siegfly/dsh-deepseek-vision

dsh-deepseek-vision

安装： dsh plugin --profile web add dsh-deepseek-vision

dsh-deepseek-vision 是给 DeepSeek Harness 的视觉语言网关插件。 纯文本的 DeepSeek 编程模型 通过一个"网关"provider 路由获得贴图能力：默认 native-first，目录声明支持 image 的模型 图片直通原生视觉端点；其余模型先由可配置的视觉模型 （默认 Qwen-VL）逐字描述成文字，再交给 DeepSeek 继续写代码。官方仓库零改动、跨机器 安装不锁官方版本。同类方案里它是最薄的桥：不注入 agent 工具、不经过第三方中转、 不依赖本地模型。

English | 中文

目录

• 亮点
• 为什么选它
• 快速开始
• 效果
• 工作原理
• 配置
• 使用
• 安装
• 版本对齐
• 开发
• 边界与注意
• FAQ
• 许可

亮点

• 贴图即用，不用换模型： 注册独立路由 deepseek-vision（显示名 *DeepSeek + Vision*），

真实声明 inputModalities: ['text','image']——聊天窗贴图、tool-fs read_image、浏览器 截图、MCP 工具返回的图片、ACP 客户端内联图片全部放行。

• 同代图片只描述一次： 按“完整 VL 配置代际 + attachmentId”进程内 LRU 缓存，重试、上下文压缩、后续轮次

复用同一份描述，不重复计费。

• 会话不变量保持： 原始图片仍持久化进 session log，历史 / 回放 / 重构不受影响。
• 官方机制安装： bundle 声明 + dsh plugin add，四种 spec（npm / git / 目录 / tarball）、

web 与 headless 双 profile，与官方插件完全同一路径。

• 换 VL 模型零改码： 端点 / 模型 / 提示词 / 密钥全在设置卡片，兼容任意

OpenAI 风格 /chat/completions 网关（DashScope、vLLM、OpenRouter、LM Studio…）。

• 失败语义明确： 默认 fail-closed，稳定错误码（AUTH / TIMEOUT / TRANSPORT /

IMAGE_TOO_LARGE…），或 placeholder 降级为文字占位继续。

• 跨版本不锁死： 发布版不锁定官方 dsh 版本。无 CLI 复刻路径（`pnpm

install-profile）在目标机用**自己的** dsh 重建，构建成功即兼容证明，装前分级 提示、绝不静默失败；官方 CLI 路径（dsh plugin add`）直接安装发布产物，不在 目标机重建——运行时依赖经 healed fallback 解析，但兼容性未经目标机验证 （见版本对齐）。

为什么选它

dsh 视觉插件生态在官方 harness 发布后的几十小时内密集涌现，机制与取舍各不相同。本插件的 立场是一句话：最薄的桥——只加一条 provider 路由，其余什么都别加。

• 不注入 agent 工具：不新增 vision_describe / analyze_image 之类的工具，agent

的行为面不变，贴图走的就是"贴图"这条原路；

• 不经过第三方中转：没有匿名回退端点、没有代理服务器、没有磁盘答案缓存——图片

只经过你自己配置的 VL 端点（你的 key、你的端点、你的数据）；

• 不依赖本地模型：无 Python / MLX / llama.cpp / Ollama 要求，装上即用；
• 与官方插件同一发布质量：官方 bundle 机制安装、装前兼容门禁、构建锚点章、

121 个测试 / 97% 覆盖率、双语文档。

维度 · 本插件 · 工具型（如 dsh-vision-any、dsh-vision） · 路由型（如 dsh-vision-router） · 代理型（如 dsh-vision-proxy） · 本地管线型（如 DeepSeek-Harness-Vision-Tools） 机制 · provider 网关路由 · 注入 agent 工具 · 工具 + 多供应商路由 · 透明代理路由 · Python 本地 VLM 管线 图片数据流 · 只经你自己的 VL 端点 · 你自己的 API · 含第三方匿名回退 · 自有端点 + 回退链 · 本地模型，不出网 换 VL 模型 · 设置卡片，零改码 · 配置文件 · 配置文件 · 配置 + 自动探测 Ollama · 换本地模型 答案/描述缓存 · 进程内 LRU（仅描述） · — · 内容哈希答案缓存 · SHA-256 缓存 · — 失败语义 · fail-closed + 稳定错误码 · — · — · 超时保护 · — 发布链路 · 官方 bundle 机制 + 兼容门禁 + 锚点章 · — · — · — · 非 bundle

上表只列方向性差异，各项目仍在快速迭代；选型时请以各项目最新 README 为准。

快速开始

前置：dsh CLI 已可用并启动过一次、PATH 里有 pnpm（dsh plugin 命令经 pnpm 安装插件）。

第一步：新机器装 `dsh`（一次性，二选一）。 dsh 是官方 CLI（npm 包 @deepseek-ai/dsh）：

npm install -g @deepseek-ai/dsh        # 推荐：dsh 永久进入 PATH，之后命令直接敲
# 或（官方一行启动方式）：
npx @deepseek-ai/dsh web               # 不装全局：CLI 只在 npx 缓存里运行，不会进 PATH

⚠️ 用 npx 方式时 dsh 不会进入 PATH——新开终端直接敲 dsh 会报

"command not found"。要么全局安装，要么所有命令都带 npx @deepseek-ai/dsh 前缀。

第二步：安装（git 形式，锁 commit，推荐）：

dsh plugin --profile web add github:siegfly/dsh-deepseek-vision#<sha>
# 没装全局、走 npx 时：
npx @deepseek-ai/dsh plugin --profile web add github:siegfly/dsh-deepseek-vision#<sha>

已发布的 npm 版（0.1.7）同样可用：把 spec 换成 dsh-deepseek-vision@0.1.7 （显式锁版本——pnpm 11 默认对发布不足 24h 的新版本设年龄门槛，裸 spec 在 0.1.7 发布 24h 内会暂时解析到旧版 0.1.5）。

部署使用： 重启一次 dsh web → Models 页选 DeepSeek + Vision → 设置 → 插件 → 插件配置里填 VL 密钥 → 聊天窗贴图，发消息。

卸载：

dsh plugin --profile web remove dsh-deepseek-vision

headless profile、其他 spec 形式（git / 目录 / tarball）、无 CLI 的机器——见安装。

效果

聊天窗里选中 DeepSeek + Vision provider 之后：

·

• 粘贴 / 拖入图片 → 按所选模型分流：目录声明支持 image 的模型（官方默认目录里的

deepseek-v4-flash-vision-exp）图片直通原生，直接走 DeepSeek 官方视觉端点； 纯文本 / 未列目录的模型则由配置好的视觉模型先描述成文字（逐字提取代码、报错、 日志、UI 文案，并描述布局）；

• 描述文字替代图片发给 DeepSeek → 你继续用 DeepSeek 写代码，同时获得图片理解能力；
• 每张图片只描述一次，重试 / 压缩 / 后续轮次都复用同一份描述，不重复计费；
• session 日志仍然持久化原始图片，历史 / 回放 / 重构不变量不受影响。

工作原理

flowchart LR
    User["聊天窗贴图 / read_image / 截图 / MCP / ACP"] --> Gate["deepseek-vision 路由：inputModalities = text + image"]
    Gate --> Persist["apiproxy prompt RPC → ImageBlock 持久化进 session log"]
    Persist --> Decide{"DeepSeek 目录声明该模型支持 image？"}
    Decide -- "是（官方视觉模型）" --> Native["yield* super.stream()：父类原生序列化图片，直通 DeepSeek 视觉端点"]
    Decide -- "否（纯文本 / 未列目录）" --> Bridge["ImageBridge：改写图片块（含 tool-result 嵌套）"]
    VL["可配置 VL 模型（默认 qwen3-vl-flash，OpenAI 兼容端点）"] --> Bridge
    Cache["attachmentId → 描述 LRU 缓存"] --> Bridge
    Bridge --> Stream["yield* super.stream()：原生 DeepSeek wire 继续流式"]

为什么是"网关适配器"而不是中间件：DSH 有两道硬门槛——prompt / selectModel RPC 按 inputModalities 拒绝不含 image 的模型（纯 llm/stream 中间件拦不到），llm-deepseek 序列化器对 text-only 模型的 image block 抛 UNSUPPORTED_CONTENT。本插件注册新的 provider 路由，继承官方导出的 DeepSeekAdapter：stream() 先按父类目录判断所选 模型——目录声明 image 能力的（官方 rc.2 默认发布 deepseek-v4-flash-vision-exp）原样 直通，由父类原生序列化图片；纯文本与未列目录的模型才把图片块经 VL 模型改写为文本， 再走原汁原味的 DeepSeek wire。reasoning efforts / context 窗口 / 默认 maxTokens / retry policy 全部从父类继承。

配置

全部可省略（走默认值）。两个 key 都支持 credential-ref（环境变量名）。已挂载 dsh 的 credentials 服务时，其解析结果（即使未配置）具有权威性；只有服务缺席才直接读取启动环境。 官方 credentials-local 的优先级是：进程环境变量（最高、只读）→ GUI 管理的 `.credentials.yaml` → `.env` 回退。因此 Web Models 页写入的凭据可用，而本次进程显式 导出的 key 始终优先且不能在 GUI 内修改：

路径 · 默认值 · 说明 provider · deepseek-vision · 注册的路由 id（避开 deepseek-official） displayName · DeepSeek + Vision · 模型选择器里的名字 mode · native-first · native-first = 原生视觉优先、文本模型回退；always-describe = 始终转描述；disabled = 完全退回官方 DSH 行为 deepseek.* · — · 与官方 llm-deepseek 段完全同构（apiKeyEnv / baseURL / thinking / reasoningEffort / maxTokens / models / retryPolicy…） deepseek.apiKeyEnv · DEEPSEEK_API_KEY · DeepSeek key vl.apiKeyEnv · QWEN_VL_API_KEY · VL 模型 key vl.baseURL · https://dashscope.aliyuncs.com/compatible-mode/v1 · 任意 OpenAI 兼容 /chat/completions 网关 vl.model · qwen3-vl-flash · VL 模型 id（贴图 OCR 型描述性价比最高；复杂视觉推理可换 qwen-vl-max） vl.describePrompt · 详述 + 逐字提取的英文提示词 · 图片描述指令 vl.timeoutMs · 120000 · 单次描述请求硬超时 vl.maxTokens · 2048 · 单张图片描述的最大输出 token vl.maxPixels · 4194304 · DSH 在发送 VL 前进行确定性缩放的总像素上限 vl.maxBytes · 5000000 · DSH 在发送 VL 前进行确定性编码的目标字节数 vl.maxCacheEntries · 64 · 进程内描述缓存容量（LRU） vl.onFailure · fail · fail = 描述失败整个请求失败；placeholder = 降级为文字占位继续

llm-vl-gateway 也是一个 settings namespace，三个编辑入口：设置 → 插件 → 插件配置 的"DeepSeek + Vision（视觉语言桥接）"卡片（vl.* 全字段 + VL 密钥）、Web Models 页 （deepseek.* 子段由可配置 provider 目录接管）、settings.yaml（两个子段都可写）。 卡片与 DSH 原生插件一致默认收起；折叠不会丢失草稿，保存成功后自动收起。

provider / displayName 是注册期事实，修改即时生效（adapter 路由 + 可配置 provider 目录原子重注册，不需重启）；改成已被占用的路由 id 时两个注册表保留旧值并记日志。

patch 行内配置示例（全部可选）：

- insert:
    - id: llm-vl-gateway
      name: dsh-deepseek-vision
      config:
        deepseek:
          reasoningEffort: high
        mode: native-first
        vl:
          apiKeyEnv: DASHSCOPE_API_KEY
          model: qwen3-vl-flash

使用

1. 设置两个 key：设置 → 插件 → 插件配置 → "DeepSeek + Vision（视觉语言桥接）"

卡片里填 VL 密钥（写入凭据存储，不出现在任何响应/设置里）；DeepSeek key 沿用现有凭据；

1. Models 页选择 provider DeepSeek + Vision（会话内切换即持久化为默认）；
2. 聊天窗贴图，发消息——图片自动被描述，DeepSeek 看到的是文字。

设置卡片是本插件的客户端面（dsh.client）：以官方解耦插件的方式注册进 settings.plugin.item 槽位，编辑 llm-vl-gateway.vl 段，与官方内置卡片（终端 / Agent 循环 / 网页搜索）同机制、同交互（暂存草稿、覆盖状态显示、保存时整体写入）。

安装

安装走官方 bundle 机制：本包在 package.json 声明 dsh.bundle.patch（指向包内 cordis.patch.yml），dsh plugin add 把包链接进 profile 并把包名对账进 profile manifest 的 dsh.profile.bundles 层栈，loader 启动时按层挂载——不需要手工往 `cordis.patch.yml` 加任何行（旧版本加过的受管块会在下次安装/卸载时自动迁移移除）。

四种 spec 任选（日常推荐 git 形式，锁 commit）：

dsh plugin --profile web add github:siegfly/dsh-deepseek-vision#<sha>       # git（推荐），锁 commit
dsh plugin --profile web add dsh-deepseek-vision@0.1.7             # npm（已发布 0.1.7，显式锁版本）
dsh plugin --profile web add file:<本仓库路径>                        # 本地目录（开发）
dsh plugin --profile web add ./dsh-deepseek-vision-0.1.7.tgz              # tarball（npm pack 产物）

headless 同理：dsh plugin --profile headless add dsh-deepseek-vision（客户端卡片只在 web 生效）。验证 bundle 层已挂载：dsh --profile web --dump-config | grep llm-vl-gateway。 卸载与安装一一对应：dsh plugin --profile remove dsh-deepseek-vision。

无 CLI 的机器用等价复刻（需 Node 22.19+ 或 24+、PATH 里有 pnpm；init 布局 → 目标机 重建 → 兼容门禁 → pnpm add → bundles 对账）：

pnpm install        # 只装 devDeps（typescript/vitest），不会装 @deepseek-ai/*
pnpm install-profile          # 或 node scripts/install-profile.mjs [profile] [dshHome]

这是唯一在目标机重建的安装路径：install-profile 先用目标机自己的 dsh 类型重新构建 插件并通过 check-compat.mjs 门禁，再装入 profile（见版本对齐）。 两条路径都做下面两件事：

• 把 dsh-deepseek-vision 链接进 profile 的 node_modules（运行时 @deepseek-ai/* 依赖经

官方 healed fallback 解析到同一个 dsh 安装，共享同一个 cordis 实例，无双实例问题）；

• 把 dsh-deepseek-vision 对账进 dsh.profile.bundles——loader 按层挂载包内

cordis.patch.yml 的 insert 行（注册路由 + 设置段）；

• 首次安装时如 profile 布局缺失，按官方 initProfile 语义补齐（manifest + 空用户

patch 层 + pnpm-workspace.yaml），已存在的文件从不改动。

装完重启一次 `dsh web`（bundles 层栈变化 + 客户端模块扫描按包名缓存）。

本仓库是独立 git 仓库，与 deepseek-harness 官方仓库没有任何 git 关系

（无 fork / 子模块 / 远程关联）；官方 checkout 零改动。