dsh-llm-deepseek-vision > 给 DeepSeek Harness 的纯文本模型装上"眼睛"的视觉插件。 > Vision-augmented adapter plugin for DeepSeek Harness. 它让纯文本模型能够"看"图片：每个附加的图片先交给另一个视觉模型描述成文字，再由纯文本模型基于描述进行推理。推理模型永远不需要直接处理图片字节——另一个模型是它的眼睛。默认文本推理与图片描述都跑在 OpenCode Zen Go（opencode-go）。 ## 工作原理 / How it works - 注册一个额外的 provider 路由：DeepSeek (Vision)（deepseek-vision），对外广告与 DeepSeek 目录相同的模型 id（deepseek-v4-flash / deepseek-v4-pro），但声明 [text, image] 输入。 - 不带图片的请求：零开销，直接透传给文本推理路由（默认 opencode-go）。 - 带图片的请求：配置的视觉模型把每张图描述成文字（[Image #N description: …]），图片块被描述替换，纯文本模型再作答。 ## 快速开始 / Quick start ### 1. 安装插件 推荐（一键安装）——插件已发布到 npm，声明了 dsh.bundle manifest： bash dsh plugin --profile web add @deepseek-ai/dsh-llm-deepseek-vision 或从源码安装： bash git clone https://github.com/NagasakiSoyo-ui/dsh-llm-deepseek-vision.git cd dsh-llm-deepseek-vision npm install npm run build 然后把构建产物接入你的 Harness 部署。如果你在 Harness monorepo 中开发，将本目录放入 packages/llm/llm-deepseek-vision 并执行 pnpm install 即可。 ### 2. 在组合配置中挂载 在 Harness 的插件组合配置（如 profile 的 cordis.patch.yml）中添加： yaml - id: llm-deepseek-vision name: '@deepseek-ai/dsh-llm-deepseek-vision' config: # 提供视觉模型的 provider 路由 visionProvider: opencode-go # 该路由上的视觉模型 id —— 即"眼睛" visionModel: mimo-v2.5 # 给视觉模型的指令 visionPrompt: 'Describe the attached image in detail…' # 单次视觉描述的输出上限 visionMaxTokens: 1024 # 实际进行推理的纯文本路由 delegateProvider: opencode-go # 该路由对外广告的模型目录；默认镜像 DeepSeek 目录 models: - id: deepseek-v4-flash name: DeepSeek-V4-Flash contextWindow: 1000000 - id: deepseek-v4-pro name: DeepSeek-V4-Pro contextWindow: 1000000 ### 3. 前置条件 / Prerequisites - 视觉 provider 路由必须存在，且其模型被声明为支持图片输入（input: [text, image]）。 对 pi-ai 路由（settings.yaml 的 llm-pi-ai: 段），给模型条目加上图片模态： yaml llm-pi-ai: providers: { opencode-go: { api: openai-completions, baseURL: https://opencode.ai/zen/go/v1, models: [ { id: mimo-v2.5, input: [text, image] }, # ... ] } } - 视觉模型的 provider 必须能完成认证（在凭据库中配置它的 apiKeyEnv）。 - Harness 必须挂载持久化附件服务（dsh-base 已内置）。 > 💡 提示：mimo-v2.5 是 OpenCode Zen Go 目录上最便宜的文图模型（输入/输出 0.14/0.28，与 deepseek-v4-flash 同价）。kimi-k3 要贵得多（3/15）。 ### 4. 使用 / Usage 在模型选择器中选 DeepSeek (Vision) 和一个模型 id（deepseek-v4-flash / deepseek-v4-pro），然后在消息中附加图片。想设为会话默认，把 agent-default-model 指向它： yaml agent-default-model: provider: deepseek-vision model: deepseek-v4-flash ## 配置项 / Configuration reference | 字段 | 默认值 | 说明 | |---|---|---| | visionProvider | opencode-go | 提供视觉模型的 provider 路由 | | visionModel | mimo-v2.5 | 视觉模型 id（必须支持 [text, image] 输入） | | visionPrompt | 内置默认提示词 | 给视觉模型的描述指令 | | visionMaxTokens | 无 | 单次视觉描述输出上限 | | delegateProvider | opencode-go | 接收文字请求并推理的路由 | | models | DeepSeek 目录镜像 | 该路由广告的模型目录 | ## 注意事项 / Notes - 视觉描述每轮都会重新生成：会话日志里如果包含图片，每轮都会重新描述；回放一个视觉轮次会重新运行视觉模型。 - 视觉模型必须能被其 provider 路由解析；手写声明的 pi-ai 路由条目若未声明推理能力，会被按"可关闭思考"处理（发送 off）。 ## 开发 / Development bash npm run build # tsc 编译到 lib/ npm test # vitest 单元测试（含视觉/委托双路由桩） ## 许可 / License MIT © 2026 NagasakiSoyo-ui