tdf1995/dsh-plugin-vision ↗★ 0

dsh-plugin-vision

DeepSeek Harness native plugin: give text-only LLMs (e.g. DeepSeek) vision via free Gemini / GLM vision APIs — describe images, OCR, VQA, screenshots, charts.

AI 分析

核心用途是为纯文本模型扩展图像识别与分析能力。适合需要处理图片、截图或图表任务的用户。必要条件是需自行配置 Gemini 或智谱 GLM 的 API Key。

パッケージ: dsh-plugin-vision
バージョン: 0.1.2
ライセンス: MIT
最終更新: 2026/08/14

インストール

$npx -p @deepseek-ai/dsh dsh plugin --profile web add github:tdf1995/dsh-plugin-vision

ドキュメント

README 全文を読む ↗

API Key 配置 API Key Configuration

插件不内置、不提交任何 Key。按以下任意一种方式提供即可（优先级从高到低）：

方式 1：环境变量

export GEMINI_API_KEY=your_key        # Gemini（国内访问需代理）
export ZHIPU_API_KEY=your_key         # 智谱 GLM（直连，国内推荐）

方式 2：DSH 凭据库（持久）

编辑 ~/.dsh/.credentials.yaml：

GEMINI_API_KEY: your_key
ZHIPU_API_KEY: your_key

方式 3：会话内工具（立即生效，无需重启）

在对话中直接说：

帮我保存 Gemini 的 Key：AIza...

模型将调用 vision_set_key 完成写入。

Key 申请

Gemini：Google AI Studio（免费额度）
智谱 GLM：open.bigmodel.cn（glm-4.6v-flash 完全免费）

使用方法 Usage

在对话中自然描述需求即可，模型会自动调用视觉工具：

帮我看看这张图 D:\work\screenshot.png
这张订单截图里商品是什么？多少钱？
用 GLM 分析 code/my/logo.png，描述一下配色

显式指定提供商 / 模型：

用 gemini-3.6-flash 看 baojia/data/purchased_items/xxx.jpg，做 OCR

插件配置项 Plugin Configuration

字段	默认值	说明
`provider`	`auto`	默认提供商：`auto` / `gemini` / `glm`
`geminiModel`	`gemini-3.6-flash`	Gemini 默认模型
`glmModel`	`glm-4.6v-flash`	GLM 默认模型（免费）
`geminiKeyEnv`	`GEMINI_API_KEY`	Gemini Key 的凭据引用名
`glmKeyEnv`	`ZHIPU_API_KEY`	GLM Key 的凭据引用名
`maxAttempts`	`3`	限流重试次数（1-6）
`maxImageBytes`	`20971520`	图片读取上限（字节）
`downscaleThreshold`	`4194304`	超过该字节数触发压缩；`0` 关闭
`maxDimension`	`1920`	压缩后最长边（像素）
`jpegQuality`	`85`	压缩质量（0-100）