图像读取 zcXie777/dsh-image-reader

dsh-image-reader

让纯文本的 DeepSeek Harness 智能体能够直接读取图像：一个面向模型的 read_image 工具，通过图像的工作区路径向任意 OpenAI 兼容的视觉端点询问图像内容。

为什么

DeepSeek Harness 的理念是“一切皆插件”。这个插件包挂载了单个工具，让模型可以查看截图、图表或照片并回答相关问题，而不再只能对文本进行推理。

验证状态

- 本地已验证：npm run typecheck、npm run build 和 npm test（16 个测试）全部通过。
- 尚未验证：针对真实视觉端点的真实端到端读取。请求/响应逻辑由模拟 fetch 的单元测试覆盖，但该插件尚未在运行中的 dsh profile 内针对真实多模态模型进行冒烟测试。在依赖它之前，请先用真实的 VISION_API_KEY 做一次测试。

安装

git clone https://github.com/zcXie777/dsh-image-reader.git
cd dsh-image-reader
npm install
npm run build # lib/ 未提交；克隆后构建一次
cd ..
dsh plugin --profile web add "$PWD/dsh-image-reader"
dsh plugin --profile headless add "$PWD/dsh-image-reader"
dsh --profile web --dump-config | grep image-reader

安装后重启正在运行的 Web profile。

配置

provider.baseUrl 和 provider.model 为必填项；插件从不假定任何供应商。在 profile 补丁行中使用相同的 id 覆盖它们：

- id: image-reader
config:
provider:
baseUrl: https://api.openai.com/v1
model: gpt-4o-mini
apiKeyEnv: VISION_API_KEY
lang: zh
timeoutMs: 60000
maxImageBytes: 10485760
allowedDirs: []

在启动 profile 之前，在环境中设置密钥：

export VISION_API_KEY=sk-...

使用

在对话中，将模型指向图像路径并提问：

read_image image="screenshot.png" query="What error is shown in this dialog?"
read_image image="diagram.png"

配置字段

| 字段 | 默认值 | 约定 |
| provider.baseUrl | —（必填） | OpenAI 兼容的 chat/completions 基础 URL |
| provider.model | —（必填） | 多模态模型名称 |
| provider.apiKeyEnv | VISION_API_KEY | 保存 API 密钥的环境变量 |
| lang | zh | 回答语言：zh 或 en |
| timeoutMs | 60000 | 整个请求的截止时间，1000–600000 毫秒 |
| maxImageBytes | 10485760 | 每张图像的编码字节限制 |
| allowedDirs | [] | 额外的经 realpath 解析的输入根目录；工作区始终允许 |

安全

- 输入通过 realpath 针对工作区和 allowedDirs 进行解析，因此符号链接无法逃逸出限制范围。
- 图像在上传前会进行大小限制和扩展名检查。
- 密钥在每次调用时从环境读取，绝不存储在配置中。

开发

npm install
npm run typecheck
npm run build

发布用 dsh-plugin 主题为仓库打上标签，以便被发现，并在准备好后发布到 npm。

许可证

MIT