dsh-tool-visual-primitives

为 DeepSeek Harness（DSH） 的纯文本模型补充视觉能力。插件把图片交给外部视觉模型分析，再把带有空间定位信息的纯文本视觉证据交回原对话模型；因此，被增强的模型不需要原生图片输入能力。

核心思路参考 DeepSeek 的 Thinking with Visual Primitives：以归一化坐标和可引用对象，将图像理解转化为后续推理可使用、可检查的证据。

当前版本支持从 GitHub 源码本地挂载。npm 发布后可使用下方的一键安装命令。

功能

• 两个入口，共用同一条 vision_analyze 分析核心：显式工具调用与对话中的 [vision] 模型。
• 自动识别 11 类视觉任务：描述、对象清单、多主体、计数、定位、空间关系、比较、路径、拓扑、UI、文档视觉。
• 三档分析细节：brief、standard（默认）、verbose。
• 三种视觉原语策略：auto（默认）、on、off；原语使用 、、 ，坐标范围为 0–999。
• 仅为你选定的纯文本模型追加 [vision] 变体；原模型保留，不受影响。
• 会话级视觉证据缓存：追问仅在已有证据覆盖新问题时复用，否则重新读图。
• 原生设置页：安全密钥存储、连接测试、/models 搜索选择、手动模型 ID，以及按供应商折叠选择待增强模型。

工作方式

图片 + 用户问题
      │
      ▼
detectVisionMode() → shouldUsePrimitives() → buildVisionPrompt()
      │
      ▼
外部视觉模型（OpenAI 兼容 Chat Completions）
      │
      ▼
纯文本视觉证据（可含坐标化 primitives）
      │
      ▼
原始文本模型继续回答

Mode 与 Detail 是正交控制：Mode 决定任务，Detail 决定信息密度。Primitives 决定是否强制结构化的空间证据。

前置条件

• 已可运行的 DSH Web Profile。
• Node.js >= 20 与 pnpm。
• 一个可访问的视觉模型服务。默认使用 OpenAI 兼容端点：
  • POST /chat/completions
  • 可选模型目录：GET /models

视觉服务与被增强的文本模型可以来自不同供应商。

安装

npm 一键安装

发布到 npm 后，在 PowerShell 或终端执行：

npx @deepseek-ai/dsh plugin --profile web add dsh-tool-visual-primitives@latest

该命令调用 DSH 官方插件管理器，在 web Profile 中执行包安装。安装成功后，DSH 会识别本插件包内的 dsh.bundle.patch 声明，自动将插件加入 dsh.profile.bundles，并在启动时应用包内的 cordis.patch.yml。

该过程可重复执行，不会重复添加 bundle；它不会直接修改 Profile 自身的 cordis.patch.yml 或其他插件配置，因此可与 dsh-better-sidebar 等插件共存。

如使用的不是 web Profile，请将 --profile 改为对应的 Profile 名称：