dsh-image-describe

DeepSeek Harness 宿主插件：让不支持图片输入（纯文本）的主模型也能"看图"。

工作原理

主模型通过显式调用 describe_image 工具获得图片描述（不是偷偷改写请求的隐藏管道）：

1. 纯文本模型的请求中，图片块被替换成一段文本标记（含图片 attachmentId）；
2. 主模型看到标记后按需调用 describe_image：attachment 传标记里的 id， instruction 写它需要从图中提取什么（数值、文字、布局等）；
3. 工具把"指令 + 图片"发给配置的视觉模型，返回文字描述供主模型阅读。

支持图片输入的模型看不到该工具（直接用原生 read_image 即可），两者互补互不干扰。

安装（dsh CLI）

无需克隆到扩展目录，一条命令从 git 仓库直接安装到 web profile：

# 从 GitHub 安装（自动添加依赖并挂载到 web profile 的 bundles 层）
npx @deepseek-ai/dsh plugin --profile web add github:sd1g1/dsh-image-describe

该命令会把参数转发给 profile 目录下的 pnpm，安装成功后自动把声明了 dsh.bundle 的包加入 dsh.profile.bundles。卸载同理：

npx @deepseek-ai/dsh plugin --profile web remove @local/dsh-image-describe

npm 安装暂不可用：dsh-image-describe 包名在 npm 上已被他人占用，本插件按 源码分发（git）。

配置

复制 image-describe.example.json 为 ~/.dsh/image-describe.json，填上支持图片输入的视觉模型即可：

{
  "vision": { "provider": "my-vision-provider", "model": "vision-model" },
  "prompt": "请详细描述这张图片的内容",
  "maxTokens": 1500
}

• vision.provider / vision.model —— 必填；负责描述图片的视觉模型
• prompt —— 可选；主模型未提供 instruction 时的兜底指令
• maxTokens —— 可选；描述输出上限（默认 1500）

配置文件保存即热生效，无需重启；文件不存在时插件休眠（不影响任何请求）。 配置文件含你的模型路由，不要提交进 git 仓库。

关键点

• 隐私：调用 describe_image 的图片会原样发送给你配置的视觉模型（可能是第三方服务）。
• 失败行为：附件找不到、视觉模型未配置或调用失败，都会给主模型明确的错误文本，由它自行决定下一步；标记替换本身失败则原请求原样转发，绝不中断。
• 描述文本作为普通工具结果留在对话里，与其他工具结果同等对待（可压缩、可见于历史）。

开发

npm test   # node --test 单元测试；插件零第三方依赖

许可证

MIT