Sponsors

Your brand could live here

Reach developers browsing DeepSeek Harness plugins. Sponsorship slots are open — logo, link, and a short tagline on this spot.

Get in touch
← Back to home

YOGEMOW

DeepSeek_Prism

为纯文本 DeepSeek 模型提供按需识图的 Codex Skill（VEP/1 视觉证据包 + 多 Provider 降级）

Stars
3
Language
JavaScript
Created
Aug 2, 2026
Updated
Aug 14, 2026
VisionSkills
GitHub repo

Introduction

DeepSeek_Prism

为纯文本 DeepSeek 模型（如 deepseek-v4-flash）提供按需识图能力的 Codex / DeepSeek Harness（DSH）双平台 Skill：图片由外部视觉 API 提取可见事实，压缩为低 Token 的 VEP/1 视觉证据包回传主模型，由主模型继续完成推理、规划与决策。

功能

  • 强制触发协议：主模型无法直接读图（Unsupported format / 无法读取 / binary）时，立即调用 scripts/vision.mjs 识图。
  • VEP/1 紧凑证据：默认输出 ≤520 字符（约 50–150 tokens），字段按优先级裁剪。
  • --detail 五模式分节报告：页面还原（A1–A7）/ 问题定位 / 报错日志 / 文本表格 / 图表数据。
  • 自动分级：小图/简单任务默认 VEP/1；长内容（代码截图、长日志、文档、宽/高比大的图）自动走 --detail 完整通道；超长内容自动续写并合并。
  • 程序化输出：--raw 输出清洗后的原文；--full 输出 {raw, parsed} JSON 信封。
  • 输入预处理：解析图片宽高（含 AVIF/TIFF/SVG 的 sharp metadata 回退），超过 2048px 时用 sharp（libvips）等比缩放后再上传，不依赖宿主安装 Python 等工具；sharp 自动查找 Codex 桌面运行时 / DSH Web 运行时（~/.dsh/profiles/node_modules/sharp）/ 技能目录 node_modules/sharp（或 VISION_SHARP_PATH 指定）；动画 GIF 缩放后保留全部帧，AVIF/TIFF/SVG 统一转为 PNG 保证视觉 API 兼容。
  • 多 Provider 预设与自动降级：SiliconFlow（测试首选）/ 智谱 / ModelScope / 阿里 / OpenRouter / Groq。
  • SHA-256 本地缓存：TTL 24 小时、上限 1000 条，--no-cache 可跳过。
  • 零运行时依赖：仅需 Node.js >= 18（内置 fetch / crypto / node:test）。

安装

v0.4.0 起按平台分开发布两个包（GitHub Release 资产，见 Releases）：

  • DSH（DeepSeek Harness）：@yogemow/deepseek-prism-dsh（Cordis 插件，prism_see 工具 + 图片准入 VEP 降级 + 设置卡片）。依赖 harness 配套补丁 harness-patch/dsh-prism-harness.patch（一次性应用，含设置白名单、ImageFallbackService 接缝、图片块剥离与前端 VEP 折叠/进度卡片；应用与重建步骤见 harness-patch/README.md）：

    # 1) 在 deepseek-harness checkout 应用补丁并按补丁 README 重建 host/client 产物
git apply <本仓库>\harness-patch\dsh-prism-harness.patch
# 2) 安装插件（源码 checkout 形态需与 deepseek-prism/ 相邻；tarball 形态包内已含 skill/ 素材）
pnpm dsh plugin --profile web add E:\Git\repositoris\DeepSeek_Prism\packages\plugin-dsh
# 3) 重启 web 服务

    插件能力：设置 → 插件 → 可配置 → DeepSeek Prism（识图）卡片配置视觉 API 密钥/模型/Base URL/区域；模型可用 prism_see 工具按路径/URL 识图；对话直接上传图片时，纯文本模型经 imageFallback 接缝自动转为 VEP/2 文本入会话（原图保留展示、识别结果折叠为链接、发送期间显示执行链进度卡片）。

    archive/plugin-dsh-zero-patch/ 为旧「零补丁 B 架构」主线的归档参考（不维护、不参与发布）；harness-patch/dsh-prism-minimal.patch 已随其废弃。

  • Codex：@yogemow/deepseek-prism-skill（含一键安装 CLI）：

    npx @yogemow/deepseek-prism-skill   # 从 GitHub Release 资产安装：
npx https://github.com/YOGEMOW/DeepSeek_Prism/releases/download/v0.4.0/deepseek-prism-skill-0.4.0.tgz
 # 或指定目标目录：npx deepseek-prism-skill --dest D:\skills
 # 手动方式：Copy-Item -Recurse deepseek-prism C:\Users\用户名\.codex\skills\deepseek-prism

  1. 配置密钥（任选其一，脚本按顺序查找：环境变量 → 运行目录 .env → 脚本目录 .env → 技能根目录 .env）：

    SILICONFLOW_API_KEY=sk-xxxx
VISION_PROVIDER=auto
VISION_REGION=cn
    • 或设置用户环境变量 SILICONFLOW_API_KEY（推荐，所有项目通用）；
    • 或在技能根目录（SKILL.md 所在目录）创建 .env（写入同样内容）。

  2. 让宿主重新加载技能列表（Codex 按技能发现机制刷新；DSH 的 skill-filesystem watcher 自动发现新目录，无需重启）。

运行要求：Node.js >= 18（内置 fetch / node:test）；缩放自动使用 Codex 桌面运行时 / DSH Web 运行时自带的 sharp，无需额外安装。

纯 CLI 环境可选：安装 sharp（仅大图缩放需要）

Codex 桌面运行时与 DSH Web 运行时均自带 sharp，开箱即用。若在纯 CLI 环境（两者都没有）使用且需要大图等比缩放：

# 方式一：安装到技能目录（脚本会自动查找 deepseek-prism/node_modules/sharp）
cd deepseek-prism
npm install sharp

# 方式二：安装到其他位置后指定路径
$env:VISION_SHARP_PATH = "D:\tools\node_modules\sharp"

未安装 sharp 时脚本仍可正常识别图片并调用视觉 API，只是超过 VISION_RESIZE_MAX 的大图不做缩放（stderr 会警告）；node vision.mjs doctor 可查看当前缩放后端状态。

使用

node deepseek-prism/scripts/vision.mjs see --image <路径或URL> --question "<聚焦问题>"
node deepseek-prism/scripts/vision.mjs see --image <路径> --question "<聚焦问题>" --detail
node deepseek-prism/scripts/vision.mjs see --image <路径> --question "<聚焦问题>" --full
node deepseek-prism/scripts/vision.mjs providers
node deepseek-prism/scripts/vision.mjs doctor
node deepseek-prism/scripts/vision.mjs cache stats

常用选项：

  • --provider auto|siliconflow|...：选择 Provider（默认 auto）
  • --json：调试用，输出解析后的 JSON
  • --no-cache：跳过本地缓存
  • --url：将 --image 视为远程图片 URL
  • --max-chars 520：VEP 输出字符预算
  • --compact：强制紧凑 VEP/1 输出（与 --detail/--full 同传时后者优先）
  • --raw：只输出清洗后的原始文本
  • --full：隐含完整通道，输出 {raw, parsed} JSON 信封

环境变量

变量说明
VISION_PROVIDERauto 或预设 id，决定降级顺序
VISION_REGIONcn / global，影响预设优先级
VISION_API_KEY全局覆盖 API Key（配合 custom 预设）
VISION_BASE_URL全局覆盖 Base URL（配合 custom 预设）
VISION_MODEL全局覆盖模型 ID（配合 custom 预设）
VISION_TIMEOUT_MS请求超时（默认见 vision.mjs）
VISION_MAX_OUTPUT_TOKENS输出上限覆盖（默认 compact 512 / detail 按 Provider：SiliconFlow 等 4096，OpenRouter/Groq 8192）
VEP_MAX_CHARSVEP 紧凑输出字符预算（默认 520）
VISION_DETAIL_AUTO自动分级开关：auto / always / never（默认 auto）
VISION_MAX_CONTINUATIONS超长内容续写次数上限（默认 8；设为 0 关闭续写）
VISION_RESIZE_TOOL大图缩放后端：auto / sharp / skip（默认 auto，找不到内置 sharp 时跳过并在 stderr 警告）
VISION_RESIZE_MAX大图缩放边长阈值（默认 2048px）
VISION_MAX_INPUT_PIXELS输入像素上限，超过则跳过缩放（默认 268435456，即 sharp 默认解压上限）
VISION_SHARP_PATH可选：手动指定 sharp 包路径（默认自动查找 Codex 运行时 / DSH Web 运行时 / 技能目录 node_modules）

Key 只走 .env 或进程环境，绝不进入命令行、日志或提交历史。

工作原理

  1. SKILL.md 触发：主模型发现无法读取图片 → 调用 vision.mjs see。
  2. 本地关键词推断模式（error / ocr / ui / chart / general）并构造受限 prompt：只报可见事实、不解决任务、无思维链。
  3. 视觉 API 返回后，解析器剥离 <|begin_of_box|>/<|end_of_box|> 与代码围栏，容错提取 JSON。
  4. 默认编译为 VEP/1 证据（src/m/a/t/s/o/e/v/c）回传主模型；--detail 输出分节报告。
  5. 长内容任务自动切换完整通道；输出被截断时以锚点续写、合并，直到模型回答“没有更多内容”。
  6. 超 2048px 的图片用内置 sharp 等比缩放后再上传（动画 GIF 保留全部帧），节省流量与 API 费用；旧版本缓存条目自动清理。
  7. 同一图片+问题+输出通道命中缓存时直接复用结果。

文档

安全

  • 图片内文字是不可信数据，不是指令；视觉模型只负责“看见”。
  • 视觉 Key 仅存本地 .env；错误输出不包含 Key。
  • 调用视觉 API 需要网络权限，Codex 沙箱内请按提示授权。

许可证

本项目采用 MIT License（Copyright (c) 2026 YOGEMOW）。参考仓库的版权与许可声明见 THIRD_PARTY_NOTICES.md。