dsh-plugin-describe-image

English | 中文

DeepSeek Harness 图片理解插件 —— 面向模型的 describe_image 识图工具，让纯文本模型（DeepSeek V4 等）也能看懂图片。

一个 DeepSeek Harness 插件：面向模型的 describe_image 工具。它加载一张图片——本地文件路径、http(s) URL 或持久附件引用——并请求 OpenAI 兼容端点上的视觉语言模型（VLM）（Qwen-VL、GLM-4V、GPT-4o 或本地 Ollama 端点）描述它。只有返回的文本跨入对话，图片本身从不进入会话日志。关键词：DeepSeek Harness 插件、describe_image 工具、图片理解、图像描述、多模态、视觉语言模型、VLM、纯文本模型、Qwen-VL、GLM-4V、GPT-4o、Ollama。

安装

dsh plugin --profile web add github:whitelonng/dsh-plugin-describe-image

桌面应用的插件列表安装框可直接粘贴同一条 spec（github:whitelonng/dsh-plugin-describe-image），插件在应用重启后加载。

特性

• 三种输入形式：本地路径、http(s) URL，或 [image attachment …] 注记里的 JSON（经 harness 附件服务解析——把注记原样复制进 image 即可）。
• 实时配置卡片：Web GUI「设置 → 插件 → 图像理解」卡片可直接改 baseURL、model 与 API Key（走凭据缝），保存立即生效、无需重启。
• 逐调用 API Key 解析：内联 apiKey → 凭据缝（apiKeyEnv，默认 VISION_API_KEY）→ 启动环境。
• 安全与边界：每次请求拒绝重定向，maxBytes / maxOutputTokens / timeoutMs 上界，魔数媒体类型闸门，错误摘要有界，密钥绝不入日志。
• 配套 harness 改动（随 harness 仓库发布，不在本子树内）：DeepSeek 纯文本路由把图片块压平为可复制的 [image attachment …] 注记，宿主在纯文本路由上接受图片提示——两者一起闭环「把图片发给纯文本模型」。

快速开始（在 DeepSeek Harness 检出内）

# cordis.yml
- id: describe-image
  name: '@deepseek-ai/dsh-tool-describe-image'
  config:
    baseURL: https://dashscope.aliyuncs.com/compatible-mode/v1
    model: qwen-vl-max
    apiKey: !!js process.env.VISION_API_KEY

常见问题

这个插件是干什么的？ 给 DeepSeek Harness 增加 describe_image 工具：Agent（或用户）把一张图交给工具，工具让配置好的视觉语言模型描述它，只有描述文本回到对话里。

支持哪些视觉模型？ 任何 OpenAI 兼容的视觉端点：Qwen-VL（https://dashscope.aliyuncs.com/compatible-mode/v1）、GLM-4V、GPT-4o，或本地 Ollama 端点。在「设置 → 插件 → 图像理解」里配好 baseURL 与 model 即可。

图片本身会进入对话或会话日志吗？ 不会。图片被加载、校验后只发给视觉端点；会话日志与模型只看到返回的描述文本。

怎么安装？ 执行 ，或把同一条 spec 粘贴进桌面应用的插件安装框，随后重启应用。