TNTsama11/dsh-tool-vision

README 摘要

dsh-tool-vision 一个 DeepSeek Harness（DSH）插件，解决 DSH 使用视觉模型的一大痛点：通常需要手动切换模型。它注册一个 vision 工具，让纯文本 Agent 按需调用 DeepSeek-V4-Flash-Vision-Exp 看图——无需手动切换。 A DeepSeek Harness (DSH) plugin that solves a common DSH pain point: using the vision model normally means manually switching models per session. It registers a vision tool so a text-only agent can call DeepSeek-V4-Flash-Vision-Exp to see images on demand — no manual switching. - 中文 - English 中文 功能 注册一个模型工具： - vision(image path, prompt?) — 读取 PNG/JPEG/WebP/GIF 文件，把它连同可选的提示词一起发给 deepseek-v4-flash-vision-exp ，返回纯文本描述或回答。 因为当前对话模型可能不接受图像输入，调用 vision 就能让 Agent 按需「看图」。 前置条件 - 一个运行中的 DeepSeek Harness，需具备： - fs 、 attachments 、 llm 宿主服务（DSH 标配）。 - deepseek-official 提供者下可用 deepseek-v4-flash-vision-exp 模型（即已配置 DEEPSEEK API KEY ）。 安装 插件是一个无需 import 的单文件，preset 可用相对路径加载它。 1. 把 tool-vision.js 复制到你的 agent preset 目录（例如 /.dsh/.agent-presets/ / ）。 2. 在该 preset 的 agent.cordis.yml 里加一行： 3. 在该 preset 上开启会话，Agent 即拥有 vision 工具。 用法 Agent 需要看图时会自行调用： - vision(image path="screenshot.png", prompt="报错信息是什么？") - vision(image path="photo.jpg") （默认做完整详细描述） 原理 tool-vision 只消费宿主服务、不发布任何服务，因此该行无需 isolate realm： 1. fs 读取图片字节（PNG/JPEG/WebP/GIF）。 2. attachments.saveImage 提…

分类