视觉工具 · DeepSeek Harness 插件 — 第 57 页

DSH 视觉插件：为纯文本模型提供图像识别（Codex + 智谱回退）与生成（GPT Image + CogView 回退）能力。

DeepSeek Harness识图插件。为Agent注册图片分析工具，支持将本地图片或URL发送给兼容OpenAI的视觉模型（默认Gemini 3.7 Flash）并返回文字分析结果。

DeepSeek Harness 的视觉桥接插件：将附加的图像路由到具有视觉能力的模型（默认 xiaomi/mimo-v2-omni），并将文本描述反馈给仅支持文本的路由模型（如 DeepSeek）。

多模态视觉工具插件，支持模型自动调用 vision 工具识别本地图片路径或网络图片 URL。

为 DeepSeek Harness 提供视觉能力：提供 vision_analyze 工具，将图像（本地路径或 URL）发送给兼容 OpenAI 的视觉模型并返回文本描述。

DSH 电脑操作插件，支持通过视觉通道查看屏幕并驱动鼠标键盘，支持本地 OCR。

本地反向代理限制单次请求图像数以适配图片限制型后端

为 DSH 增加视觉能力，可选视觉厂商并粘贴 Key 识别图片。

视觉与安卓 UI 自动化插件：支持通过视觉模型进行屏幕截图理解，并通过 adb 执行真实的手机 App 自动化测试。

DSH 插件：支持接入 OpenAI 兼容的本地或网络识图模型 API（如 LM Studio / vLLM / Ollama），提供本地大模型识图工具及设置界面。

DeepSeek Harness 视觉助手插件：为无视觉能力的模型配置多模态识别模型，自动将输入图片改写为文本提示，支持热更新切换。

Vision 调试台架插件，提供编译、读写点表等调试工具，并安装专用的“台架模式”预设。

DSH 视觉桥接插件：复用 DSH Provider 或 OpenAI 兼容直连，支持可视化配置与图片粘贴

DeepSeek Harness 视觉桥接插件，通过对接用户配置的兼容 OpenAI 或 Google Gemini 的视觉模型 API，为仅支持文本的 DeepSeek 模型赋予图像理解能力。

为纯文本 DeepSeek Harness 代理提供视觉能力：支持多后端（OpenAI 视觉 API + CDP 桥接）、跨平台、缓存且可配置。

多模态视觉桥插件：自动将贴图转换为文字描述，并提供主动视觉与 OCR 工具，让纯文本 DeepSeek 模型“看见”图片。

根据模型能力智能路由图片粘贴与缓存路径标记

明眸 VisionBridge - 自研视觉桥：无视觉能力模型接收图片时自动调用视觉模型识别，并将识别文字喂回主模型，无感、可配置、升级不丢。

视觉桥插件，拦截粘贴/拖入的图片并保存，通过 OpenAI 兼容视觉模型识别为文字后发送，支持 vision_ask 工具。

视觉桥接插件：当纯文本模型接收到图像时，自动调用 Qwen VL 模型生成描述，使 DeepSeek 能够继续执行任务。

为纯文本模型提供图像描述的视觉桥

提供视力屈光度相关判断，安装后可在会话中调用其注册工具使用。

透明图像保护与视觉分析插件，让纯文本模型能够读取粘贴的图片，避免会话死锁，并提供 OCR 与额度控制。

DSH视觉集大成插件：集成像素级视觉工具、五级供应商降级链、自动识图模型组及图片桥接预览。