wanshichenguang/dsh-tool-vision

dsh-tool-vision

一个 DeepSeek Harness 插件：面向模型的 image_describe（识图） 工具。它读取本地图片文件，让 DashScope OpenAI 兼容接口（qwen3.7-flash）描述图片内容或回答针对性问题。

所有 Agent 预设（模式）都能用：bundle 补丁把工具插到宿主层，每个会话的工具目录里都能看到它。

安装

dsh plugin --profile web add dsh-tool-vision

重启 dsh web（或在插件市场里一键安装）。工具以 image_describe 出现在模型的工具目录中。

粘贴桥（Paste bridge）

在 Web 界面上，当会话模型为纯文本模型（依据提供方元数据确认）时，把图片粘贴或拖进输入框再发送：浏览器端会把每张草稿图片上传到插件的宿主路由、释放草稿，并把 [image: ] 文本追加到提示词后再发送——请求不携带图片块，不会触发宿主的图片准入拦截，模型随后可用 image_describe 读取该文件。视觉模型或无法确认的模型保持原生行为（图片内联原样发送）。

上传的图片副本存放在 DSH 数据目录（$DSH_HOME/media，默认 ~/.dsh/media），命名规则与宿主自带的图片转路径一致。

发送后消息里的图片会在原用户消息区域中回显为图片：一个会话节点匹配用户消息中的 [image: ] 标记，在界面中隐藏该传输标记，并把宿主路由提供的图片副本渲染出来。会话事件中的路径文本保持不变，文本模型仍可读取图片路径。

API 密钥

插件不携带任何密钥。在启动 DSH 的环境里设置：

DASHSCOPE_API_KEY=sk-xxxx

也可以在 cordis.patch.yml 里按行配置：

- id: tool-vision
name: 'dsh-tool-vision'
config:
apiKey: sk-xxxx

没有密钥时工具照常注册，调用时以 VISION_NO_API_KEY 失败并提示修复方式。

工具

| 工具 | 参数 | 行为 |
|---|---|---|
| image_describe | path（字符串）、prompt（字符串，可选） | 解析图片（绝对路径，或相对工作区路径），以 base64 data URL 加提示词发送到 POST {baseUrl}/chat/completions，返回助手文本。省略 prompt 时使用 defaultPrompt（完整内容描述）。 |

配置

| 键 | 默认值 | 含义 |
|---|---|---|
| baseUrl | https://dashscope.aliyuncs.com/compatible-mode/v1 | DashScope OpenAI 兼容端点。 |
| apiKey | 环境变量 DASHSCOPE_API_KEY | DashScope API 密钥；显式配置值优先于环境变量。 |
| model | qwen3.7-flash | 视觉模型 id。 |
| defaultPrompt | 请详细描述这张图片的内容：画面主体、关键细节、文字信息（如有）、布局与结构。 | 调用省略 prompt 时使用的指令。 |
| timeoutMs | 120000 | 协作式工具调用超时预算（ms）。 |
| maxImageBytes | 20971520 | 单张图片的字节上限。 |
| maxOutputChars | 65536 | 返回描述文本的上限。 |

安全

- 包内不含任何凭据；密钥只存在于你的环境或配置里。
- HTTP 客户端设置 redirect: 'error'：已配置的端点接收凭据，重定向会使调用失败，而不是把密钥或图片转发到其他源。
- 图片字节只发送到已配置的端点。

已知限制与暂缓工作

- 单一提供方、单一请求形态 —— 工具只面向 DashScope OpenAI 兼容端点；提供方选择 seam 推迟到第二个视觉后端需要同一 schema 时。
- 没有视觉专属的权限策略 —— 工具执行时不请求 ctx.approval；需要确认的部署须自行添加 tools/pre-execute 策略。

许可证

MIT