easy-vision

English · 简体中文

一个 DeepSeek Harness 工具插件，让仅支持文本的智能体能"看懂"本地图片。

它注册一个面向模型（model-facing）的 describe_image 工具。当模型需要查看、描述、分析或识读一张图片（截图、照片、图表、UI 设计稿、Logo 等）时，它会以图片的本地路径调用该工具。插件会：

1. 读取文件并通过 魔数（magic bytes）自动识别真实格式（PNG / JPEG / GIF / WebP），即使文件扩展名错误也能正确识别。
2. 将图片（base64 data URI）通过 chat completions 发送给配置好的 OpenAI 兼容的视觉模型。
3. 返回详细的 文字描述，或者可选地将其写入一个 Markdown 文件。

这让运行在纯文本路由上的模型（例如某个拒绝图片输入的网关上跑的 deepseek）也能通过文字"看到"图片。

使用效果

用自然语言让智能体“看一下”某张图片，describe_image 工具就会把它转换成可用的文字描述——并可选择直接写入 Markdown 文件，用于生成 UI 说明文档、设计稿笔记等。

安装

该包是零依赖的纯 ESM Cordis 插件，只注入 tools。需要先把包装进你的 DSH profile，再在 patch 层进行挂载。

第一步：把安装到 DSH profile

根据你的情况选择来源：

从 npm 安装（发布到 npm 后推荐）：

dsh plugin --profile web add easy-vision

等同于在 profile 目录下直接跑 pnpm：

cd "$env:DSH_HOME\profiles\web"
pnpm add easy-vision

从本地 tarball 安装（尚未发布 / 不发布时）：

cd "$env:DSH_HOME\profiles\web"
pnpm add "D:\path\to\easy-vision-0.1.0.tgz"

@deepseek-ai/cordis 声明为 peer 依赖 —— DSH 已在运行时提供，无需额外安装。

第二步：在 patch 层挂载

将其添加到 DSH patch 文件 —— 例如 home 级 $DSH_HOME\cordis.patch.yml（作用于所有 profile）或某个 profile 的 cordis.patch.yml：

- insert:
    - id: easy-vision
      name: easy-vision
      config:
        baseUrl: https://example.com/v1
        model: your-vision-model
        apiKeyEnv: EASY_VISION_API_KEY
        timeoutMs: 120000

保存即可 —— DSH 会热重载 cordis.patch.yml 的改动。新会话即可把 工具暴露给模型。