DeepSeek Harness 插件测评：dsh-vision-toolkit 给纯文本模型装上眼睛，粘贴图片直接识别，截图转前端页面
插件简介
dsh-vision-toolkit 是 DeepSeek Harness 生态中的视觉工具箱插件，由 Anionex 开发维护。GitHub 仓库地址：https://github.com/Anionex/dsh-vision-toolkit，当前星标 861，综合评分 68.7，dshfind 评分 94（生态最高分），周下载量 8144，最近更新时间 2026-09-08，开源协议为 MIT License。
该插件的核心定位是"为纯文本模型设计更强大的视觉工具箱"——给 DeepSeek Harness 里的纯文本模型装上眼睛，实现图片问答、长图 OCR、前端 UI 还原、GUI 视觉任务等能力。用户在 DSH Web 中粘贴图片即可直接提问，文本模型会自动切换到看图模式变体，无需手动复制路径或更换模型。
插件提供 10 个可单独调用也可组合使用的视觉工具，以及一套经过实战验证的视觉任务方法论（vision-skills Skill），包含 5 个上游 SOP 工作流。作者 anionex 曾位列 GitHub 全球开发者趋势榜第 3 名，项目累计超过 16k stars。
核心功能
粘贴图片直接提问
在 DSH Web 中粘贴图片，文本模型自动切换到 (Vision Toolkit) 变体，围绕用户问题读取画面。图片保留原生缩略图、会话记录和工作区路径，Web 可预览产物。
10 个视觉工具
vision_glance（图片问答/OCR/多图比较）、vision_ground（元素定位+像素坐标+带框预览）、vision_detect（按钮/图标元素检测）、vision_crop（区域裁剪）、vision_trace（图形转 SVG）、vision_pixel_diff（像素对比+热力图）、vision_long_screenshot_ocr（长截图 OCR）、vision_extract_foreground（抠图）、vision_dominant_colors（主色提取）、vision_html_screenshot（HTML 渲染截图）。
5 个工作流 SOP
长截图/聊天记录 OCR（按顺序分块识别、保留发言人/时间戳）、截图重建 UI（复用项目组件、像素对比对齐）、还原图标/Logo（提取透明 PNG 或重建 SVG）、草图转结构化代码（Mermaid/Graphviz）、通过截图操作 GUI（定位控件、执行动作、验证结果）。
聚焦提示（Focus Hint）
不同于让多模态模型生成通用描述再交给文本模型的有损转换，Vision Toolkit 把用户消息或模型调用原因作为 focus hint 传给视觉模型，得到围绕当前步骤的重点描述——更少 token、更准确、响应更快。
安装与配置
# Web Profile 安装
dsh plugin --profile web add @anionex/dsh-vision-toolkit
# Headless Profile 安装
dsh plugin --profile headless add @anionex/dsh-vision-toolkit
# DSH Desktop（需从托盘打开 DSH 终端）
dsh plugin --profile desktop add @anionex/dsh-vision-toolkit
插件未发布到 npm，仅可从源码安装。安装后重启 Profile，打开 设置 → 视觉工具 配置视觉模型 API Key，运行测试确认连接。默认视觉模型为 Gemini 3.7 Flash，支持 OpenAI Chat Completions 兼容端点和 Anthropic Messages。
首次启动自动准备隔离运行环境：优先使用系统 Python 3.11+，没有则自动从国内镜像下载托管 Python（约 35MB）。锁定依赖 Pillow、NumPy、vtracer 优先从腾讯云 PyPI 镜像安装。
兼容性与避坑指南
需配置视觉模型 API Key
插件安装后不能直接使用，必须在 设置 → 视觉工具 中配置视觉模型提供方和 API Key。API 地址需带 /v1 路径前缀（如 http://127.0.0.1:1234/v1），否则会返回 incompatible response structure 错误。
需联网访问远程 API
插件运行需访问外部网络/远程视觉 API，部署在国内无外网环境时可能无法正常使用。高峰期可能出现 429 限流，需按 Retry-After 等待重试或切换自有视觉端点。
中风险插件
标记为中风险——可读取本地文件（读取本地图片/剪贴板内容用于分析），不会执行 shell 命令。对本地文件安全有极高要求的用户建议在隔离环境中使用。
Node 版本要求严格
package.json 声明 Node 引擎要求为 ^22.19.0 || >=24.0.0。Node 23 不在支持范围内，使用前执行 node -v 确认版本。
DSH Desktop 安装有已知问题
DSH Desktop 2.0.1 内置插件市场的"一键安装"存在已知问题，必须从托盘打开 DSH 终端，用 dsh plugin --profile desktop add 命令安装，安装后重启 DSH Desktop。
未发布 npm，需源码安装
@anionex/dsh-vision-toolkit 未发布到 npm registry，dsh plugin add 会自动回退到 GitHub 源码安装。
适合人群
适合：想获得多模态模型交互体验的用户；需要截图转前端页面/HTML 的前端开发者；需要长截图 OCR 提取聊天记录/文档信息的用户；需要 GUI 自动化视觉定位的测试工程师；做设计还原/像素对比的开发者。
不适合：仅用纯文本问答不需要视觉能力的用户；无外网环境用户；不想配置 API Key 的用户；对本地文件读取敏感且无法提供隔离环境的用户；Node 版本无法升级的环境。
总结
dsh-vision-toolkit 为 DeepSeek Harness 的纯文本模型补上了视觉能力，通过聚焦提示机制避免了传统多模态桥接的语义损耗，10 个视觉工具和 5 个工作流 SOP 覆盖了从图片问答到 UI 还原、GUI 自动化的完整视觉任务链。dshfind 评分 94（生态最高分）和周下载 8144 也印证了其实用价值。安装时需注意配置视觉模型 API Key、Node 版本要求和 DSH Desktop 安装方式等问题。
查看插件详情页，获取完整安装命令和兼容性检查结果。
本文由 DeepSeek Harness Hub 自动整理，数据来源于插件详情页。