DeepSeek Harness 怎么让 AI 看图？DSH 图片理解能力的开关、视觉模型配置与看图插件 ModLens

DeepSeek Harness 的图片理解能力来自模型，而不是插件：只有声明接受图片的模型才会收到图片，手填的自定义模型默认按纯文本处理。 这篇按「能力从哪来 → 三个字段怎么写 → 插件补什么 → 报错怎么分流」讲完，最后把两种图片报错分开。

DeepSeek Harness 的图片能力来自模型，而不是插件

决定「能不能收图」的是模型自身的模态声明：只有声明了图片输入的模型才会收到图片，而声明只是对端点的断言、不是检查（来源）。 三条要认清的边界：

1. 模型说了算 — 模型声明接受图片，请求才带得上图片；没声明的手填自定义模型一律按纯文本处理。预期：给纯文本模型附图片，会在发送前被拒并点名该模型。
2. 声明是断言，不是检测 — 写了 image 不代表端点真的支持。预期：端点不支持的模型不会被 DSH 拦下，而是由提供方在请求阶段拒绝。
3. DeepSeek 自身的 chat-completions 路由是纯文本的 — 并且无法通过配置改变。预期：想让 DeepSeek 模型看图，得走外挂路线（看图插件）或换到声明了图片能力的模型。

DeepSeek Harness 怎么开图片能力：input、defaultInput 与 modelOverrides

input 写在单个模型上、defaultInput 是路由级回退值（默认 [text]）、目录提供方的模型则用 modelOverrides 收窄——三者位置不同、语义也不同（来源）。 按场景挑一个：

1. 只给某个模型开图 — 在该模型的 input 下写 [text, image]：

   yaml

   models:
     - id: legacy-chat
     - id: vision-preview
       input: [text, image]
   

   预期：一条路由可同时服务两类模型，input 只作用于写了它的那个模型。

2. 给整条路由的手填模型统一开图 — 在路由上写一次 defaultInput：

   yaml

   vision-gateway:
     defaultInput: [text, image]
     models:
       - id: first-model
       - id: second-model
   

   预期：目录未描述的模型按它作答；已经声明过图片能力的目录模型不受影响。

3. 收窄目录里那个「本来就能看图」的模型 — 用 modelOverrides 以模型 id 为键写它自己的 input：

   yaml

   anthropic:
     modelOverrides:
       claude-sonnet-4-5:
         input: [text]
   

   预期：该模型被按纯文本处理，其余目录模型不受牵连。

4. 守住两条语法约束 — 除模型自身的列表外，每个模态列表至少要写一项；未知模态在任何位置写入都会被拒绝。预期：写得不对会在配置层面直接报错，而不是等到请求时才暴露。

省略 input、或把它写成空列表，两者同义：保留已安装目录为该模型记录的模态。想按报错反查配置的完整流程，见《模型不支持图片怎么修》。

DeepSeek Harness 的看图类插件补什么：以 ModLens 为例

看图类插件解决的是另一半问题：模型本身不接受图片时，先把图片转成它能读的证据。以生态里的 modlens 为例，它在聊天里粘贴图片后输出结构化 JSON 证据（OCR、版面、语义），让模型引用具体细节而不是凭空想象（来源）。 这类插件的典型分工是：

1. 自动发现并包装符合条件的纯文本路由 — 例如文本型的 DeepSeek、GLM 模型会被包装出可选的视觉条目，原生视觉模型自动排除。预期：不用逐个模型手改配置。
2. 零配置启动 — 复用你已有的模型配置，装上就有可用条目。预期：装完在模型选择器里能看到带视觉标记的条目。
3. 粘贴即读 — 直接粘贴图片，由插件转换成结构化证据再交给模型。预期：模型拿到的是文本证据，因此纯文本模型也能处理图片内容。
4. 把插件能力和模型能力配起来看 — 插件补的是转换链路，模型声明决定能不能直接收图。预期：两者要匹配，指望插件「让不支持图片的模型直接收图」是对不上的。

插件市场是发现与安装插件的图形化入口，DSH Plugin Hub 把搜索、分类、版本与更新收在一页里，按分类或关键词就能找到看图类插件和它们的详情页。

DeepSeek Harness 图片报错怎么分流：发送前被拒 vs 提供方拒绝

两种报错指向完全不同的原因：发送前被拒是「模型没声明图片模态」，提供方拒绝是「声明了端点并不提供的能力」（来源）。 按现象分流：

1. 图还没发出去就被拒 — 该模型未声明图片模态。预期：给自定义提供方的模型补上 input: [text, image]；若模型是 DeepSeek 自身的 chat-completions 路由，则无法通过配置改变，得换模型或走看图插件。
2. 请求发出后被提供方拒绝 — 模型声明了端点实际并不提供的图片能力。预期：从授予它图片能力的那个列表里移除 image——可能是模型的 input，也可能是路由的 defaultInput。
3. 改完配置仍然反复失败 — 开启新会话再试。预期：附加的图片会留在会话日志里，只要还待在原会话，同一个请求就会不断重放。
4. 报错是转码/Base64 相关，而不是模态相关 — 那是图片编码链路的问题，不是模态声明。预期：按《图片 Base64 400 修复》分流，别去改 input。

DeepSeek Harness 图片理解能力的注意事项与局限

1. 模态声明不等于真实能力：input 与 defaultInput 都是对端点的断言，写错了不会在本地被拦下，只会在请求阶段被提供方拒绝。
2. DeepSeek chat-completions 路由改不了：它本身是纯文本的，这不是配置项能解决的问题，只能换模型或外挂视觉插件。
3. defaultInput 不会削掉目录模型的能力：它是回退值，想收窄必须用模型自己的 input 或 modelOverrides。
4. 改模态后记得换会话：历史消息里的图片会让旧请求持续重放，不清会话就看不到修复效果。
5. 插件能力不能替代模型能力：看图插件把图片转成证据喂给模型，改变不了模型是否声明接受图片这一点。

想把图片相关的模型配置整体调一遍，回到《DeepSeek Harness 怎么配置》；想看插件生态的全貌，进 DSH Plugin Hub 的插件市场按分类浏览。

来源：配置模型（官方文档）、liustack/modlens、dshplugin/dsh-plugin-hub