dsh-free-vision 🌐 English | 中文 npm 版本 npm 下载 许可证 stars DSH 免费视觉插件 — 让纯文本模型获得看图能力（截图、报错、UI 分析、OCR、文档），优先使用各平台免费视觉模型，零 MCP 配置。 Free vision plugin for DeepSeek Harness (dsh) — image understanding for text-only models using free-tier vision models, with zero MCP configuration. ## 为什么免费 / Why free 默认使用免费额度充足的提供商，无账单惊吓： | 提供商 | 模型 | 免费额度 | API Key 环境变量 | | --- | --- | --- | --- | | qwen（默认） | Qwen3-VL-Flash | 阿里云百炼限免（激活送 50万 token） | DASHSCOPE_API_KEY | | volcengine | 豆包视觉模型 | 火山引擎豆包免费 token（20万起，可申请 50万） | VOLCENGINE_API_KEY | | siliconflow | DeepSeek-OCR | 硅基流动 OCR 免费 | SILICONFLOW_API_KEY | | zhipu | GLM-4.6V | 按量 | ZHIPU_API_KEY | | hunyuan | HY-Vision | 按量 | HUNYUAN_API_KEY | | custom | 任意 OpenAI 兼容 | — | CUSTOM_API_KEY + CUSTOM_BASE_URL + CUSTOM_MODEL_NAME | 一张 1MB 截图 ≈ 2600 token，qwen 限免额度可分析约 19 万张图。 One 1MB screenshot ≈ 2,600 tokens ≈ $0.0006 on qwen; free quota covers ~190,000 images. ## 特性 / Features - 零 MCP 配置 — 不用改 cordis.patch.yml、运行时不用 npx：视觉引擎（luma-mcp）作为本包依赖内置，进程内启动 - 单个通用工具 — image_understand（可用 config.toolName 改名）注册到 ctx.tools，每次请求模型都能看到 - 免费优先、多提供商 — 千问 / 豆包 / 硅基流动免费档开箱即用；智谱 / 混元 / custom 可切换 - 每个 Provider 可覆盖 API Base URL — 内置 Provider 可指向代理、API Gateway、本地服务或任意 OpenAI 兼容端点，无需改成 custom - 直连 — 子进程剥离代理环境变量，国内 API 直连（带代理会导致 502） - 任务模式 — auto | general | ocr | ui | debug | describe；大图自动多裁剪保真 - 中英双语 — 工具描述与文档中英文都可用 ## 安装 / Install sh dsh plugin --profile web add dsh-free-vision 重启 dsh web 后，工具 image_understand 即可用。 Restart dsh web; the tool appears as image_understand. ## 设置界面 / Settings UI 重启 dsh web 后，打开 设置 → Free Vision 即可看到配置表单（API Key、提供商、 工具名等），由插件 schema 自动渲染。保存到 ~/.dsh/free-vision.json，下一次 调用立即生效，无需重启。 After restart, open Settings → Free Vision — a form for every config option, saved to ~/.dsh/free-vision.json, effective on the next tool call. ## 配置 / Configuration yaml - id: free-vision name: 'dsh-free-vision' config: apiKey: 'sk-xxxx' # 可选：缺省回退到提供商环境变量 baseURLs: {} # 可选：按 Provider 覆盖 API Base URL，例如 { qwen: 'https://my-proxy.example.com/v1' } modelProvider: qwen # qwen | volcengine | siliconflow | zhipu | hunyuan | custom modelName: qwen3-vl-flash # 可选模型覆盖 toolName: image_understand # 工具公开名（冲突时可改名） maxTokens: 8192 temperature: 0.7 multiCrop: true toolCallTimeoutMs: 200000 lumaEnv: {} # 传递给视觉引擎的额外环境变量 也可以只设置对应的环境变量（如 DASHSCOPE_API_KEY）。 Or just set the matching environment variable (e.g. DASHSCOPE_API_KEY). ### 覆盖 API 地址 / Base URL override 当 baseURLs 缺失或值为空时，继续使用该 Provider 的官方默认地址。 | Provider | 默认 Base URL | | --- | --- | | qwen | https://dashscope.aliyuncs.com/compatible-mode/v1 | | volcengine | https://ark.cn-beijing.volces.com/api/v3 | | siliconflow | https://api.siliconflow.cn/v1 | | zhipu | https://open.bigmodel.cn/api/paas/v4 | | hunyuan | https://api.hunyuan.cloud.tencent.com/v1 | 引擎会自动拼接 /chat/completions 并避免重复路径，因此以下写法都可用： - https://my-proxy.example.com/v1 - https://my-proxy.example.com/v1/chat/completions 也可以使用环境变量：QWEN_BASE_URL、VOLCENGINE_BASE_URL、 SILICONFLOW_BASE_URL、ZHIPU_BASE_URL、HUNYUAN_BASE_URL （以及 custom 的 CUSTOM_BASE_URL）。 ### 免费 Key 申请 / Free API keys | 提供商 | 免费 Key 获取 | | --- | --- | | qwen | 阿里云百炼 bailian.console.aliyun.com — 开通即送免费额度，模型选 qwen3-vl-flash（限免） | | volcengine | 火山引擎 volcengine.com — 豆包新用户送免费 token（20万起，可申请 50万） | | siliconflow | 硅基流动 siliconflow.cn — DeepSeek-OCR 免费调用 | ## 用法 / Usage 模型调用 image_understand 时传入： - image_source（必填）：本地路径、HTTP(S) URL 或 data URI（PNG/JPG/WebP/GIF，≤10MB） - prompt（必填）：对图片的问题 — 中英文均可 - task_type（可选）：auto | general | ocr | ui | debug | describe ## 工作原理 / How it works dsh web → cordis 加载 free-vision → 进程内启动视觉引擎（版本锁定） → MCP 连接 → 注册 image_understand 到 ctx.tools → 模型调用工具 → 引擎预处理（压缩 / 多裁剪）→ 免费视觉 API（直连） → 返回文字证据 ## 开发 / Development sh npm install node test-plugin.mjs # 端到端冒烟测试（需要 API Key 环境变量） ## 许可证 / License MIT — 封装 luma-mcp（MIT）与 MCP SDK（MIT）。免费额度数据来自各平台官方页面，可能变动，使用前请核实。