豆包识图桥 iceBear662/dsh-vision-edge-doubao

dsh-vision-edge-doubao

“带上她的眼睛”

大肥鱼：终于找到眼睛捐赠者了，豆包，会是谁呢？

豆包：恭喜啊！

————手术很成功————

DSH（DeepSeek Harness）视觉插件：通过最最懒人的 Edge + 豆包网页版 给纯文本 DeepSeek 模型提供识图能力。

起因是我在做数学建模题目时，发现 Deepseek 模型的识图能力不太理想，于是在插件市场尝试了几个识图插件，发现现有的插件大多依赖于 Chrome + Gemini，对于我这种懒人加门外汉使用起来有些麻烦，所以用大 D 老师写了一个自己用着方便的插件。由于是第一次尝试，还有很多不足，但已勉强能用，也有一些亮点：

- 🧮 数学建模图专项（mode=math）：几何图形 / 流程图 / 数据图表 / 表格 / 公式 的深度结构化识别
- 💬 澄清闭环：识别有不确定项时，插件会列出问题问你，你回答后重新识别更精确
- 🖼 通用识图：照片、截图、OCR 文字识别、区域细查、多图对比
- 🔁 免维护登录：豆包登录态保存在独立浏览器配置里，一次登录长期使用
- 💰 零成本：复用浏览器登录态，无需 API Key

环境要求

- Windows（需要 Edge浏览器）
- 已安装 DeepSeek Harness（DSH）Web GUI
- Node.js ≥ 18（桥接组件需要）

安装

方式一：从 GitHub 安装（推荐）

dsh plugin --profile web add github:iceBear662/dsh-vision-edge-doubao

方式二：从 npm 安装

dsh plugin --profile web add dsh-vision-edge-doubao

方式三：tarball 安装

dsh plugin --profile web add ./dsh-vision-edge-doubao-0.1.0.tgz

安装后重启 dsh web 生效（插件在启动时加载）。

首次使用配置（只需一次）

1. 运行一键启动脚本

powershell -ExecutionPolicy Bypass -File \start-vision-edge.ps1

脚本会自动完成：启动 Edge 调试实例（独立配置，不影响你日常浏览器）→ 启动豆包桥接 → 验证环境。

GitHub/npm 安装后脚本在 node_modules\dsh-vision-edge-doubao\start-vision-edge.ps1。

2. 登录豆包（仅首次）

在弹出的 Edge 窗口里打开 doubao.com，扫码或手机号登录一次。
登录态保存在独立配置中，之后重启电脑也不用再登。

3. 开始使用

在 DSH 会话里直接发图片给模型，或说“看看这张图”即可——模型会自动调用 vision 工具。

使用说明

数学建模图专项（mode=math）

对数学建模竞赛常见的图做了专项优化，识别时会按图型输出结构化要点：

| 图型 | 识别内容 |
| 几何图形 | 形状、顶点字母及方位、实线/虚线分类、辅助线、角度标记、坐标系 |
| 流程图 | 节点类型与文字、分支条件、循环结构、层级关系 |
| 数据图表 | 图表类型、坐标轴/刻度、趋势与极值、关键数值、图例 |
| 表格 | 行列结构、表头、全部数值、异常值 |
| 公式 | LaTeX 转录（分数/根号/上下标/求和等） |

澄清闭环（不确定项提问）

识别遇到看不清或影响结论的点时，插件会在结果中返回 clarify 问题，模型会主动问你（如“点 D 是否为 BC 的中点？”），你回答后它会带着补充信息重新识别，得到更精确的结果。

参数速查

- mode：glance（通用）/ ocr（文字转录）/ region（区域细查）/ compare（多图对比）/ math（数学建模专项）
- detail：auto（自动）/ fast / standard / deep（auto 会自动升级复杂图）

豆包回答模式（专家模式）

插件会自动确保豆包使用专家模式识图（更精准），并输出“已完成思考”标志：

- 豆包模式是持久设置：切换一次后长期保持；插件每次识图前会自动检查并确保处于专家模式（幂等，无需手动干预）
- 想用快速模式：启动桥接前设置环境变量 DOUBAO_MODE=quick
- 自动切换遇到异常时会静默降级（继续用当前模式识图，不影响任务）

常见问题

| 问题 | 解决 |
| 识别超时 | 多半是 Edge 被关闭过：重新运行 start-vision-edge.ps1 即可恢复 |
| 偶发失败 | 豆包偶发人机验证，稍等重试即可 |
| 相同图片返回相同结果 | 插件有缓存（省流量），换一种问法即可重新识别 |
| 想重装/卸载 | dsh plugin --profile web remove dsh-vision-edge-doubao |

更新日志

v0.1.0

- 🚀 Edge 浏览器 + 豆包网页版识图，零成本免 API Key
- 🧮 数学建模图专项（mode=math）：几何图形 / 流程图 / 数据图表 / 表格 / 公式
- 💬 澄清闭环：不确定项自动生成问题问你，回答后带补充信息重识别
- 🛠 桥接兼容修复：豆包 ProseMirror 输入框、长文本一次性插入（无漏字）、虚拟滚动回复提取、多段回复合并
- 📄 提示词回答优先 + 禁用表格（规避豆包表格渲染丢失）+ 防注入头

v0.1.1

- 🧠 豆包专家模式自动确保：识图前自动检查并切换到专家模式（更精准），支持环境变量 DOUBAO_MODE=quick 切回快速模式
- 🔧 修复专家模式适配：
- 模式切换按钮贴视口边缘导致自动化点击失效 → 滚动到视口中央 + 真实鼠标点击
- 专家模式先输出思考块再输出回答 → 生成中检测跳过思考草稿，只取最终回答

⚠️ 风险提示

- 本插件通过自动化驱动浏览器，复用你已登录的豆包会话进行识图，本质上是对豆包网页端的人工自动化操作，可能违反豆包/字节跳动的服务条款，存在账号被限制或封禁的风险。
- 建议使用非主力账号测试和使用，不要用于商业用途或批量抓取。
- 自动化行为与你手动在浏览器中操作等价（共享登录态与额度），但频率更高时风控风险随之上升；请合理使用，控制调用频率。
- 本项目与豆包、字节跳动无任何关联；豆包网页端随时可能改版导致插件失效，恕不保证长期可用。

致谢

本项目借鉴了 dsh-vision（作者 54xkeee，MIT License）的架构与豆包桥接方案，在其基础上：

- 桥接改为 Edge 浏览器（原为 Chrome）
- 修复豆包网页改版后的输入框定位、回复提取、长文本发送等兼容问题
- 提示词重构为回答优先 + 数学建模图专项，新增不确定项澄清闭环

原项目 MIT License 版权声明：

MIT License

Copyright (c) 2026 54xkeee

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in all
copies or substantial portions of the Software.

许可证

MIT