dsh-vision：为 DeepSeek Harness 提供接近原生的图像理解能力

dsh-vision 是 DeepSeek Harness（DSH）的视觉能力插件（DSH plugin），由 oil-oil 维护，采用 MIT 协议，旨在为 Harness 带来接近原生的图像理解能力。它解决的核心问题是：当主模型不支持图像输入时，如何让 DeepSeek 模型依然能基于图片内容给出最终答案。该插件通过一个独立的视觉模型观察原始图片，并将观察结果作为附件上下文注入，从而让文本模型也能“看懂”图片。它不替换 Harness 中选定的主模型，而是以桥接方式工作，支持多图联合分析，且不改变用户任务的原始转发。

dsh-vision 这个 DSH plugin 支持哪些核心特性？

• 原生透传：当主模型支持图像时，原始图片直接发送，无需预处理或 OCR。
• 视觉桥接：当主模型为 deepseek-official 或其他纯文本模型时，调用配置的视觉模型观察图片，输出作为附件上下文注入。
• 多图联合分析：多个图片附件一起分析，支持对比和组合证据。
• 回退机制：云端视觉不可用时，回退到 macOS Vision 或 Tesseract 本地 OCR。
• 兼容 see-skill：可读取 ~/.config/see/config.env 中的配置。

dsh-vision 怎么安装？

使用 DeepSeek Harness 内置的插件管理器安装，命令如下：

dsh plugin --profile web add github:oil-oil/dsh-vision

安装后重启 Harness，即可在输入框中粘贴或拖拽图片。插件会替换官方 deepseek-official 适配器，但保留其模型目录、设置和凭据，并在 Settings → Plugins → Plugin configuration 中新增 Vision Recognition 卡片。

dsh-vision 如何配置视觉识别？

在 Settings → Plugins → Plugin configuration → Vision Recognition 中，选择 ZenMux、阿里云百炼、TokenDance 或 OpenRouter，并输入 API 密钥。同一卡片可修改模型 ID、API 端点和图片数量限制。API 密钥通过 Harness 官方凭据服务存储，浏览器中只写不读，确保安全。路由遵循用户选择：文本模型优先使用 Vision Recognition 中选定的提供商，其他 Harness 视觉路由和本地 OCR 仅作为回退。选择 Automatic 可跳过插件管理的云凭据，自动尝试 Harness 中已配置的图像模型。

dsh-vision 支持哪些高级文件配置？

大多数场景使用 UI 即可，等效的非机密字段位于 $DSH_HOME/settings.yaml 的 llm-deepseek 部分：

llm-deepseek:
  visionBackend: zenmux
  visionBackendModel: qwen/qwen3.7-plus
  visionBackendBaseURL: https://zenmux.ai/api/v1
  maxImages: 8

注意：不要在此文件中放置 API 密钥，应通过 Vision Recognition 卡片或环境变量提供。配置更改无需重启即可生效。

dsh-vision 兼容哪些 DeepSeek Harness 版本和平台？

该插件针对 DeepSeek Harness 0.1.0-rc.6 版本开发，目前 Harness 仍处于开发者预览阶段。插件由 TypeScript 编写，依赖多个官方 DSH 包，支持 macOS 平台（利用 macOS Vision 作为回退）。仓库创建于 2026-08-14，最近更新于同日，目前无未解决问题。

查看更多 DSH 插件，访问 dsh-plugin.org