dsh-vision-router 是什么？让 DeepSeek Harness 智能体用上像素级视觉

dsh-vision-router 是 DeepSeek Harness（DSH）的视觉路由插件，为纯文本智能体装上「眼睛」：把图像输入变成普通工具调用，内置免费视觉链路与 14 种像素级视觉工具，一条命令安装、无需 Python——DeepSeek 始终负责推理，视觉模型只在需要时看图。 本文介绍 dsh-vision-router 是什么、核心功能、安装更新卸载命令、典型用法与常见排错，助你在 DSH Plugin 生态中让智能体直接看图、多步操作图像。

dsh-vision-router 是什么？

dsh-vision-router 解决的是「DeepSeek 纯文本模型看不见图片」的问题：它把图像轮次直接路由给视觉模型处理，保持像素保真，DeepSeek 只负责推理。 以下定位与事实均来自官方 README（来源）：

dsh-vision-router（GitHub 仓库 ysr666/dsh-vision-router）由 ysr666 维护、采用 MIT 协议开源。大多数 DSH 视觉插件把图片转成文字描述给 DeepSeek，属于「描述桥接」、有损；dsh-vision-router 走「路由桥接」——图像轮次直接交给视觉模型，像素保真，DeepSeek 只做推理。它内置免费视觉链路（五模型 OVHcloud 匿名回退，无需账户和密钥），并提供 14 种像素级视觉工具。工具层设计参考了 Anionex 的 dsh-vision-toolkit 等社区项目，但代码全部独立实现。它是 DSH Plugin 生态的一员，属于工具类插件。

dsh-vision-router 的核心功能有哪些？

dsh-vision-router 的核心能力围绕「路由桥接 + 免费视觉链路 + 14 种像素级工具 + 多步图像工作」展开：DeepSeek 永远是大脑，视觉模型只是被调用的眼睛。 这些能力全部来自官方 README（来源）：

• 路由桥接而非描述桥接：图像轮次直接交给视觉模型，保持像素保真；DeepSeek 负责推理，文本轮次在模型、成本和上下文上都不受影响。
• 免费内置视觉链路：默认五模型 OVHcloud 匿名回退，无需账户和密钥（每模型每 IP 每分钟 2 次请求，理论上合计约 10 RPM）；用户配置的视觉模型优先运行。
• 14 种像素级视觉工具：问答、定位、元素检测、裁剪、像素差异、取色、OCR、SVG 描摹、抠图、HTML 截图、长截图 OCR 等，全部运行在 sharp、potrace、tesseract 与系统 Chrome 上，无需 Python。
• 连续多步图像操作：一个图像轮次就是调用工具的文本轮次，例如 vision_ground → vision_crop → vision_describe → vision_pixel_diff，代理可迭代直到任务完成。
• 能力感知自动路由：可开启 Auto 模式，基于实测能力证据给已配置模型排序，绝不从模型名字猜测能力。
• 可验证的像素循环：参考图 → vision_html_screenshot → vision_pixel_diff（差异比例 + 最差 8×8 网格区域）→ 修复 → 复测，让 UI 还原可量化（README 示例最终差异 2.54%）。

怎么安装与启用 dsh-vision-router？

安装 dsh-vision-router 只需一条命令，装完自动接线组合补丁，随后在 composer 开启「👁 Vision」控制即可像普通工具调用一样使用图像轮次。 前置要求：DeepSeek Harness Web profile、Node ≥ 22（来源）：

1. 安装 dsh-vision-router：在 DSH 终端执行安装命令，把插件装进当前 profile：

npx @deepseek-ai/dsh plugin --profile web add dsh-vision-router

等待命令输出安装完成；从 Harness 源码检出时用 pnpm dsh plugin --profile web add dsh-vision-router。

2. 验证安装：检查配置里出现 vision-router 行：

npx @deepseek-ai/dsh --profile web --dump-config | grep vision-router

看到 vision-router 即安装成功；首次装入长期运行的 Web 进程后，让该进程 reload 一次以发现插件包。

3. 启用「👁 Vision」控制：需要看图时，在 composer 旁点击「👁 Vision」直到显示「👁 Vision ✓」，再粘贴或上传图片——粘贴或上传图片不会自动开启视觉（来源）。

4. 更新 dsh-vision-router：执行 npx @deepseek-ai/dsh plugin --profile web update dsh-vision-router 可直接更新，但 pnpm v11 会静默保留 24 小时内发布的新版本、更新可能不生效；推荐显式指定版本安装：

npx @deepseek-ai/dsh plugin --profile web add dsh-vision-router@<version>

也可在「设置 → Vision Router」里一键更新，设置会随 profile 保存、升级不丢。

5. 卸载 dsh-vision-router：执行卸载命令，移除依赖与 bundle 层：

npx @deepseek-ai/dsh plugin --profile web remove dsh-vision-router

卸载会移除依赖与 bundle 层；若曾手动禁用官方 DeepSeek 行，记得在 profile 补丁里恢复。

dsh-vision-router 典型用法

安装后默认启用，日常使用只需四步：开启视觉控制 → 传图 → 让代理调用视觉工具 → 迭代直到满意。 以下四个步骤覆盖从看图问答到像素级还原的典型用法。

1. 开启「👁 Vision」并发送图片：在 composer 点击「👁 Vision」直到显示对勾，粘贴或上传图片后发送。视觉模式跨发送保持、不会自动重置；切换普通模型会关闭它。

2. 让代理看图问答或定位元素：直接提问即可，代理会调用 vision_describe 等工具；需要定位时用 vision_ground：

vision_ground image="ref.png" target="the send button"
vision_describe paths=["ref.png","impl.png"] question="list the differences" json=true

3. 做像素级差异验证：还原界面后对比参考图，用 vision_pixel_diff 量化差异：

vision_pixel_diff original="ref.png" rebuilt="screenshot.png"

输出差异比例与最差 8×8 网格区域，继续修复直到收敛。

4. 本地 HTML 截图与长截图 OCR：用 vision_html_screenshot 截取本地 HTML 页面，用 vision_long_screenshot_ocr 转录长截图：

vision_html_screenshot source="page.html" width=1200 height=720 fullPage=true
vision_long_screenshot_ocr image="chat-log.png" chunkHeight=1200 overlap=120

dsh-vision-router 常见问题与排错

以下四个问题来自官方 README 的 Troubleshooting 章节：与 dsh-web-ui 共存、UTF-8 BOM 启动失败、新版本不生效、旧 sharp 冲突，排错命令照抄可用（来源）：

1. 与 dsh-web-ui / dsh-web-ui-all 一起用时图片被改写：症状：两个插件共存时，图片上传被转成 describe-image 引用，视觉插件收不到原始图片。原因：dsh-web-ui 的发送钩子会重写图片上传。解决：到「设置 → Plugin config → Image understanding」关闭「Rewrite images to describe-image references on send」（或设置 interceptImageSend: false），该开关每次发送时读取，无需重装钩子或重启。

2. 启动即失败，报 Unexpected token ... is not valid JSON：症状：dsh web 启动立即退出，报 JSON.parse 错误。原因：profile 的 package.json 被编辑器存成 UTF-8 带 BOM，开头的不可见字符让 JSON.parse 失败。解决：跑修复命令，它会移除 BOM 并重新校验 JSON：

npx dsh-vision-router repair --profile web

只诊断不修改用 npx dsh-vision-router doctor --profile web。

3. 更新后新版本不生效（downloaded 0 / added 0）：症状：执行更新后提示下载 0 个、添加 0 个，功能没有变化。原因：pnpm v11 会静默保留 24 小时内发布的新版本。解决：显式安装目标版本 dsh plugin --profile web add dsh-vision-router@<version>，或运行 npx dsh-vision-router repair 解除版本固定。

4. 升级后像素工具报 colourspace: parameter space not set：症状：从早期版本升级后，vision_* 像素工具报颜色空间错误。原因：旧版 sharp 0.34.0 残留在 profile 里，与宿主的 sharp 0.35.3 在同一进程冲突。解决：删除 profile 下 node_modules/sharp 与 node_modules/@img 目录后重启，或在 profile 目录重跑 pnpm install。

适用场景与注意

dsh-vision-router 适合所有需要让 DeepSeek 看图的场景：UI 还原与验证、截图问答、图标或 UI 元素定位、OCR 提取、取色与 SVG 描摹等。 典型场景包括前端还原（用像素循环量化差异）、UI 自动化测试后的视觉核对、长截图文字提取、设计稿问答与元素定位（来源）。注意事项：免费链路默认限速（每模型每 IP 每分钟 2 次请求），量大时建议配置免费密钥通道或本地 Ollama；vision_screenshot 桌面截图默认关闭、需显式开启；vision_html_screenshot 需要系统 Chrome，其余工具不需要浏览器；图片中的文字被当作不可信证据，代理不会执行图内指令（来源）。

项目链接

dsh-vision-router 是 ysr666 维护的 MIT 开源项目。 插件详情页：dsh-vision-router 插件详情。

本页是基于该插件官方 README 独立重写的导读——权威文档和最新变更请以源头为准：ysr666/dsh-vision-router。插件是安装时就在你机器上运行的第三方代码；收录不代表背书——安装前请自行审阅源码。