@linenxi-ctrl/dsh-vision

@linenxi-ctrl · 视觉与多模态

检测有风险提示无安装脚本

为不具备视觉能力的 DeepSeek 模型接入外部识图 API，支持手动发图与模型自主截图识图

v0.2.6版本

GitHub 源码安装安装方式

2026-08-15最近更新

12Star

dsh plugin --profile web add github:linenxi-ctrl/dsh-vision查看仓库

插件介绍

根据仓库资料整理 · commit 50f6ba0

主要功能

网页右下角鲸鱼按钮 + 配置面板，可设置识图模型的 API 地址、密钥、模型名、提示词、代理与超时
发送图片手动识图，识别结果自动作为消息回传当前会话，无需手动复制粘贴
为 agent 注入 screenshot 与 recognize_image 两个工具，支持模型自主截图并识图
自动识别并适配 OpenAI Chat/Responses、Anthropic Messages、Google Gemini 四种视觉 API 协议，另支持 custom 模板对接其他接口
识图请求在 host（Node）侧发起，规避浏览器 CORS 限制

适合什么时候用

所用 DeepSeek 模型本身不具备视觉能力，但需要让它读图或转录截图中的文字
希望模型能自主截屏排查界面报错或状态，无需手动截图上传
需要接入自定义或长尾的第三方视觉识图 API（非四大主流协议）

安装后会多出什么

界面右下角可拖动鲸鱼圆形按钮 · 识图模型配置面板（API地址/密钥/模型/提示词/代理/超时） · 识图进行中的状态提示（右上角）

Agent 工具screenshotrecognize_image

使用前需要

需要一个外部视觉模型 API（自备 apiBase 与 apiKey）
DeepSeek Harness 0.1.0-rc.6 环境
npm 安装方式需要 Node.js 18+ 与 pnpm；手动安装方式可无需预装 Node.js（脚本会自动下载）
模型自主截图功能依赖系统工具：Windows 需 PowerShell/System.Drawing，macOS 需 screencapture，Linux 需 ImageMagick 的 import

在 GitHub 阅读完整 README

权限与能力

安装后它能碰到什么

不覆盖任何 dsh-base 宿主行：不接管沙箱、审批、凭据等能力。

宿主能力

Agent 控制浏览器 UI凭据环境变量文件系统外部网络会话数据宿主子进程

能力是范围不是结论：很多能力是功能所需。

基本信息

仓库linenxi-ctrl/dsh-vision安装方式GitHub 源码安装（需 allowBuilds）安装提示源码安装会在你的机器上执行 prepare 构建，需要 allowBuilds 授权；建议用 github:linenxi-ctrl/dsh-vision#50f6ba0 锁定本次检测的 commit。收录日期2026-08-14固定 commit50f6ba065e8c · 2026-08-15

dsh plugin --profile web add github:linenxi-ctrl/dsh-vision