家可复用 CLI，一条故障转移链

DeepSee 不绑定任何单一视觉服务。视觉来源一共九个：五个内置 provider（配好任意一个就能用），加四家本机 agent CLI 的登录可以复用。先看内置的：

Provider	需要什么	单次识别耗时	适合谁
gemini-api	免费 Gemini key（三分钟领取，无需信用卡）	5-10 秒	推荐默认
openai	任意 OpenAI 兼容端点（key + baseUrl + model）	5-10 秒	qwen-vl、GLM、自建网关
anthropic	Anthropic API key	5-10 秒	手上已有 key 的机器
antigravity-cli	免费的 agy CLI，浏览器登录一次，无需 key	15-45 秒	完全免注册起步
claude-cli	已登录的 Claude Code	20-45 秒	复用现有 Claude 订阅

不钉死 provider 时，所有配好的引擎组成一条故障转移链：API 快车道先试，agent CLI 兜底，第一个可用结果胜出，meta.attempts 记录每次尝试，回退永远不是无声的。

openai 是万能接口，不只是 OpenAI

任何讲 OpenAI chat-completions 协议、支持图片输入的端点都能直接插上，这基本覆盖了视觉模型的大半个世界：

deepsee config set openai.baseUrl https://dashscope.aliyuncs.com/compatible-mode/v1   # qwen-vl
deepsee config set openai.apiKey  <key>
deepsee config set openai.model   qwen3-vl-plus

同样三个键，换成 GLM 开放平台、SiliconFlow、OpenRouter、自建 vLLM/Ollama 或你自己的网关都一样。你常用的视觉模型只要有 OpenAI 兼容 API，DeepSee 就能驱动它。

复用你机器上已有的东西

还有两处现成的视觉能力，一个新 key 都不用配，每家都在你明确同意后才启用：

• **你正在对话的这个 harness 本身。**在登录了订阅的 Claude Code 里用？claude-cli 开箱即可借它读图。装进哪个 harness，安装流程就会问哪个 harness 的授权。
• 机器上其他的 agent CLI。deepsee doctor 会逐个发现，你按家授权，它们与你自己的 key 平级入链，不插队。每次复用都在 meta.warnings 里标明花的是谁的额度，绝不无声扣费：

复用来源	需要什么	授权命令	走哪条道
Codex	已登录且有视觉模型的 Codex CLI	config set reuse.codex true	agent 通道，15-45 秒
OpenCode	OpenCode 里配好的视觉模型	config set reuse.opencode true	agent 通道，15-45 秒
Pi	Pi 持有的模型凭据	config set reuse.pi true	API key 直接升级到 5-10 秒的快车道，OAuth 驱动 Pi 本体
Grok	已登录的 Grok CLI（SuperGrok）	config set reuse.grok true	agent 通道，15-45 秒

选择与路由

两个旋钮：deepsee config set provider <name> 表达偏好（链继续兜底），-p <name> 钉死单个不回退。代理环境设 HTTPS_PROXY 或 deepsee config set proxy <url>，API provider 自动走代理。细节见 CLI 手册（默认模型与参数）、配置手册（全部配置键）、安全说明（远程 URL 由谁抓取）。

文档

文档	适用场景
安装手册	一步步安装 skill（为 agent 编写）
CLI 手册	skill 所驱动的 CLI：参数、配置与体检
故障排查	命令报错，查成因和解法
配置手册	配置 key、切换 provider、排查配置
输出契约	解析 JSON 或构建下游工具
宿主接入	在 Codex、Claude Code、Pi、OpenCode 中配置
安全说明	恢复文件的权限、图片内容作为不可信输入
更新日志	查询版本变更

参与方式

欢迎范围明确的 PR。请说明用户可见行为、补齐测试，并在提交前执行 pnpm lint、pnpm typecheck、pnpm test 与 pnpm build。

• 提交 issue。 bug、建议、难懂的报错和文档问题都欢迎。
• **阅读 CONTRIBUTING.md。**安全问题请依 SECURITY.md 私下回报，不要公开贴出漏洞细节。

免责声明

本项目依下方 MIT 协议按现状提供。作者不对任何特定用途（含商业使用）提供保证或背书。上游引擎（Antigravity CLI，Gemini、OpenAI、Anthropic 的 API，以及任何 OpenAI 兼容端点）的使用受各自条款和额度约束，由使用者负责。

致谢

DeepSee 由 chang416 主导设计、开发与维护。早期探索仅少量参考过 MIT 授权的 ModLens，依法保留的版权声明见 LICENSE。DeepSee 的产品架构、Auto／Customize 编排、设置界面、Gemini 多 Key 轮换、OpenCode 感知路由与视觉自检循环均为 DeepSee 开发。

License

MIT