dsh-vision-router：DeepSeek Harness 的视觉路由插件，让纯文本智能体拥有眼睛

它是做什么的？

dsh-vision-router 是 DeepSeek Harness（DSH）的视觉路由插件，为纯文本的 DSH 智能体提供“眼睛”。它解决 DeepSeek 无法直接“看”图片的问题，将图片输入转为普通的工具调用，内置免费视觉链路（无需密钥）和像素级视觉工具，支持问答、定位、裁剪、像素差异、取色、OCR、SVG 描摹、抠图、截图等。该插件由 ysr666 维护，采用 MIT 协议，最近更新于 2026-08，安装后无需 Python 环境。

核心功能

• 像素级视觉工具：提供 14 种深度视觉工具，包括视觉问答、grounding、裁剪、像素差异、颜色提取、OCR、SVG 描摹、抠图、HTML 截图等，支持连续多步图像操作。
• 免费内置视觉链路：默认使用五模型 OVHcloud 匿名回退，无需账户和密钥，用户提供的视觉模型优先运行。
• 路由桥接而非描述桥接：将图像直接交给视觉模型处理，保持像素保真，DeepSeek 仅负责推理，文本轮次不受影响。
• 透明且可缓存：上传的图片在对话界面正常显示，模型调用内部重写，答案按图像内容缓存，支持 JSON 模式。
• 能力感知自动路由：v2.0.0 起支持能力感知的自动路由和基准测试，显式启用“👁 Vision”控制。

怎么使用这个插件？

在 DSH 中启用后，当需要处理图像时，在 composer 中开启“👁 Vision”控制，然后像普通工具调用一样使用图像轮次。插件会自动将图像路由到视觉模型，并执行相应的视觉工具（如 vision_ground、vision_crop、vision_describe、vision_pixel_diff 等），智能体可迭代直到任务完成。无需手动编辑文件，安装时自动接线组合补丁。