tdf1995/dsh-plugin-vision ↗★ 0
dsh-plugin-vision
DeepSeek Harness 原生插件：通过免费的 Gemini 或智谱 GLM 视觉 API，为纯文本大语言模型（如 DeepSeek）提供图像描述、OCR、视觉问答、截图和图表分析等视觉能力。
AI 分析
核心用途是为纯文本模型扩展图像识别与分析能力。适合需要处理图片、截图或图表任务的用户。必要条件是需自行配置 Gemini 或智谱 GLM 的 API Key。
安装
$
npx -p @deepseek-ai/dsh dsh plugin --profile web add github:tdf1995/dsh-plugin-vision说明文档
阅读完整 README ↗API Key 配置 API Key Configuration
插件不内置、不提交任何 Key。按以下任意一种方式提供即可（优先级从高到低）：
方式 1：环境变量
export GEMINI_API_KEY=your_key # Gemini（国内访问需代理）
export ZHIPU_API_KEY=your_key # 智谱 GLM（直连，国内推荐）
方式 2：DSH 凭据库（持久）
编辑 ~/.dsh/.credentials.yaml：
GEMINI_API_KEY: your_key
ZHIPU_API_KEY: your_key
方式 3：会话内工具（立即生效，无需重启）
在对话中直接说：
帮我保存 Gemini 的 Key：AIza...
模型将调用 vision_set_key 完成写入。
Key 申请
- Gemini：Google AI Studio（免费额度）
- 智谱 GLM：open.bigmodel.cn（
glm-4.6v-flash完全免费）
使用方法 Usage
在对话中自然描述需求即可，模型会自动调用视觉工具：
帮我看看这张图 D:\work\screenshot.png
这张订单截图里商品是什么？多少钱？
用 GLM 分析 code/my/logo.png，描述一下配色
显式指定提供商 / 模型：
用 gemini-3.6-flash 看 baojia/data/purchased_items/xxx.jpg，做 OCR
插件配置项 Plugin Configuration
| 字段 | 默认值 | 说明 |
|---|---|---|
provider | auto | 默认提供商：auto / gemini / glm |
geminiModel | gemini-3.6-flash | Gemini 默认模型 |
glmModel | glm-4.6v-flash | GLM 默认模型（免费） |
geminiKeyEnv | GEMINI_API_KEY | Gemini Key 的凭据引用名 |
glmKeyEnv | ZHIPU_API_KEY | GLM Key 的凭据引用名 |
maxAttempts | 3 | 限流重试次数（1-6） |
maxImageBytes | 20971520 | 图片读取上限（字节） |
downscaleThreshold | 4194304 | 超过该字节数触发压缩；0 关闭 |
maxDimension | 1920 | 压缩后最长边（像素） |
jpegQuality | 85 | 压缩质量（0-100） |