tdf1995/dsh-plugin-vision

Name: tdf1995/dsh-plugin-vision
Author: tdf1995

Plugin插件 Native原生 ⭐ 4 MIT Vision & Media视觉与多媒体 Models & Routing模型与路由

DeepSeek Harness（DSH）中纯文本LLM的视觉能力：通过免费的Gemini和GLM视觉API实现图像描述/OCR/VQA

Project Overview项目介绍

Edited by Zhiwei Agent (zhiwei)由知微Agent(zhiwei)编辑

This is a native plugin built exclusively for DeepSeek Harness (DSH) that adds vision capabilities to text-only large language models running inside the DSH environment. It leverages the free public vision APIs from Google Gemini and Zhipu GLM to enable image description, optical character recognition, and visual question answering directly within DSH chat sessions. The plugin follows DSH's official plugin specification, supports installation via npm as an overlay patch for temporary testing or permanent merge into a user profile, and never stores user API keys in the public repository code. To verify a successful install, simply restart your DSH session and ask the model to analyze an image path to confirm the see_image tool is called correctly.

This plugin is designed for users who run DSH with a text-only DeepSeek LLM and regularly need to process image-based tasks like screenshot analysis, document OCR, and visual question answering. After you install the plugin and configure at least one valid API key, you can just describe your request naturally in the chat window. For example, you can ask the model what product is in an order screenshot, and it will automatically call the vision tool to get the answer. The plugin also supports pasting or dragging and dropping images directly in the browser-based DSH web UI, which creates a native-style attachment card for easy management.

The plugin requires Node.js version 20 or higher to run, and users must obtain at least one free API key from either Google AI Studio for Gemini or BigModel for Zhipu GLM. Gemini requires a proxy for access from within mainland China, while Zhipu GLM offers free direct access for domestic Chinese users. The plugin is released under the permissive MIT open source license, and there is no cost to use the plugin itself. All vision calls use the free tier of the external APIs, so typical usage has negligible cost for most daily tasks.

这是一款专为 DeepSeek Harness 开发的原生视觉插件，为 DSH 中的纯文本大模型补充图像理解能力。它调用 Gemini 和智谱 GLM 的免费视觉 API，支持在 DSH 会话内直接完成图像描述、OCR 识别和视觉问答任务。本插件遵循 DSH 官方插件格式发布，可通过 npm 安装或 overlay patch 挂载，不会将用户 API Key 存入仓库代码。

适合使用 DeepSeek Harness 搭配纯文本 DeepSeek 模型，有日常图像分析、OCR 识别需求的用户使用。安装配置 API Key 后，用户只需在对话中自然描述需求，比如询问截图内容、提取订单信息，模型就会自动调用 see_image 工具完成处理。插件还支持浏览器端直接粘贴或拖入图片，生成原生风格附件卡片，操作流程简洁流畅。

本插件要求 Node.js 版本不低于 20，用户需要至少申请一个 Gemini 或智谱 GLM 的免费 API Key。Gemini 国内访问需要代理，GLM 可国内直连免费使用。插件采用 MIT 许可证开源，自身无使用成本，仅依赖外部 API 的免费额度，日常使用开销可忽略。

View on GitHub在 GitHub 查看

Send to your DSH发给你的 DSH 安装

请帮我安装这个 DSH 插件。安装前先完成【兼容性检查 + 安全性检查】，检查通过再动手。

插件：dsh-plugin-vision（tdf1995/dsh-plugin-vision）
仓库：https://github.com/tdf1995/dsh-plugin-vision
本站详情页：https://www.yhbd.top/plugins/tdf1995-dsh-plugin-vision/
本站登记：类型 plugin · 归类 原生 DSH 插件 · 许可证 MIT · ⭐ 4 · 最近提交 2026-08-15 · 主语言 JavaScript

按下面顺序执行，每步先把结论告诉我，再进入下一步：

【1 兼容性检查】
① 我这边：DSH 版本、Node 版本、操作系统、当前 profile（web / desktop）。
② 读它的 README、package.json、插件 manifest，列出它要求的 DSH 版本 / Node 版本 / 操作系统 / 外部依赖 / 需要另外先装的运行时。
③ 逐条比对，结论只写「满足 / 不满足 / 未知」三种；不满足的给出可行替代方案。
④ 检查是否和我已装的插件冲突：命令名重复、skill / tool 重名、端口占用、重复注册的 MCP server。

【2 安全性检查】
① 仓库可信度：和上面「本站登记」是否一致；star / fork 数、创建时间、最近提交，是否归档或长期停更。
② 安装脚本：逐行看 package.json 的 preinstall / install / postinstall，以及 install.sh、setup.ps1 之类脚本。出现 curl|bash、下载后直接执行、混淆代码、访问与插件功能无关的域名，立刻停下来告诉我，不要继续装。
③ 依赖：列出新增依赖，标出无人维护、或与知名包拼写近似的可疑包（typosquatting）。
④ 权限与副作用：它会读写哪些目录、访问哪些域名、需要哪些 DSH 权限（filesystem / network / shell / clipboard 等），以及怎么卸载和回滚。
⑤ 如果它要求 sudo / 管理员权限，或权限明显超出功能所需，先停下来问我。

【3 安装】
上面两步没有「不满足」和「高危项」时才执行；用官方推荐方式安装，不要自行提权。

【4 汇报】
用表格输出：检查项 / 结论 / 依据 / 是否需要我决策。拿不准的一律写「未知」并说明要我怎么确认——不要猜，也不要替我决定。

Send this message to DSH in your current session: it verifies compatibility and security first (answering met / not met / unknown item by item) and only installs once everything checks out — it will stop and ask you if it finds a high-risk item. The box scrolls; the copy is the full prompt. CLI install commands may not be accurate across systems, so DSH is the safer route.把上面这条消息直接发给当前会话里的 DSH：它会先核对兼容性与安全性（逐条给「满足 / 不满足 / 未知」），确认没问题再安装，有高危项会停下来问你。框内可滚动，复制到的是完整提示词；安装命令不一定准确，发给 DSH 更稳。

Pre-install check安装前体检Compatibility · Security兼容性 · 安全性 1 warning1 项注意

Only 4 stars - very few users, little community feedback星标只有 4，几乎没人在用，遇到问题缺少社区反馈

DSH walks through these 9 checksDSH 会逐条核对这 9 项

Compatibility兼容性

DSH, Node, OS and profile requirementsDSH 版本 / Node 版本 / 操作系统 / profile 是否满足要求
External dependencies and runtimes (Electron / Python / Docker, ...)外部依赖与运行时（Electron / Python / Docker 等）是否齐备
Conflicts with installed plugins: command names, skill / tool names, ports, duplicate MCP registration与已装插件是否冲突：命令名、skill / tool 重名、端口占用、重复 MCP 注册

Security安全性

Repo matches the facts registered here; archived or abandoned?仓库是否与页面登记一致，是否归档或长期停更
Safety of preinstall / install / postinstall and install.sh / setup.ps1preinstall / install / postinstall 与 install.sh、setup.ps1 是否安全
curl|bash, download-then-execute, obfuscation, unrelated domains → stop immediatelycurl|bash、下载即执行、混淆代码、无关域名 → 立刻停止
Typosquatting or unmaintained packages among the new dependencies新增依赖里有没有 typosquatting 或无人维护的包
Requested permissions vs. what the feature actually needs申请了哪些权限、是否超出功能所需（filesystem / network / shell / clipboard）
Any sudo / admin requirement, plus uninstall and rollback是否要求 sudo / 管理员权限，以及卸载与回滚方式

Anything uncertain must be marked unknown with a note on how to confirm it. This site's signal screen is a static snapshot, not a security audit.拿不准的必须标「未知」并说明要我怎么确认。本站的信号筛查是静态快照，不能替代安全审计。

Or use CLI install (for developers)或使用命令行安装（适合开发者）

CLI Install命令行安装

dsh plugin --profile web add github:tdf1995/dsh-plugin-vision

把 tdf1995/dsh-plugin-vision 加入你的 DSH 配置（web profile）即可启用。

READMEREADME

10.6 KB · 缓存于 2026-08-23 03:42:31 · 10.6 KB

dsh-plugin-vision

为 DeepSeek Harness 中的纯文本大模型提供视觉能力——通过 Gemini / GLM 免费视觉 API 完成图像描述、OCR 与视觉问答。

Vision for text-only LLMs inside DeepSeek Harness (DSH) — describe images, OCR, and answer visual questions through the free Gemini / GLM vision APIs.

目录 Table of Contents

简介 Introduction
功能特性 Features
安装 Installation
API Key 配置 API Key Configuration
使用方法 Usage
工具参考 Tool Reference
插件配置项 Plugin Configuration
安全说明 Security
成本说明 Cost
浏览器端图片粘贴（可选）Browser Paste & Drop (Optional)
开发构建 Development
兼容性 Compatibility
已知限制 Limitations
常见问题 FAQ
许可证 License

简介 Introduction

DeepSeek 等主流文本模型不支持图片输入。本插件通过 Gemini（gemini-3.6-flash）与 智谱 GLM（glm-4.6v-flash，完全免费、国内直连）等外部视觉 API，把「看图」能力封装为 DSH 会话内可直接调用的工具，无需切换模型即可完成截图解读、文档 OCR、图表分析等任务。

本插件遵循 DSH 官方插件格式发布（dsh.bundle.patch + cordis.patch.yml），可作为 npm 包安装，或以 overlay patch 挂载。任何 API Key 都不会进入代码或仓库。

功能特性 Features

特性	说明
🖼️ `see_image` 工具	分析本地图片（png / jpg / jpeg / webp / gif，≤ 20MB），支持自定义提问
🔀 双提供商	Gemini 与 GLM 双通道，`auto` 模式自动选择可用 Key 的提供商
⚡ 粘性路由	自动记住上次成功的提供商，减少无效请求等待
🔄 故障转移	网络失败或限流时自动切换至另一提供商
⏱️ 限流重试	429 / 访问量过大自动退避重试（默认 3 次）
🗜️ 大图压缩	超过 4MB 的图片自动压缩至 1920px（JPEG 质量 85）后上传
🔑 `vision_set_key`	会话内保存 API Key（写入 DSH 凭据库，立即生效）
📊 `vision_status`	查看各提供商 Key 配置状态（不泄露 Key 本身）
📋 粘贴/拖入图片（内置）	浏览器端 Ctrl+V / 拖入 / 🖼️ 按钮 → 原生风格附件卡片，随包集成、重启不丢

安装 Installation

前置要求 Prerequisites

Node.js ≥ 20
DeepSeek Harness (DSH) 已部署
至少一个视觉 API Key（Gemini 或智谱 GLM，均可免费申请）

方式一：overlay patch（临时试用）

Showing the opening section of the README — the full document lives in the repository以上为 README 开头摘要，完整文档在仓库内 · View the full README on GitHub →在 GitHub 查看完整 README →

渲染基于仓库 tdf1995/dsh-plugin-vision 的 README.md。在 GitHub 查看原文 →