dsh-vision-ocr — 图片识别插件 | Image Recognition Plugin

DeepSeek Harness（DSH）图片识别插件：在对话输入框左侧添加「识别图片」按钮，选中图片后自动发送识别请求，让模型描述图中物品、场景、颜色及文字内容。

功能

• 输入框识别按钮：在对话输入框左侧（conversation.input.left 槽位）显示图片图标按钮。
• 多图选择：点击后弹出文件选择器，支持一次选择多张图片。
• 一键发送：选中图片后立即通过对话服务的草稿图片管线发送识别请求，消息携带真实的 image parts（需当前模型支持图像输入）。
• 错误提示：发送失败（如模型不支持图片、无活动会话）时在按钮上方显示错误气泡。
• 纯浏览器实现：宿主端为空占位，无任何密钥逻辑，全部行为在前端完成。

安装

1. 复制包文件

将本仓库整体复制到 DSH 的 plugins 目录下（按你的部署方式，也可能在 profile 的 node_modules 下）：

# 以本机 plugins 目录为例
Copy-Item -Recurse . "D:\deepseek harness\plugins\dsh-vision-ocr"

2. 注册插件

在 profile 的补丁配置（例如 ~/.dsh/profiles/web/cordis.patch.yml）中插入：

- insert:
    - id: vision-ocr
      name: "@deepseek-ai/dsh-vision-ocr"
      inject: ["slots", "conversation", "sessions"]
      config: {}

3. 重启并刷新

重启 DSH，然后在浏览器中硬刷新（Ctrl+F5）页面。对话输入框左侧会出现图片图标按钮。

使用前提：自行配置支持图像的模型与 API Key

本插件不附带任何模型或密钥，识别请求通过你当前会话已配置的模型发送。使用前请确保满足以下条件，否则发送会被 DSH 拒绝并提示 attachment-error: Model "xxx" does not support image input.：

1. 选择支持图像输入的模型：在 DSH 的模型设置（Models 设置页）中，为当前会话选择一个支持 image 输入模态的视觉模型，例如：
   • 智谱 GLM-5V-Turbo 等 GLM-4V/5V 系列
   • 其他任何声明支持图像输入的模型（如部分多模态开源/云端模型）
2. 配置该模型的 API Key：通过 DSH 的 credentials 服务（Models 设置页）保存对应提供商的 API Key，或在启动 DSH 的环境变量中导出。
3. 当前会话使用该模型：识别按钮发送的请求走当前会话的模型选择，请确认会话已切换到视觉模型再使用。

本插件本身不读取、不存储、不传输任何 API Key——密钥仅由 DSH 的凭据体系管理与调用。

说明

• 模型要求：识别请求通过当前会话的模型发送，需要支持图像输入。若模型不支持图片，发送会被 DSH 拒绝并提示 attachment-error。
• 依赖 DSH 内置包：@deepseek-ai/dsh-client-runtime、@deepseek-ai/dsh-client-ui-conversation、@deepseek-ai/dsh-client-ui-slots 等（见 package.json peerDependencies）。
• 客户端 lib/client.js 是供 DSH web 加载的模块格式，请勿直接用浏览器打开。

License

MIT