dsh-vision-android

DeepSeek Harness 插件：多模态视觉 + Android UI 自动化。

解决两个问题：

1. 主模型没有多模态输入：把任意截图/图片发给 OpenAI 兼容的视觉模型提问（默认 gpt-5.6-luna，可配任意 OpenAI 兼容端点）。
2. agent 测试手机软件：通过 adb 在模拟器/真机上做真实点击、滑动、输入、按键，形成"截图 → 视觉理解 → 真实点击 → 再截图验证"的闭环。

工具清单（注册到 ctx.tools，模型可见）

工具	作用
vision_ask	把本地图片文件发给视觉模型提问（通用多模态）
mobile_look	截屏 + 视觉理解：返回屏幕描述 + 可交互元素 [{label, role, x, y}]（像素中心坐标）
mobile_dump	uiautomator 抓取 UI 层级：精确坐标兜底（不花视觉 token）
mobile_screenshot	只截屏存 PNG，返回路径
mobile_tap	真实点击 (x, y)
mobile_swipe	真实滑动手势
mobile_text	输入文本（adb 限制：仅 ASCII，空格自动转义）
mobile_keyevent	按键：back/home/enter/tab/esc/dpad_* 等
mobile_install	adb install -r 安装 APK（保留数据）
mobile_launch	am start 启动组件 / monkey 启动包
mobile_screen_size	屏幕物理分辨率（校验视觉坐标用）

配置

插件 Config（Schemastery 校验，环境变量兜底）：

字段	默认	说明
visionBaseUrl	https://api.openai.com/v1	OpenAI 兼容地址（env DSH_VISION_BASE_URL）
visionApiKey	空	API Key（env DSH_VISION_API_KEY；推荐用环境变量，不要写进配置）
visionModel