dsh-vision-toolkit：DeepSeek Harness 的视觉工具插件

DSH Vision Toolkit 是 DeepSeek Harness（DSH）的视觉工具插件（DSH plugin），由 Anionex 维护，采用 MIT 协议，旨在让纯文本模型也能胜任视觉任务。它把 agent-vision-toolkit 的能力以原生 Profile Bundle 的形式集成进 DSH，解决纯文本 LLM 无法直接看图、做 OCR 或还原 UI 的问题。核心能力包括带意图的图片问答、长截图 OCR、UI 还原、像素级 grounding、像素 diff、Artifacts 管理和 Web 设置界面，共十个独立工具，以结构化 schema 替代 shell 胶水，并按 Agent 作用域渐进暴露。

DSH Vision Toolkit 这个 DSH plugin 支持哪些核心视觉能力？

该插件提供十个视觉工具，覆盖图片问答（intent-aware image Q&A）、长截图 OCR、UI 还原（截图转可编辑 HTML/CSS）、像素级 grounding、像素验证（pixel diff）等。它强调“带意图地看”：方法中携带查看原因，从整图到目标区域逐步聚焦，并用专门工具验证坐标、颜色、几何和差异，而不是接受笼统描述作为证据。这些工具以版本化 Skill 形式加载，仅在当前任务需要时才暴露对应 schema，避免资源浪费。

DSH Vision Toolkit 怎么安装到 DeepSeek Harness？

安装命令如下，适用于 Web profile：

dsh plugin --profile web add github:anionex/dsh-vision-toolkit

安装后，插件会通过 DSH Credentials 管理凭据，生命周期管理运行时准备，并将结果以结构化 Session-log 记录，同时提供可预览的 Artifacts 和专用 Web 卡片。

DSH Vision Toolkit 兼容哪些 DeepSeek Harness 版本和平台？

该插件面向 DSH Web 和 Headless 两种 profile，依赖 Node.js ^22.19 或 >=24，以及 Python 3.11+。它深度集成 DSH 生态，依赖 @deepseek-ai/dsh-agent、@deepseek-ai/dsh-tools、@deepseek-ai/dsh-skill 等官方包，确保与 DSH 的 Agent、工具、技能、设置、会话等模块无缝协作。

DSH Vision Toolkit 的验证与更新情况如何？

项目通过 168 个测试验证，当前版本为 v0.1.8，最近更新于 2026-08-16。它由 Anionex 维护，项目官网为 agent-vision.anionex.me，上游工具为 agent-vision-toolkit。插件已提交 P0 和 P1 产品范围，P2 的 ctx.visionToolkit 服务暂未发布，等待独立插件成为真实消费者。

DSH Vision Toolkit 有哪些典型使用场景？

官方展示了两个上游参考用例：信息图还原（截图转可编辑 HTML/CSS）和截图引导的调试。在 DSH Web 会话中，可以实时演示图片问答和截图调试工作流。这些场景展示了插件如何将视觉能力融入 Agent 工作流，让纯文本模型也能处理视觉密集型任务。

查看更多 DSH 插件，访问 dsh-plugin.org