joyiok / dsh-vision

dsh-vision

DeepSeek Harness 识图插件。安装后，Agent 获得 image_analyze 工具： 把本地图片 / URL / data URL 发给 OpenAI 兼容的视觉模型，返回文字分析， 让当前不支持图片输入的主模型也能“看图”。

默认接口：https://openrouter.ai/api/v1/chat/completions，模型 google/gemini-3.7-flash（支持 png / jpeg / gif / webp）。

安装

dsh plugin --profile web add github:joyiok/dsh-vision
# 或本地目录
dsh plugin --profile web add /home/joy/Documents/dsh-vision-plugin
dsh plugin --profile headless add /home/joy/Documents/dsh-vision-plugin

安装后重启 dsh web。

密钥

export OPENROUTER_API_KEY=sk-or-v1-xxxx
# 或
export VISION_API_KEY=sk-xxxx

也可以放在 $DSH_HOME/.credentials.yaml 或 .env，插件通过 dsh credentials 服务分层解析。

使用

用户：看看 ~/Documents/memory-panel-preview.png 的 UI 有没有问题？
Agent：调用 image_analyze(images: ["/home/joy/Documents/memory-panel-preview.png"],
       question: "检查这张界面截图的视觉设计和可用性问题")

工具参数：

参数	说明
images	必填，本地路径 / http(s) URL / data URL 数组，最多 4 张
question	可选，分析问题；默认详细描述 + UI 问题检查
model	可选，覆盖默认视觉模型
maxTokens	可选，默认 2000

配置

可在 profile 的 cordis.patch.yml 覆盖（覆盖整行 config）：

- id: vision
  config:
    apiKeyEnv: OPENROUTER_API_KEY
    model: google/gemini-3.7-flash
    baseUrl: https://openrouter.ai/api/v1/chat/completions
    maxTokens: 2000
    timeoutMs: 180000
    maxImages: 4
    maxImageBytes: 20971520

禁用插件：

- id: vision
  disabled: true

说明

• 图片本地读取后在内存中转 base64，不落盘。
• 429 / 5xx 自动重试 2 次；超时使用 AbortSignal，可被上层取消。