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

它是做什么的？

DSH Vision Toolkit 是 DeepSeek Harness（DSH）的视觉工具箱插件，为纯文本模型赋予图像问答、长截图 OCR、UI 还原、像素对比等视觉能力。它解决文本模型无法直接处理图像的问题，让模型能粘贴图片直接提问、识别截图内容、还原前端 UI，并支持多图问答与截图到前端 UI 还原等场景。该插件由 Anionex 维护，采用 MIT 协议，深度集成 DSH 的 Web 与 Headless Profiles，是 DSH 生态中首个全面的视觉工具插件。

核心功能

• 图像问答：粘贴图片即可直接提问，模型自动切换至视觉变体，无需手动切换模型。
• 长截图 OCR：支持长截图文字识别，提取关键信息。
• UI 还原：从截图还原前端 UI，辅助界面开发与测试。
• 像素对比：对比两张图片的像素差异，用于截图测试。
• 定位与裁剪：识别图像中的目标位置（如按钮、错误提示），并支持裁剪与追踪。
• 内置视觉技能：捆绑 Skill 指导模型针对不同视觉任务选择工具、执行步骤并验证结果。

怎么使用这个插件？

在 DSH 中启用插件后，进入 Settings → Vision Toolkit 配置视觉提供方，即可开始使用。在 Web 界面中，直接粘贴图片并提问，模型会自动切换至视觉变体并回答；在 Headless 模式中，可通过相应工具调用视觉能力。需要调整时，可在高级设置中修改透明路由等选项，或参考官方文档配置模型。