🎁 福利专区全网大模型免费应用 + 新用户福利 + 注册活动入口，低成本玩转 AI
去看看
DeepSeek Harness Hub
MCP兼容手册

智能识图路由 kaixinbaba/dsh-vision-recognizer

DeepSeek Harness
kaixinbaba75 天前有提交已提供中文文档扫描：含敏感能力
在 GitHub 查看 ↗

让纯文本模型也能看图，自动转译图片为文字

28.1/100
综合分
2
GitHub 星标
—
npm 周下载
—/5
用户评分

数据截至 2026/9/16 · 周下载取自 npm 全网（含 CI / 镜像），非本站安装数；综合分由星标、活跃度与兼容性检查合成。

安装命令 · 需先装 dsh CLI 引擎
dsh plugin --profile web add kaixinbaba/dsh-vision-recognizer
该包不可直接 npm 安装，改从 GitHub 源安装（明细见下方安装检查）

状态速览

判定依据：实装验证 · 静态安装检查 · 自动扫描 · 仓库维护状态
信任档位：已验证
是什么
dsh 原生插件 · vision
装得上吗
本站已真实安装成功
非静态推断
L4 · 真实安装等级说明 →
安全吗
本站尚未对该插件做风险分级
暂未覆盖，不等同于无风险
还在维护吗
更新放缓：最近一次提交在 75 天前
档位由哪些信号合成

本站实装验证（真实安装 L4 覆盖全站；L5 为运行时冒烟或实机截图，覆盖范围小于 L4） · 验证所用 dsh 版本 · 静态安装检查 · 风险分级 · 仓库维护状态。 下方各区块是它的证据明细。

验证判据与等级说明 →
社区实装还没有人打卡 · 装过的第一个就是你
安全扫描自动 · 静态分析源码
v2.7.0
🔵 扫描：含敏感能力尚无人工评估
展开查看扫描说明与证据 ↓

静态扫描发现插件具备触达本地系统的能力：执行外部命令、读写/删除本地文件、读取剪贴板或密钥类环境变量（至少其一）。这是能力清单，不是危险判定——具体能力项与证据见下方，安装前请自行判断是否需要。

读写/删除本地文件发起外部网络请求
查看扫描证据（共 8 处，展示前 8 条）
  • 读取本地文件
    lib/index.js:90
    if (existsSync(path)) {
  • 读取本地文件
    lib/index.js:91
    const stored = JSON.parse(readFileSync(path, 'utf8'));
  • 写入本地文件
    lib/index.js:105
    mkdirSync(dir, { recursive: true });
  • 写入本地文件
    lib/index.js:106
    writeFileSync(configFilePath(), JSON.stringify(next, null, 2) + '\n', 'utf8');
  • 发起网络请求
    client/client.js:153
    fetch('/dsh-vision-recognizer/config', { cache: 'no-store' })
  • 发起网络请求
    client/client.js:182
    fetch('/dsh-vision-recognizer/test', {
  • 发起网络请求
    client/client.js:212
    fetch('/dsh-vision-recognizer/config', {
  • 发起网络请求
    lib/core.js:198
    const post = () => fetch(request.url, {
扫描于 2026/11/3（1 天前） · 范围 入口闭包 + 发布文件清单 · 来源 GitHub 仓库

静态扫描只反映源码中出现的调用，不构成安全背书；人工评估与自动扫描相互独立、互不覆盖。

依赖的 DSH / Cordis 模块
@deepseek-ai/cordis@deepseek-ai/dsh-llm
给这个插件打分还没有人投票↓
用户评分
还没有人投票，来当第一个
广告精选好物
飞利浦 TAH6519 主动降噪耳机 ¥299
头戴式无线 anc 主动降噪，蓝牙连接，久戴舒适向。
  • ·anc 主动降噪 · 头戴式无线
  • ·价格与库存以商品页实时为准
去淘宝看看→

功能亮点

  • 图片转译为文字
  • 接入多家视觉模型
  • 插件内配置

DeepSeek Harness 识图插件：保持 DeepSeek 对话，15+ 供应商视觉模型把图片转译为文字，可在 设置→插件 配置

README

由 DeepSeek 最新模型翻译生成
dsh-vision-recognizer 保持 DeepSeek 作为对话大脑，图片照样直接发，并且可以在「设置 → 插件」里随时切换识图供应商。 面向 DeepSeek Harness 的识图插件。 它注册一条自适应提供商路由（默认 vision-recognizer，模型选择器里显示为 DeepSeek + 智能识图），包装配置的对话提供商。路由始终接纳图片，然后解析当前选中的准确模型：声明原生图片能力的模型直接收到原始图片块；纯文本或能力未知的模型则收到由你配置的视觉模型生成的转译文字。默认被包装的对话提供商仍是 DeepSeek。 用户附加图片 ──▶ vision-recognizer 路由 ──▶ 当前模型支持原生图片？ ── 是 ─▶ 原生多模态请求 │ 否 ▼ 配置的视觉模型转译 ──▶ 纯文本当前模型 特性 - 自适应路由：原生多模态模型直接收到图片；只有纯文本或能力未知的模型才调用配置的视觉转译回退。 - 一键安装：dsh plugin --profile web add dsh-vision-recognizer，无需构建脚本、无需 approve sharp（不依赖任何原生模块）。
展开完整文档（README 剩余 1 节）
dsh-vision-recognizer

保持 DeepSeek 作为对话大脑，图片照样直接发，并且可以在「设置 → 插件」里随时切换识图供应商。 面向 DeepSeek Harness 的识图插件。

它注册一条自适应提供商路由（默认 vision-recognizer，模型选择器里显示为 DeepSeek + 智能识图），包装配置的对话提供商。路由始终接纳图片，然后解析当前选中的准确模型：声明原生图片能力的模型直接收到原始图片块；纯文本或能力未知的模型则收到由你配置的视觉模型生成的转译文字。默认被包装的对话提供商仍是 DeepSeek。

用户附加图片 ──▶ vision-recognizer 路由 ──▶ 当前模型支持原生图片？ ── 是 ─▶ 原生多模态请求 │ 否 ▼ 配置的视觉模型转译 ──▶ 纯文本当前模型

特性

- 自适应路由：原生多模态模型直接收到图片；只有纯文本或能力未知的模型才调用配置的视觉转译回退。
- 一键安装：dsh plugin --profile web add dsh-vision-recognizer，无需构建脚本、无需 approve sharp（不依赖任何原生模块）。
- 在「设置 → 插件 → 识图」里配置：下拉选择供应商、填 API Key、可覆盖模型 / 接口地址 / token 上限 / 超时 / 标记，保存后立即生效，无需重启。
- 15+ 国内外供应商：OpenAI、Anthropic Claude、Google Gemini、OpenRouter、Azure OpenAI、Ollama（本地），以及阿里云百炼、通义千问国际、智谱 GLM、百度千帆、讯飞星火、月之暗面 Kimi、腾讯混元、火山引擎豆包、硅基流动。任何 OpenAI 兼容端点也能自定义接入。
- 双协议：OpenAI 兼容（/chat/completions）与 Anthropic Messages 原生协议都支持，Claude 也能直接用。
- 绝不卡死：本地/匿名端点 20 秒硬超时上限，HTTP 429 快速失败，失败端点进入 60 秒冷却；没有 Key 也没有本地 Ollama 时数秒内快速失败并给出指引。
- 降级链：主模型失败后按 fallbackModels 依次尝试，每个条目可指向不同供应商；全部失败才报错并列出每一次尝试。
- 内容哈希缓存：同一张图每个进程只转译一次（进程内，上限 200）。
- 本地零配置：autoLocalOllama（默认开）探测 http://localhost:11434，检测到就前置进降级链，图片不出本机。

快速开始

dsh plugin --profile web add dsh-vision-recognizer

npm 官方源慢的话：dsh plugin --profile web add dsh-vision-recognizer --registry=https://registry.npmmirror.com

从本地源码安装（开发）：

dsh plugin --profile web add file:/path/to/dsh-vision-recognizer

注意用 file: 前缀（会把包复制进 node_modules）。若写成 add . 或 add link:…，pnpm 会把包做成软链接，此时插件的 schemastery 依赖会改从源码目录解析而找不到——这是 pnpm 软链接安装的通用坑，与插件本身无关。

重启 dsh web，然后：

1. 模型选择器选择 DeepSeek + 智能识图；
2. 打开 设置 → 插件 → 识图，配置回退视觉供应商和 API Key；
3. 粘贴图片：当前模型原生支持图片时直接传图；纯文本模型会收到带 [图片转译] 的识别结果。

当前模型原生支持图片时不需要配置回退 Key；只有纯文本模型且本地没有 Ollama、也没有 Key 时，才会快速失败并提示配置。

作用范围： 自适应回退只在选中 DeepSeek + 智能识图 包装路由时生效。若直接选择其他提供商路由，请求会直接走该路由；rc8 还没有公开的 adapter 装饰钩子，插件无法给所有既有路由全局加回退。

支持的供应商

| 供应商 | 接口地址（baseURL） | 默认模型 | Key 环境变量 | 协议 |
| OpenAI | https://api.openai.com/v1 | gpt-4o-mini | OPENAI_API_KEY | OpenAI |
| Anthropic Claude | https://api.anthropic.com/v1 | claude-3-5-sonnet-latest | ANTHROPIC_API_KEY | Anthropic |
| Google Gemini | https://generativelanguage.googleapis.com/v1beta/openai | gemini-2.0-flash | GEMINI_API_KEY | OpenAI |
| OpenRouter | https://openrouter.ai/api/v1 | qwen/qwen-2.5-vl-72b-instruct | OPENROUTER_API_KEY | OpenAI |
| Azure OpenAI | 自填（…/openai/deployments/） | gpt-4o-mini | AZURE_OPENAI_API_KEY | OpenAI |
| Ollama（本地） | http://localhost:11434/v1 | 自动探测 | 无需 | OpenAI |
| 阿里云百炼 | https://dashscope.aliyuncs.com/compatible-mode/v1 | qwen-vl-max | DASHSCOPE_API_KEY | OpenAI |
| 通义千问（国际） | https://dashscope-intl.aliyuncs.com/compatible-mode/v1 | qwen-vl-plus | DASHSCOPE_API_KEY | OpenAI |
| 智谱 GLM | https://open.bigmodel.cn/api/paas/v4 | glm-4v-flash | ZHIPU_API_KEY | OpenAI |
| 百度千帆 | https://qianfan.baidubce.com/v2 | ernie-4.5-vl-8k | QIANFAN_API_KEY | OpenAI |
| 讯飞星火 | https://spark-api-open.xf-yun.com/v1 | generalv3.5 | SPARK_API_KEY | OpenAI |
| 月之暗面 Kimi | https://api.moonshot.cn/v1 | moonshot-v1-8k-vision-preview | MOONSHOT_API_KEY | OpenAI |
| 腾讯混元 | https://api.hunyuan.cloud.tencent.com/v1 | hunyuan-vision | HUNYUAN_API_KEY | OpenAI |
| 火山引擎豆包 | https://ark.cn-beijing.volces.com/api/v3 | doubao-1.5-vision-pro-32k-250115 | ARK_API_KEY | OpenAI |
| 硅基流动 | https://api.siliconflow.cn/v1 | Qwen/Qwen2.5-VL-72B-Instruct | SILICONFLOW_API_KEY | OpenAI |

模型名会随各厂商迭代而变化，表中的默认值只是起点；在设置界面里覆盖 模型 即可。API Key 读取顺序：设置界面里填的 Key → 该供应商的环境变量 → $VISION_API_KEY / $DASHSCOPE_API_KEY。

配置存储

界面保存的配置写入 $DSH_HOME/vision-recognizer.json，启动时合并到 bundle 默认配置之上。cordis.patch.yml 里只放出厂默认值；用户层覆盖（$DSH_HOME/profiles//cordis.patch.yml）仍可作为组合期兜底。

⚠️ patch 语义：bundle 自带 - insert: 会向条目列表追加本行。若你又在自己的 cordis.patch.yml 里同时写 - insert: 的同 id 条目，会让 adapter 注册两次（行为未定义）。要覆盖个别键，只写一个顶层 - id: dsh-vision-recognizer 条目即可；更推荐直接用设置界面。

实现原理（给插件开发者）

自适应包装只使用 rc8 公共接口：

- ctx.llm.listModels(innerProvider) 与 resolveModelInfo(innerProvider, model) 检查准确目标模型，并把模型元数据重新绑定到包装路由；
- ctx.llm.prepareCall(...) 委派到配置的目标提供商，不依赖私有 adapter registration；
- 代理 resolveModel 对外声明 ['text', 'image'] 以接纳图片，代理 stream 再根据目标模型原始能力选择原生直传或转译；
- 转译只克隆并修改本次委派的消息，持久会话历史仍保留原始图片引用；
- 设置界面走 settings.plugins.tab 插槽 + 自定义 webServer 路由，配置持久化到自有 JSON 文件。

rc8 限制

rc8 的能力查询与目标 prepareCall 是两个独立公开操作；如果目标 adapter 恰好在这个极短窗口被 HMR 替换，能力判断可能与最终派发版本不一致。嵌套目标调用还会第二次进入 llm/stream waterfall；当包装与目标不是同一个 adapter 时，DSH 可能移除提供商私有的 replay 元数据。普通图文历史不会丢失，但依赖私有 replay 签名的提供商可能暂时失去缓存优化或部分保真度，直到 DSH 提供原子委派句柄。

隐私

原生多模态路由会把图片发送给当前选中的对话提供商；纯文本回退则把图片（base64，通常为 HTTPS）发送给你配置的视觉端点。除非相应端点是本地服务，否则图片数据都会离开你的机器。除 Harness 自身附件存储外，本插件不额外持久化图片。

许可证

MIT
广告精选好物
Type-c 采集卡 ¥50
佳能尼康索尼相机直连电脑，视频开发与直播向。
  • ·相机转电脑采集
  • ·价格与库存以商品页实时为准
去淘宝看看→
预览分享卡片长什么样 ↓kaixinbaba/dsh-vision-recognizer
分享 · DeepSeek Harness Hub
kaixinbaba/dsh-vision-recognizer

让纯文本模型也能看图，自动转译图片为文字

相关插件 · 视觉能力

智能体工作台Devin-AXIS/iPolloWork
企业级、本地优先的智能体工作台，面向个人和智能体团队——一个工作区，容纳多个智能体引擎；一套统一体系，管理插件和技能；支…
★ 7,364已汉化DSH
72
开源设计工作台nexu-io/open-design
OpenDesign：首个协作式 AI 设计智能体工作区
★ 105,709已汉化DSH
71.8
GPT 图像提示词库freestylefly/awesome-gpt-image-2
Prompt as Code | GPT Image 2 / 2.5 提示词与案例库，530+ 个案例、20+…
★ 34,534已汉化DSH
71.5
多智能体编码工作区spacering-net/codeg
多智能体协作的 AI 编程工作区：汇总 Claude Code、Codex、OpenCode、Pi、Grok Build 等来源的会话。支持桌面应用、自托管服务器或 Docker。
★ 4,319已汉化DSH
71.5
AI 用量桌面小部件Javis603/token-monitor
EN | 简 | 繁 | KO | JA | PT
★ 3,533已汉化DSH
71.1
架构图生成器tt-a1i/archify
把你想理解、规划或分享的事，变成可以互动的可视化作品。
★ 93,105已汉化DSH
71.1

这是你的仓库？认领条目

回到顶部