dsh-vision-any
DeepSeek Harness 视觉插件：将图像粘贴到仅支持文本的模型中，并使用任何兼容 OpenAI、Anthropic 或 Gemini 的视觉 API 进行分析。
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add github:tianmingwan/dsh-vision-any#1c50ab0c71749755f9307e1ef43bc1f5f01dd8c0Vision Any 以 dsh-vision-any 发布，当前版本为 0.1.0。Plugin Hub 会校验它的 manifest，并保存精确安装来源，便于复现安装结果。
简体中文 | English
让纯文本的 DeepSeek Harness Agent 直接粘贴图片，并用任意 OpenAI 兼容 / Anthropic / Gemini 视觉 API 看图。
dsh-vision-any 是一个标准的 DeepSeek Harness（DSH）插件，为 DeepSeek V4、GLM 等纯文本模型补上真正的图像理解能力。
一个插件同时解决两件事：
vision 工具：Agent 用这个路径（或任意本地路径 / URL / data URI）调用 vision，由你配置的视觉模型返回文字描述。不需要切换模型，不绑定厂商，自带任意视觉 API。
generateContentdsh plugin 安装 / 卸载本地安装：
dsh plugin --profile web add /path/to/dsh-vision-any
dsh plugin --profile headless add /path/to/dsh-vision-any
GitHub 安装（发布后）：
dsh plugin --profile web add github:<你的用户名>/dsh-vision-any
重启 dsh web 并刷新浏览器。
创建 ~/.config/dsh-vision-any/config.json：
{
"provider": "openai",
"openai": {
"baseUrl": "https://opencode.ai/zen/go/v1",
"model": "mimo-v2.5",
"apiKeyEnv": "OPENCODE_GO_API_KEY"
}
}
确保环境里有 OPENCODE_GO_API_KEY（例如写在 ~/.dsh/.env 或 shell 环境变量里）。
然后启动：
dsh web
把图片粘贴进聊天框即可。模型会看到路径提示，并自动调用 vision 工具。
配置优先级（高到低）：
~/.config/dsh-vision-any/config.jsonVISION_ANY_* 环境变量可以直接在顶层填 provider、baseUrl、model、apiKeyEnv：
{
"provider": "openai",
"baseUrl": "https://opencode.ai/zen/go/v1",
"model": "mimo-v2.5",
"apiKeyEnv": "OPENCODE_GO_API_KEY"
}
| 想用哪个 | provider | baseUrl | model | apiKeyEnv |
|---|---|---|---|---|
| OpenCode Go / MiMo | openai | https://opencode.ai/zen/go/v1 | mimo-v2.5 | OPENCODE_GO_API_KEY |
| 通义千问 / DashScope | openai | https://dashscope.aliyuncs.com/compatible-mode/v1 | qwen-vl-plus | QWEN_API_KEY |
| OpenAI | openai | https://api.openai.com/v1 | gpt-4o-mini | OPENAI_API_KEY |
| Anthropic / Claude | anthropic | https://api.anthropic.com | claude-sonnet-4-5 | ANTHROPIC_API_KEY |
| Gemini | gemini | https://generativelanguage.googleapis.com/v1beta | gemini-2.0-flash | GEMINI_API_KEY |
| 本地 Ollama | openai | http://localhost:11434/v1 | llava | ollama（或任意） |
想换模型就改 model。如果用其他 OpenAI 兼容网关，保持 provider: "openai"，填它的 baseUrl 和 model 即可。
也可以把配置写进 openai / anthropic / gemini 块里：
{
"provider": "openai",
"openai": {
"baseUrl": "https://api.openai.com/v1",
"model": "gpt-4o-mini",
"apiKeyEnv": "OPENAI_API_KEY"
}
}
在 profile 的 cordis.patch.yml 里写：
- insert:
- id: vision
name: dsh-vision-any
config:
provider: openai
baseUrl: https://opencode.ai/zen/go/v1
model: mimo-v2.5
apiKeyEnv: OPENCODE_GO_API_KEY
| 变量 | 含义 |
|---|---|
VISION_ANY_PROVIDER | openai / anthropic / gemini |
VISION_ANY_BASE_URL | 视觉 API 的 Base URL |
VISION_ANY_MODEL | 视觉模型 ID |
VISION_ANY_API_KEY | API Key（兜底） |
VISION_ANY_API_KEY_ENV | 存放 API Key 的环境变量名 |
VISION_ANY_TIMEOUT_MS | 请求超时（默认 120000） |
VISION_ANY_MAX_TOKENS | 最大输出 token（默认 4096） |
VISION_ANY_MAX_IMAGES | 粘贴图片 LRU 上限（默认 200） |
VISION_ANY_SYSTEM_PROMPT | true / false |
直接把图片粘贴或拖进 DSH 聊天框。插件会保存图片并注入类似提示：
[Image #1 auto-saved to /tmp/dsh-vision-any/image1/xxxx.png]
模型会自动调用 vision 工具。
也可以让模型分析本地文件或 URL：
用
vision工具读取C:\path\to\screenshot.png，告诉我里面显示什么错误。
工具参数示例：
{
"paths": ["/tmp/dsh-vision-any/image1/xxxx.png", "https://example.com/a.png"],
"question": "这张图表说明了什么？"
}
dsh-vision-any 包装 API 代理的 prompt 准入：图片先保存到本地临时目录，再替换成文本路径提示。vision 工具。| 现象 | 解决办法 |
|---|---|
仍提示 The current model does not support images | 重启 dsh web 并刷新浏览器；确认插件已安装 |
| 图片能粘贴，但模型说看不到图 | 确认模型调用了 vision 工具；检查系统提示是否开启 |
vision provider error (HTTP 401) | 检查 apiKeyEnv / API Key / Base URL |
vision provider error (HTTP 404) | 检查 baseUrl 和 model；Anthropic 要确保最终请求到 /messages |
| 模型不支持图片输入 | 换支持视觉的模型，例如 mimo-v2.5、gpt-4o-mini、kimi-k2.6、qwen3.6-plus、claude-sonnet-4-5、gemini-2.0-flash |