配置入口

插件安装后默认保持关闭，不会自动接管模型路由，也不会自动发送图片。

推荐使用 DeepSeek Harness 原生配置页面：

启动安装了本插件的 Web Profile。
打开“设置 → 插件 → 插件配置”。
点击 Vision Workbench 展开全部配置项。
填写文本模型、视觉 Provider 和 API Key。
打开“启用插件”，保存配置。
重启当前 Profile，使路由和工具配置生效。

API Key 密码框为空时会保留已经保存的密钥。页面刷新后不会回显密钥，只会显示对应凭据是否已经配置。

最小可用配置

第一次使用只需要配置以下内容：

配置项	推荐值或说明
enabled	开启
wrapperRoute	保持 deepseek-vision-workbench
textProvider.provider	保持 deepseek-official
textProvider.model	选择当前 Harness 中可用的 DeepSeek 模型
visionProvider.name	primary
visionProvider.baseURL	视觉服务的 OpenAI-compatible API 地址，例如 https://api.example.com/v1
visionProvider.model	服务商提供的视觉模型名称
visionProvider.credentialRef	凭据名称，例如 VISION_API_KEY
API Key	在同一 Provider 卡片的密码框中输入

保存并重启 Profile 后，在模型选择器中选择：

DeepSeek + Vision Workbench /

随后上传图片并直接提问，例如“识别这张截图中的文字”或“比较这两张图片的布局差异”。

基础配置

字段	默认值	说明
enabled	false	是否注册包装路由和视觉工具
wrapperRoute	deepseek-vision-workbench	插件自己的模型路由名称，不能与 deepseek-official 或文本 Provider 重名
textProvider.provider	deepseek-official	负责最终推理的文本 Provider
textProvider.model	deepseek-v4-pro	包装路由公布的文本模型
timeoutMs	120000	一次视觉工具调用的总超时
proxyUrl	空	仅用于本插件请求的 HTTP/HTTPS 代理

YAML 配置示例

没有 Web 配置界面时，可以在 Profile 的后置 Patch 中使用：

- id: vision-workbench
  name: dsh-vision-workbench
  config:
    enabled: true
    wrapperRoute: deepseek-vision-workbench
    textProvider:
      provider: deepseek-official
      model: deepseek-v4-pro
    visionProvider:
      name: primary
      baseURL: https://your-provider.example/v1
      model: your-vision-model
      credentialRef: VISION_API_KEY
      allowKeyless: false
      allowInsecureLocalhost: false
      maxTokens: 4096
    fallbackProviders: []
    providerRouting:
      attemptTimeoutMs: 45000
      failureThreshold: 2
      cooldownSeconds: 60
    limits:
      maxImagesPerCall: 4
      maxImageBytes: 10485760
      maxImagePixels: 40000000
    cache:
      enabled: true
      maxEntries: 200
      ttlSeconds: 3600
    localProcessing:
      enabled: true
      maxWorkingPixels: 16000000
    localOcr:
      enabled: false
      languagePath: ""
      languages: [eng]
      gzip: true
      timeoutMs: 60000
      maxLanguageBytes: 52428800
      maxRegions: 50
      pageSegMode: auto
      autoRotate: true
      lowConfidenceThreshold: 40
    browserCapture:
      enabled: false
      browserChannel: msedge
      allowedHosts: []
      allowPrivateHosts: false
      viewportWidth: 1440
      viewportHeight: 900
      maxPageHeight: 12000
      navigationTimeoutMs: 30000
    timeoutMs: 120000
    proxyUrl: ""

API Key 不应直接写入 YAML。请在 Harness Credentials 或插件可视化配置卡片中，把真实密钥保存到 credentialRef 指定的名称。

使用示例

上传图片后可以直接向所选的包装模型提问。模型可根据任务调用：

vision_describe attachment_ids=["sha256:..."] question="这张截图显示了什么？" structured=true
vision_ocr attachment_id="sha256:..." language_hint="中文和英文"
vision_ocr attachment_id="sha256:..." backend="local"
vision_crop attachment_id="sha256:..." region={"x":100,"y":80,"width":600,"height":300}
vision_compare before={"attachment_id":"sha256:before"} after={"attachment_id":"sha256:after"} tolerance=0.02
vision_palette path="screenshots/home.png" count=6
vision_browser_capture url="https://example.com" full_page=true wait_after_load_ms=500

裁剪图、差异图和网页截图都会保存为持久附件，可继续交给 vision_describe、vision_ocr 或后续会话步骤使用。

dsh-vision-workbench

AI 分析

安装

说明文档

配置入口

最小可用配置

基础配置

YAML 配置示例

使用示例