vision-tool

dsh-vision-free-eyes — 免费识图 vision 工具（vision-tool 包）

给 DeepSeek Harness（DSH）的纯文本模型补上免费「眼睛」：一个分析已知本地图片路径的 vision(image, question) 工具， 直连智谱 GLM 免费视觉 API（glm-4v-flash → glm-4.6v-flash → glm-4.1v-thinking-flash 自动降级链）， 不依赖任何额外安装的 CLI。完整说明见仓库根目录的 README。

安装

dsh plugin --profile web add dsh-vision-free-eyes

npm: https://www.npmjs.com/package/dsh-vision-free-eyes

或在 profile 的 cordis.patch.yml 中追加：

- insert:
    - id: dsh-vision-free-eyes
      name: dsh-vision-free-eyes

前提

• DSH 0.1.0-rc.8、0.1.1-rc.1、0.1.1-rc.2、0.1.2-rc.1 或 0.2.1-rc.2。
• 必须：智谱 GLM 免费 key，环境变量 GLM_API_KEY 或 ZHIPU_API_KEY （open.bigmodel.cn 注册即得，格式 id.secret；Windows 也可 setx，插件自动读注册表）。
• 出站 HTTPS 到 open.bigmodel.cn。

插件通过 DSH 注入的 tools 服务注册标准 ToolDefinition，不安装或直接导入 @deepseek-ai/dsh-tools 等官方运行时包。

权限与证据边界

• 只读取调用者明确给出的一个绝对图片路径，并只向固定的智谱 HTTPS 端点发送图片字节。
• 只读取 GLM 环境变量；Windows 环境变量缺失时使用固定参数执行系统自带的只读 reg query， 不使用 shell 字符串，也不记录或持久化 Key。
• 无 npm 运行依赖和安装期生命周期脚本；只新增 dsh-vision-free-eyes Entry ID，不写 DSH Profile 或替换官方组件。完整边界见 SECURITY.md。
• 已验证三个声明版本的一次性 Web Profile 安装、配置合成、冷启动和卸载；rollback、真实用户 Profile、带真实 GLM Key 的端到端结果、Windows 运行和独立安全审计仍未验证。下一验收门槛是 推送固定 Commit 后取得公开 CI 运行记录；这些低层证据不会被表述成真实 Profile 或安全审计通过。

使用

告诉模型单个图片文件的已知绝对路径即可，例如："看一下 D:\xxx\screenshot.png"。默认 image 模式使用 完整 GLM 视觉语言模型理解图片并回答 question；只有用户明确要求逐字提取时才用 mode="ocr"。 no_cache=true 可跳过进程内结果缓存。

工具会在联网前强制检查绝对路径、单文件类型和图片文件魔数；目录、相对路径以及非 png/jpeg/webp/gif/bmp 内容会直接拒绝。模型不应在调用前用 shell 预检路径；目录错误是停止条件， 即使目录里似乎只有一张图片也不会自行遍历，不会把普通本地文件伪装成图片上传。 图片理解会保持用户问题的范围和详细程度，只陈述能够确认的可见事实，并区分总数、当前项与 额外/折叠项等计数语义；简要概述不会逐项转写正文，界面分析也会区分地址栏、搜索框等区域。 单一事实问题只返回所问事实和必要限定，不主动附加未经询问的元素位置或上下文。

该工具不会自动解析 GUI 粘贴/上传附件，也不应遍历 DSH 附件目录猜测图片路径。GUI 贴图请使用 「… + 自动识图」路由；路由已经提供图片描述时，模型应直接使用描述，不要再次调用本工具。 输出为图片内容的纯文字描述，不附加内部耗时标记。

配置

限制

• 单图 ≤ 15MB；支持 png/jpg/jpeg/webp/gif/bmp。
• 不支持 PDF（doc 模式已移除）；图片字节会上传到智谱服务器。