dsh-vision-proxy

English | 简体中文

DeepSeek 大脑 + 自动识图 —— 为 DeepSeek Harness 打造的代理路由插件。

保持 DeepSeek（纯文本线路）作为对话大脑，同时也能在 Web 界面直接附加图片——每条图片消息都会自动经 OpenAI 兼容 VLM（默认 DashScope qwen3.7-flash）转译成文字，再交给 DeepSeek 作答。

为什么需要它

DeepSeek Harness 原生按模型声明的 inputModalities 决定是否放行图片附件。DeepSeek 的 chat-completions 线路是纯文本的，所以选中 DeepSeek 时附加图片会被原生拒绝。已有的视觉插件提供 view_image 工具（适用于文件路径），但 GUI 图片附件依然被拒。

本插件补上这个缺口：注册一条新提供商路由（deepseek-vision），包装真正的 DeepSeek 适配器——对外声明支持图片输入（附件预检放行），并在请求流里把每张图片转译成文字后再委托给 DeepSeek。对话仍然由 DeepSeek 作答，识图只是附加能力。

用户附加图片 ──▶ deepseek-vision 路由 ──▶ 经 qwen3.7-flash 转译（OCR+版式+细节）
                   │                        │
                   ▼                        ▼
            DeepSeek 作答 ◀── 纯文本对话（图片已替换为 [图片转译] 文字）

现场演示：工作中途的自主识图

下面就是本插件开启的完整链路。在一次"部署检查"任务中，工具返回了一张截图路径；模型自主决定要看图，调用了 view_image——代理把图片经 VLM 转译成文字，模型基于文字继续分析并作答。

调用链

任务：分析这份部署报告
  → 工具返回 deploy-report.png（一个文件路径）
  → 模型自主调用 view_image("deploy-report.png", "逐行准确读出所有文字")
  → qwen3.7-flash 转译（OCR + 版式）：
      "Deploy Report - 2026-08-13 22:47:12
       [ERROR] web-server: Connection refused: localhost:8080
       [ERROR] database: timeout after 5000ms
       [INFO ] retry 1/3 ...
       [ERROR] TLS handshake failed: cert expired (demo.local)
       [INFO ] rollback to release-2026.08.12
       exit code: 1"
  → 模型基于文字分析故障原因并回答

两条自主路径都覆盖：

• view_image 工具（任意路由）：只要图片有意义——工具返回的截图路径、图片 URL、图表、UI 草图——模型会自己调用它，而不是猜测或拒绝。
• 图片块自动转译（deepseek-vision 路由）：对话中途附加的图片会自动转译进下一条请求，DeepSeek 永远只看到纯文本对话。

安装

dsh plugin --profile web add github:Flyvhidbwo/dsh-vision-proxy
# 或经插件管理器（Marisa / dshx）：dshx install dsh-vision-proxy