dsh-llm-deepseek-vision

给 DeepSeek Harness 的纯文本模型装上"眼睛"的视觉插件。 Vision-augmented adapter plugin for DeepSeek Harness.

它让纯文本模型能够"看"图片：每个附加的图片先交给另一个视觉模型描述成文字，再由纯文本模型基于描述进行推理。推理模型永远不需要直接处理图片字节——另一个模型是它的眼睛。默认文本推理与图片描述都跑在 OpenCode Zen Go（opencode-go）。

工作原理 / How it works

• 注册一个额外的 provider 路由：DeepSeek (Vision)（deepseek-vision），对外广告与 DeepSeek 目录相同的模型 id（deepseek-v4-flash / deepseek-v4-pro），但声明 [text, image] 输入。
• 不带图片的请求：零开销，直接透传给文本推理路由（默认 opencode-go）。
• 带图片的请求：配置的视觉模型把每张图描述成文字（[Image #N description: …]），图片块被描述替换，纯文本模型再作答。

快速开始 / Quick start

1. 安装插件

推荐（一键安装）——插件已发布到 npm，声明了 dsh.bundle manifest：

dsh plugin --profile web add @deepseek-ai/dsh-llm-deepseek-vision

或从源码安装：

git clone https://github.com/NagasakiSoyo-ui/dsh-llm-deepseek-vision.git
cd dsh-llm-deepseek-vision
npm install
npm run build

然后把构建产物接入你的 Harness 部署。如果你在 Harness monorepo 中开发，将本目录放入 packages/llm/llm-deepseek-vision 并执行 pnpm install 即可。

2. 在组合配置中挂载

在 Harness 的插件组合配置（如 profile 的 cordis.patch.yml）中添加：

- id: llm-deepseek-vision
  name: '@deepseek-ai/dsh-llm-deepseek-vision'
  config:
    # 提供视觉模型的 provider 路由
    visionProvider: opencode-go
    # 该路由上的视觉模型 id —— 即"眼睛"
    visionModel: mimo-v2.5
    # 给视觉模型的指令
    visionPrompt: 'Describe the attached image in detail…'
    # 单次视觉描述的输出上限
    visionMaxTokens: 1024
    # 实际进行推理的纯文本路由
    delegateProvider: opencode-go
    # 该路由对外广告的模型目录；默认镜像 DeepSeek 目录
    models:
      - id: deepseek-v4-flash
        name: DeepSeek-V4-Flash
        contextWindow: 1000000
      - id: deepseek-v4-pro
        name: DeepSeek-V4-Pro
        contextWindow: 1000000

3. 前置条件 / Prerequisites

• 视觉 provider 路由必须存在，且其模型被声明为支持图片输入（）。 对 pi-ai 路由（ 的 段），给模型条目加上图片模态：