siegfly/dsh-deepseek-vision

dsh-deepseek-vision

[](https://github.com/deepseek-ai/deepseek-harness)
[](./CHANGELOG.md)
[](./tests)
[](./vitest.config.ts)
[](./LICENSE)
[](./package.json)
[](./cordis.patch.yml)

安装： dsh plugin --profile web add dsh-deepseek-vision

dsh-deepseek-vision 是给 DeepSeek Harness 的视觉语言网关插件。 纯文本的 DeepSeek 编程模型
通过一个“网关”provider 路由获得贴图能力：默认 native-first，目录声明支持 image 的模型
图片直通原生视觉端点；其余模型先由可配置的视觉模型
（默认 Qwen-VL）逐字描述成文字，再交给 DeepSeek 继续写代码。官方仓库零改动、跨机器
安装不锁官方版本。同类方案里它是最薄的桥：不注入 agent 工具、不经过第三方中转、
不依赖本地模型。

- 亮点
- 为什么选它
- 快速开始
- 效果
- 工作原理
- 配置
- 使用
- 安装
- 版本对齐
- 开发
- 边界与注意
- FAQ
- 许可

亮点

- 贴图即用，不用换模型： 注册独立路由 deepseek-vision（显示名 DeepSeek + Vision），
真实声明 inputModalities: ['text','image']——聊天窗贴图、tool-fs read_image、浏览器
截图、MCP 工具返回的图片、ACP 客户端内联图片全部放行。
- 同代图片只描述一次： 按“完整 VL 配置代际 + attachmentId”进程内 LRU 缓存，重试、上下文压缩、后续轮次
复用同一份描述，不重复计费。
- 会话不变量保持： 原始图片仍持久化进 session log，历史 / 回放 / 重构不受影响。
- 官方机制安装： bundle 声明 + dsh plugin add，四种 spec（npm / git / 目录 / tarball）、
web 与 headless 双 profile，与官方插件完全同一路径。
- 换 VL 模型零改码： 端点 / 模型 / 提示词 / 密钥全在设置卡片，兼容任意
OpenAI 风格 /chat/completions 网关（DashScope、vLLM、OpenRouter、LM Studio…）。
- 失败语义明确： 默认 fail-closed，稳定错误码（AUTH / TIMEOUT / TRANSPORT /
IMAGE_TOO_LARGE…），或 placeholder 降级为文字占位继续。
- 跨版本不锁死： 发布版不锁定官方 dsh 版本。无 CLI 复刻路径（pnpm
install-profile）在目标机用自己的 dsh 重建，构建成功即兼容证明，装前分级
提示、绝不静默失败；官方 CLI 路径（dsh plugin add）直接安装发布产物，不在
目标机重建——运行时依赖经 healed fallback 解析，但兼容性未经目标机验证
（见版本对齐）。

为什么选它

dsh 视觉插件生态在官方 harness 发布后的几十小时内密集涌现，机制与取舍各不相同。本插件的
立场是一句话：最薄的桥——只加一条 provider 路由，其余什么都别加。

- 不注入 agent 工具：不新增 vision_describe / analyze_image 之类的工具，agent
的行为面不变，贴图走的就是“贴图”这条原路；
- 不经过第三方中转：没有匿名回退端点、没有代理服务器、没有磁盘答案缓存——图片
只经过你自己配置的 VL 端点（你的 key、你的端点、你的数据）；
- 不依赖本地模型：无 Python / MLX / llama.cpp / Ollama 要求，装上即用；
- 与官方插件同一发布质量：官方 bundle 机制安装、装前兼容门禁、构建锚点章、
121 个测试 / 97% 覆盖率、双语文档。
| 维度 | 本插件 | 工具型（如 dsh-vision-any、dsh-vision） | 路由型（如 dsh-vision-router） | 代理型（如 dsh-vision-proxy） | 本地管线型（如 DeepSeek-Harness-Vision-Tools） |
| --- | --- | --- | --- | --- | --- |
| 机制 | provider 网关路由 | 注入 agent 工具 | 工具 + 多供应商路由 | 透明代理路由 | Python 本地 VLM 管线 |
| 图片数据流 | 只经你自己的 VL 端点 | 你自己的 API | 含第三方匿名回退 | 自有端点 + 回退链 | 本地模型，不出网 |
| 换 VL 模型 | 设置卡片，零改码 | 配置文件 | 配置文件 | 配置 + 自动探测 Ollama | 换本地模型 |
| 答案/描述缓存 | 进程内 LRU（仅描述） | — | 内容哈希答案缓存 | SHA-256 缓存 | — |
| 失败语义 | fail-closed + 稳定错误码 | — | — | 超时保护 | — |
| 发布链路 | 官方 bundle 机制 + 兼容门禁 + 锚点章 | — | — | — | 非 bundle |

上表只列方向性差异，各项目仍在快速迭代；选型时请以各项目最新 README 为准。

快速开始

前置：dsh CLI 已可用并启动过一次、PATH 里有 pnpm（dsh plugin 命令经 pnpm 安装插件）。

第一步：新机器装 dsh（一次性，二选一）。 dsh 是官方 CLI（npm 包
@deepseek-ai/dsh）：

npm install -g @deepseek-ai/dsh        # 推荐：dsh 永久进入 PATH，之后命令直接敲
或（官方一行启动方式）：
npx @deepseek-ai/dsh web               # 不装全局：CLI 只在 npx 缓存里运行，不会进 PATH

⚠️ 用 npx 方式时 dsh 不会进入 PATH——新开终端直接敲 dsh 会报
"command not found"。要么全局安装，要么所有命令都带 npx @deepseek-ai/dsh 前缀。

第二步：安装（git 形式，锁 commit，推荐）：

dsh plugin --profile web add github:siegfly/dsh-deepseek-vision#
没装全局、走 npx 时：
npx @deepseek-ai/dsh plugin --profile web add github:siegfly/dsh-deepseek-vision#

已发布的 npm 版（0.1.7）同样可用：把 spec 换成 dsh-deepseek-vision@0.1.7
（显式锁版本——pnpm 11 默认对发布不足 24h 的新版本设年龄门槛，裸 spec 在
0.1.7 发布 24h 内会暂时解析到旧版 0.1.5）。

部署使用： 重启一次 dsh web → Models 页选 DeepSeek + Vision → 设置 → 插件 →
插件配置里填 VL 密钥 → 聊天窗贴图，发消息。

卸载：

dsh plugin --profile web remove dsh-deepseek-vision

headless profile、其他 spec 形式（git / 目录 / tarball）、无 CLI 的机器——见安装。

效果

聊天窗里选中 DeepSeek + Vision provider 之后：

| 模型选择器里的 DeepSeek + Vision provider | 聊天窗贴图，图片被描述后发送给 DeepSeek |
| :---: | :---: |

- 粘贴 / 拖入图片 → 按所选模型分流：目录声明支持 image 的模型（官方默认目录里的
deepseek-v4-flash-vision-exp）图片直通原生，直接走 DeepSeek 官方视觉端点；
纯文本 / 未列目录的模型则由配置好的视觉模型先描述成文字（逐字提取代码、报错、
日志、UI 文案，并描述布局）；
- 描述文字替代图片发给 DeepSeek → 你继续用 DeepSeek 写代码，同时获得图片理解能力；
- 每张图片只描述一次，重试 / 压缩 / 后续轮次都复用同一份描述，不重复计费；
- session 日志仍然持久化原始图片，历史 / 回放 / 重构不变量不受影响。

工作原理

flowchart LR
User["聊天窗贴图 / read_image / 截图 / MCP / ACP"] --> Gate["deepseek-vision 路由：inputModalities = text + image"]
Gate --> Persist["apiproxy prompt RPC → ImageBlock 持久化进 session log"]
Persist --> Decide{"DeepSeek 目录声明该模型支持 image？"}
Decide -- "是（官方视觉模型）" --> Native["yield* super.stream()：父类原生序列化图片，直通 DeepSeek 视觉端点"]
Decide -- "否（纯文本 / 未列目录）" --> Bridge["ImageBridge：改写图片块（含 tool-result 嵌套）"]
VL["可配置 VL 模型（默认 qwen3-vl-flash，OpenAI 兼容端点）"] --> Bridge
Cache["attachmentId → 描述 LRU 缓存"] --> Bridge
Bridge --> Stream["yield* super.stream()：原生 DeepSeek wire 继续流式"]

为什么是“网关适配器”而不是中间件：DSH 有两道硬门槛——prompt / selectModel RPC 按
inputModalities 拒绝不含 image 的模型（纯 llm/stream 中间件拦不到），llm-deepseek
序列化器对 text-only 模型的 image block 抛 UNSUPPORTED_CONTENT。本插件注册新的
provider 路由，继承官方导出的 DeepSeekAdapter：stream() 先按父类目录判断所选
模型——目录声明 image 能力的（官方 rc.2 默认发布 deepseek-v4-flash-vision-exp）原样
直通，由父类原生序列化图片；纯文本与未列目录的模型才把图片块经 VL 模型改写为文本，
再走原汁原味的 DeepSeek wire。reasoning efforts / context 窗口 / 默认 maxTokens /
retry policy 全部从父类继承。

配置

全部可省略（走默认值）。两个 key 都支持 credential-ref（环境变量名）。已挂载 dsh 的
credentials 服务时，其解析结果（即使未配置）具有权威性；只有服务缺席才直接读取启动环境。
官方 credentials-local 的优先级是：进程环境变量（最高、只读）→ GUI 管理的
.credentials.yaml → .env 回退。因此 Web Models 页写入的凭据可用，而本次进程显式
导出的 key 始终优先且不能在 GUI 内修改：

| 路径 | 默认值 | 说明 |
| --- | --- | --- |
| provider | deepseek-vision | 注册的路由 id（避开 deepseek-official） |
| displayName | DeepSeek + Vision | 模型选择器里的名字 |
| mode | native-first | native-first = 原生视觉优先、文本模型回退；always-describe = 始终转描述；disabled = 完全退回官方 DSH 行为 |
| deepseek. | — | 与官方 llm-deepseek 段完全同构（apiKeyEnv / baseURL / thinking / reasoningEffort / maxTokens / models / retryPolicy…） |
| deepseek.apiKeyEnv | DEEPSEEK_API_KEY | DeepSeek key |
| vl.apiKeyEnv | QWEN_VL_API_KEY | VL 模型 key |
| vl.baseURL | https://dashscope.aliyuncs.com/compatible-mode/v1 | 任意 OpenAI 兼容 /chat/completions 网关 |
| vl.model | qwen3-vl-flash | VL 模型 id（贴图 OCR 型描述性价比最高；复杂视觉推理可换 qwen-vl-max） |
| vl.describePrompt | 详述 + 逐字提取的英文提示词 | 图片描述指令 |
| vl.timeoutMs | 120000 | 单次描述请求硬超时 |
| vl.maxTokens | 2048 | 单张图片描述的最大输出 token |
| vl.maxPixels | 4194304 | DSH 在发送 VL 前进行确定性缩放的总像素上限 |
| vl.maxBytes | 5000000 | DSH 在发送 VL 前进行确定性编码的目标字节数 |
| vl.maxCacheEntries | 64 | 进程内描述缓存容量（LRU） |
| vl.onFailure | fail | fail = 描述失败整个请求失败；placeholder = 降级为文字占位继续 |

llm-vl-gateway 也是一个 settings namespace，三个编辑入口：设置 → 插件 → 插件配置
的“DeepSeek + Vision（视觉语言桥接）”卡片（vl. 全字段 + VL 密钥）、Web Models 页
（deepseek. 子段由可配置 provider 目录接管）、settings.yaml（两个子段都可写）。
卡片与 DSH 原生插件一致默认收起；折叠不会丢失草稿，保存成功后自动收起。

插件设置卡片

provider / displayName 是注册期事实，修改即时生效（adapter 路由 + 可配置 provider
目录原子重注册，不需重启）；改成已被占用的路由 id 时两个注册表保留旧值并记日志。

patch 行内配置示例（全部可选）：

- insert:
- id: llm-vl-gateway
name: dsh-deepseek-vision
config:
deepseek:
reasoningEffort: high
mode: native-first
vl:
apiKeyEnv: DASHSCOPE_API_KEY
model: qwen3-vl-flash

使用

1. 设置两个 key：设置 → 插件 → 插件配置 → “DeepSeek + Vision（视觉语言桥接）”
卡片里填 VL 密钥（写入凭据存储，不出现在任何响应/设置里）；DeepSeek key 沿用现有凭据；
2. Models 页选择 provider DeepSeek + Vision（会话内切换即持久化为默认）；
3. 聊天窗贴图，发消息——图片自动被描述，DeepSeek 看到的是文字。

设置卡片是本插件的客户端面（dsh.client）：以官方解耦插件的方式注册进
settings.plugin.item 槽位，编辑 llm-vl-gateway.vl 段，与官方内置卡片（终端 /
Agent 循环 / 网页搜索）同机制、同交互（暂存草稿、覆盖状态显示、保存时整体写入）。

安装
通过官方 bundle 机制安装：本包在 package.json 中声明 dsh.bundle.patch（指向包内的
cordis.patch.yml），dsh plugin add 会把包链接进 profile，并把包名对账进 profile
manifest 的 dsh.profile.bundles 层栈，loader 启动时按层挂载——不需要手工往
cordis.patch.yml 添加任何行（旧版本添加过的受管块会在下次安装/卸载时自动迁移移除）。

四种 spec 任选（日常推荐 git 形式，锁定 commit）：

dsh plugin --profile web add github:siegfly/dsh-deepseek-vision#       # git（推荐），锁定 commit
dsh plugin --profile web add dsh-deepseek-vision@0.1.7             # npm（已发布 0.1.7，显式锁定版本）
dsh plugin --profile web add file:                        # 本地目录（开发）
dsh plugin --profile web add ./dsh-deepseek-vision-0.1.7.tgz              # tarball（npm pack 产物）

headless 同理：dsh plugin --profile headless add dsh-deepseek-vision（客户端卡片只在
web 生效）。验证 bundle 层已挂载：dsh --profile web --dump-config | grep llm-vl-gateway。
卸载与安装一一对应：dsh plugin --profile  remove dsh-deepseek-vision。

无 CLI 的机器使用等价复刻（需要 Node 22.19+ 或 24+、PATH 中有 pnpm；init 布局 → 目标机
重建 → 兼容门禁 → pnpm add → bundles 对账）：

pnpm install        # 只装 devDeps（typescript/vitest），不会装 @deepseek-ai/
pnpm install-profile          # 或 node scripts/install-profile.mjs [profile] [dshHome]

这是唯一在目标机重建的安装路径：install-profile 先用目标机自己的 dsh 类型重新构建
插件并通过 check-compat.mjs 门禁，再装入 profile（见版本对齐）。
两条路径都做下面两件事：

- 把 dsh-deepseek-vision 链接进 profile 的 node_modules（运行时 @deepseek-ai/ 依赖经
官方 healed fallback 解析到同一个 dsh 安装，共享同一个 cordis 实例，无双实例问题）；
- 把 dsh-deepseek-vision 对账进 dsh.profile.bundles——loader 按层挂载包内
cordis.patch.yml 的 insert 行（注册路由 + 设置段）；
- 首次安装时如 profile 布局缺失，按官方 initProfile 语义补齐（manifest + 空用户
patch 层 + pnpm-workspace.yaml），已存在的文件从不改动。

装完重启一次 dsh web（bundles 层栈变化 + 客户端模块扫描按包名缓存）。

本仓库是独立 git 仓库，与 deepseek-harness 官方仓库没有任何 git 关系
（无 fork / 子模块 / 远程关联）；官方 checkout 零改动。

版本对齐

两条安装路径的兼容性策略不同：

- 官方 CLI 路径（dsh plugin add，npm / git / tarball）：直接安装发布产物——
npm 包在作者发布时构建，git 形式使用提交的 lib/，tarball 是作者打包的产物，
都不在目标机重建，也没有兼容门禁。运行时 @deepseek-ai/ 依赖从目标机自己的
dsh 安装解析（healed fallback）；若目标机官方 dsh 的 API 与本插件编译产物不匹配，
安装不会提前失败，问题会在启动或调用时显现。装前请自行确认目标 dsh 与
dshCompat.anchorVersion 声明的代际大致一致。
- 无 CLI 复刻路径（pnpm install-profile）：安装前先在目标机用目标机自己的
dsh 类型重新构建插件，再跑 check-compat.mjs 分级门禁。只有这条路径提供
“构建成功即兼容证明”：

无 CLI 复刻路径下，发布版不锁定任何官方版本——目标机器用比锚点更新（或更旧）的
官方 dsh 都可以安装；构建成功本身就是兼容性证明。若新官方版改了本插件用到的 API，
构建会自然失败并给出明确的 tsc 错误，那时才需要发新版适配。作者无需跟随官方每次
升级重新发布。

- dshCompat.anchorVersion 只声明提交的 lib/ 的构建出处（出处声明，不是安装
许可）；pnpm build 写入的 lib/build-anchor.json 让出处无法撒谎。
- node scripts/check-compat.mjs [dshHome] 安装前对目标机分级：完全一致 = exit 0；
任何不一致 = exit 1 提示并放行；残缺发布 / 复刻漂移 = 拒绝（有环境变量强制开关）。
该检查只在 install-profile 里运行，官方 CLI 路径不会调用它。

完整策略、退出码分级与发版触发条件：docs/VERSIONING.md。

开发

pnpm test      # vitest
pnpm build     # tsc（宿主面 + 客户端面）+ tsdown 浏览器 bundle

- scripts/harness-paths.mjs 是仓库唯一的解析缝：$DSH_CHECKOUT → 仓库根
harness-paths.json（gitignored）→ 本机已安装 dsh 的 healed fallback。
- 纯 npm 机器上 2 个客户端测试套件自行跳过（npm 只发布浏览器闭包里的客户端运行时）；
有官方源码 checkout 的机器跑全量。
- 产物里的 @deepseek-ai/ 导入保持裸说明符，运行时走 profile fallback。

细节：docs/DEVELOPMENT.md。贡献指南：CONTRIBUTING.md；
安全漏洞报告：SECURITY.md。

边界与注意

- compaction：默认继承会话 provider（即网关路由），按会话模型分流——目录声明
image 的模型（官方视觉模型）图片直通原生；文本模型图片被改写且命中缓存。若把压缩
策略显式 pin 到 deepseek-official 且历史含图，会按原逻辑 UNSUPPORTED_CONTENT 失败。
- 卸载后的含图会话：卸载插件后，含图历史会话无法切回文本模型（官方 selectModel
按 inputModalities 准入拒绝，属预期行为，不是数据损坏）；新会话不受影响，重装即恢复。
- VL 失败语义：默认 fail-closed——描述失败（如 key 失效）整个请求以稳定错误码
（AUTH / TIMEOUT / TRANSPORT…）终止，不静默丢图；onFailure: placeholder 可降级。
- 图片投影与上限：先按部署准入上限 fast-fail，再通过新版 DSH 的
readImageRequest 公共 seam 按 vl.maxPixels / vl.maxBytes 确定性缩放和编码；描述输出另由
vl.maxTokens 限制。供应商仍可能有更低上限，请同时留意其文档。
- 新版 DSH 下的定位：插件不再是“所有图片能力”的必装件，而是文本模型的可选兼容层。
只使用原生视觉模型时可设 mode: disabled 或卸载；需要让 DeepSeek 文本/推理模型读取图片、
强制统一 OCR 描述，或使用独立 VL 供应商时，它仍提供官方原生路径没有替代的能力。
- 缓存不是持久存储：描述只保存在当前进程内；重启后可从持久化附件重新描述，但不会复用
上一进程的描述结果。
- 描述文本会占用 DeepSeek 的 context（每图几百 token，仅首次计费）。
- 新版 DSH 的 imageRequestPricing 是同步接口，首次描述生成前无法精确知道其文本 token；
当前上下文预检仍会低估这部分占用，实际输出由 vl.maxTokens 硬限制。

FAQ

新机器上 dsh 命令不存在 / 报 command not found？ 先装官方 CLI：
npm install -g @deepseek-ai/dsh（一次性，之后 dsh 永久在 PATH）。如果平时用
npx @deepseek-ai/dsh web 启动（官方一行方式），CLI 只在 npx 缓存里运行、不会进
PATH*，装插件时要用 npx 前缀：npx @deepseek-ai/dsh plugin --profile web add
dsh-deepseek-vision——插件本身装在 profile 里，与 CLI 从哪来无关，装一次永久有效。

安装需要关心 Node 版本吗？ 官方 CLI 路径（dsh plugin add）不需要；只有无 CLI 的
复刻脚本需要 Node 22.19+ / 24+ 和 PATH 里的 pnpm。

是什么？ git spec 形式的占位符——替换成具体 commit 哈希可锁死精确代码快照；
不加 # 则安装默认分支最新提交。

支持 CLI（headless）吗？ 支持。网关路由在两个 profile 行为一致；设置卡片是 web
专属，headless 用 settings.yaml 配置。

卸载后，含图历史会话选不了模型？ 属预期行为：官方 selectModel 按
inputModalities 拒绝文本模型接入含图会话。新会话不受影响，重装即恢复。

为什么图片不直接发给 DeepSeek？ 现在有两种路径：DeepSeek 目录声明支持 image 的
模型（官方 deepseek-v4-flash-vision-exp）图片已经直通原生、不走插件。其余纯文本
模型官方接口会拒绝 image_url，所以先由 VL 模型描述成文字再转发——不换模型、不丢信息。

许可

MIT