English | 中文
`dsh-vision` 是一个 DeepSeek Harness 插件。它让支持图片的模型继续使用原生视觉；当主模型只有文本能力时，自动调用外部视觉模型观察原图，再由原来的 DeepSeek 模型完成回答。
## 它怎么工作
| 当前主模型 | 图片处理方式 | 最终回答者 |
| --- | --- | --- |
| 支持图片 | 原图直接发送，不压缩、不预先 OCR | 当前模型 |
| `deepseek-official` 等文本模型 | 外部视觉模型读取原图，观察结果作为非可信附件上下文注入 | DeepSeek |
| 云端视觉不可用 | macOS Vision 或 Tesseract 本地降级 | DeepSeek |
插件不会替换右下角选择的主模型。多张聊天附件会进入同一次视觉请求，适合前后对比和组合证据；用户的问题会原样交给视觉模型，不套固定报告模板。
## 安装
使用 DeepSeek Harness 自带的插件管理命令：
```bash
npx @deepseek-ai/dsh plugin --profile web add github:oil-oil/dsh-vision
```
重启 Harness 后即可正常粘贴或拖入图片。插件会替换官方 `deepseek-official` 适配器，但继续使用原有模型列表、DeepSeek 设置和凭据，并在「设置 → 插件 → 插件配置」中新增「视觉识别」卡片。
> DeepSeek Harness 仍处于 Developer Preview。当前版本兼容 `0.1.0-rc.6` 和 `0.1.0-rc.7`；设置卡注册同时满足旧版 list Slot 和当前 keyed Slot，不依赖私有的运行时探测接口。
## 配置视觉识别
打开「设置 → 插件 → 插件配置 → 视觉识别」，选择 ZenMux、百炼、TokenDance 或 OpenRouter，然后填写对应的 API Key。同一张卡片还可以修改模型 ID、API 地址和单次图片上限。
API Key 通过 Harness 官方凭据服务保存。它在浏览器里是单向写入的：界面只能知道 Key 是否存在，不会把 Key 读回页面、聊天、普通设置或会话日志。
路由跟随用户选择：在「视觉识别」中选定的平台是文本模型的主视觉路由；Harness 中其他视觉模型、已有 see 配置和本地 OCR 只在失败后尝试。当前主模型本身支持图片时，原图始终直接进入当前模型，不经过这些桥接路由。
选择「自动选择」时不需要在插件里保存云端 Key。插件会依次尝试 Harness 中已配置且声明支持图片的模型、see 私有配置和本地 OCR。Harness 自定义模型必须声明 `image` 输入，否则仍会被视为文本模型。
## 高级文件配置
通常直接使用界面即可。对应的非敏感字段位于 `$DSH_HOME/settings.yaml` 现有的 `llm-deepseek` 段落：
```yaml
llm-deepseek:
visionBackend: zenmux
visionBackendModel: qwen/qwen3.7-plus
visionBackendBaseURL: https://zenmux.ai/api/v1
maxImages: 8
```
不要把 API Key 写进这个文件。请在「视觉识别」卡片中保存，或使用对应环境变量。修改设置后无需重启。
## 兼容 see-skill 配置
如果 Harness 中没有可用视觉模型，插件还会读取现有的 `~/.config/see/config.env`，兼容 ZenMux、百炼、OpenRouter 和 TokenDance。环境变量优先于本地配置。
```bash
export SEE_PROVIDER=zenmux
export ZENMUX_API_KEY=你的Key
```
`SEE_PROVIDER` 指定主平台；其他已填写 Key 的平台仅作为失败后的备用。没有指定时，只配置了哪个平台就使用哪个平台。
没有云端 Key 或所有云端服务失败时，插件会尝试本地能力：
- macOS：系统 Vision OCR，无需额外安装。
- Linux / Windows：Tesseract；需要自行安装对应语言包。
本地降级以文字识别为主，不等同于多模态模型的完整语义理解。
## 安全边界
- 原图只发送给用户配置的视觉服务。
- 视觉结果会被标记为非可信观察数据，图片里的提示词不会获得系统权限。
- 视觉上下文只参与当前模型请求，不改写历史消息。
- API Key 通过 Harness 凭据服务或 see 的用户私有配置解析，不写入仓库。
## 开发
```bash
pnpm install
pnpm check
```
项目以 MIT 许可证开源。云端路由、多图联合与本地降级行为参考同为 MIT 的 [oil-oil/see-skill](https://github.com/oil-oil/see-skill)。DeepSeek 图标来自 [deepseek-ai/deepseek-harness](https://github.com/deepseek-ai/deepseek-harness) 官方仓库。