dsh-img

给纯文本模型装上眼睛 · Give text-only models eyes — a DeepSeek Harness plugin that adds an analyze_image tool, bridging any text-only coding agent to a vision API.

• 🇨🇳 零成本开箱：默认接智谱 GLM-4V-Flash（免费），备选通义 Qwen-VL（免费额度）
• 📦 npm 一键安装：纯 JavaScript、零构建步骤（对比 GitHub 源码类插件的手动构建）
• 🔌 任意端点：custom 预设支持任何 OpenAI 兼容视觉端点（中转站 / 自建 vLLM / GPT-4o…）

安装（Install）

前置条件：Node.js ≥ 20；已装 dsh 本体（npm i -g @deepseek-ai/dsh，跑 dsh web 能开 http://127.0.0.1:3080 即可）；智谱免费 key 一分钟申请：https://open.bigmodel.cn/

① 装插件（一条命令）

dsh plugin --profile web add dsh-img

它会在 ~/.dsh/profiles/web/ 里执行 pnpm 安装并登记 bundle。如果报"找不到版本"，是 npm 镜像同步延迟，绕开镜像走官方源：

cd ~/.dsh/profiles/web && pnpm add dsh-img --registry https://registry.npmjs.org

② 配 API key

export ZHIPU_API_KEY=your-key-here   # 写进 ~/.zshrc 才持久

③ 重启服务（key 必须注入到 dsh 进程）

pkill -f "dsh web"
ZHIPU_API_KEY=your-key-here dsh web

④ 新建会话，直接贴图进对话框，或对 agent 说：

用 analyze_image 看一下 ./screenshot.png 里写了什么

切换后端（Switch backend）

编辑 profile 的 cordis.patch.yml（$DSH_HOME/profiles/web/cordis.patch.yml），按 id 覆盖整行：

- id: image-bridge
  name: dsh-img
  config:
    preset: qwen        # zhipu | qwen | custom

通义 key 用 export DASHSCOPE_API_KEY=...。

自定义端点（中转站等）：

- id: image-bridge
  name: dsh-img
  config:
    preset: custom
    baseURL: https://your-gateway/v1
    model: gpt-4o
    apiKeyEnv: MY_GATEWAY_KEY

两种用法（Two ways to see）

① 对话框直接发图（0.2.0+，默认开启）——直接把图片贴进 dsh web 对话框即可。插件会把附件图片先转译成文字描述，再交给纯文本模型。看到"当前模型不支持图片"是 0.1.x 的旧行为，升级后不会再出现。

② analyze_image 工具——让 agent 读磁盘上的图片文件（headless / SDK / 子代理场景也能用）：

用 analyze_image 看一下 ./screenshot.png 里写了什么

配置项（Config）

字段	默认	说明
preset	zhipu	zhipu(GLM-4V-Flash 免费) / qwen(Qwen-VL 免费额度) / custom
baseURL	预设值	OpenAI 兼容端点；custom 必填
model	预设值	视觉模型 id
apiKeyEnv	预设值	存放 key 的环境变量名
timeoutMs	60000	单次请求超时
maxImageMB	10	图片大小上限
detail	auto	auto / low / high
chatBridge	true	对话框直发图：声明图片输入能力 + 请求前把附件转译成文字
bridgePrompt	内置	附件转译时发给视觉模型的问题

工具（Tool）

analyze_image(path, question)

• path：图片绝对路径，或相对工作区根目录的路径
• question：要从图里得到什么（OCR / 布局 / UI 还原 / 图表解读…）
• 返回视觉模型的文字答案，进纯文本模型的上下文

支持 .png .jpg .jpeg .webp .gif .bmp。

排错（Troubleshooting）

报错	原因与解法
Vision API key not found	key 没注入 dsh 进程；按上方第三步带 key 重启
Vision API HTTP 401	key 错误或未开通对应模型
Unsupported image type	转了不支持的格式；先转成 png/jpg
Image too large	超过 maxImageMB；调大配置或压缩图片
所有工具调用崩 reading 'prepare'	装的是 ≤0.2.3 旧版（双实例 bug）；pnpm add dsh-img@latest 升级
贴图后模型答非所问	检查图里是否有旧指令文字——模型会把图中文字当上下文读
旧会话持续报 tool_calls 错	该会话已被旧 bug 毒化（append-only 日志），新建会话即可

English

A zero-build plugin for DeepSeek Harness. One command to install, one env var to configure, and your text-only model (e.g. DeepSeek's chat route) gains image understanding through the analyze_image tool. Ships with free Chinese vision backends (Zhipu GLM-4V-Flash, Qwen-VL) and a custom preset for any OpenAI-compatible endpoint.

dsh plugin --profile web add dsh-img
export ZHIPU_API_KEY=...   # free at https://open.bigmodel.cn/

License

MIT