用 Vision Proxy 为纯文本 DeepSeek 模型转译图片附件

为纯文本 DeepSeek 模型增加图片附件转译：先用本地 Ollama 或用户配置的 OpenAI 兼容视觉模型把图片转为文字，再交给原 DeepSeek Adapter 回答。

如果你的目标是用本地 Ollama 或兼容视觉模型把图片转成文字交给 DeepSeek，本教程会说明如何在 DeepSeek Harness（DSH）中准备、安装、配置、验证和回退 dsh-vision-proxy。本文锁定作者仓库提交 d246d8511822；已复核固定提交的原始资料，未进行运行实测。

对应插件：查看 dsh-vision-proxy 的功能、权限与兼容性说明。先确认它适合你的工作流，再执行安装。

先确认是否适合你

• 分类：图片识别与视觉
• 风险等级：high
• 核验证据：source_reviewed
• 兼容性边界：插件版本 0.3.1、MIT，要求 Node.js >=22.19、DSH >=0.1.0-rc.6，运行时直接面向 LLM 与 Attachments 接口；本站完成固定提交静态审阅，未在当前 0.1.1-rc.2、真实 DashScope/Ollama、多图大文件、Sharp 可选依赖或各类 OpenAI 兼容端点下运行
• 主要权限关注：读取当前模型请求中已附加的图片字节，按内容哈希做进程内缓存，可选使用 Sharp 缩放；默认探测本机 Ollama，否则只在配置有效 VLM Key 后向第三方端点发送图片，不修改工作区文件

如果你准备在重要工作区使用，先阅读插件详情页的权限和数据流说明；“源码已审阅”或“资料已整理”都不等于安全认证。

安装前准备

1. 安装 Node.js 22.19、Node.js 24 或项目当前声明支持的更高版本，并确认 pnpm 可用。
2. 使用独立的 web Profile 和可丢弃测试工作区，不直接连接生产目录。
3. 备份当前 Profile 配置，并记录安装前的 --dump-config 输出。
4. 核对固定来源中的外部服务、账号、运行时和平台限制。
5. 需要凭据时只准备测试凭据；本页识别到的候选变量包括 VISION_API_KEY、DASHSCOPE_API_KEY。

安装 dsh-vision-proxy

52DSH 使用目录中记录的精确安装目标，避免直接跟随可能变化的默认分支：

npx --yes @deepseek-ai/dsh@0.1.1-rc.2 plugin --profile web add github:Flyvhidbwo/dsh-vision-proxy#d246d8511822

GitHub 源码插件如果被 pnpm 拦截构建脚本，先检查终端提示的具体包和脚本。只在 web Profile 中放行确实需要的构建项，不要全局放行未知依赖。

作者文档还出现了以下命令。它们用于核对功能或开发流程，不应替换上面的锁定安装命令，也不要一次全部执行：

• dsh plugin --profile web add dsh-vision-proxy
• dsh-vision-proxy: true
• dsh plugin --profile web add dsh-vision-proxy # 批准后重跑
• dsh --profile web --dump-config | grep -A3 dsh-vision-proxy # 应恰好一个条目（注意：会明文打印配置，含 key）

插件专属配置

作者资料把该插件描述为零配置或可直接启动；这里的“零配置”不等于零权限，仍需检查 Profile、工作目录和外部数据流。

**本类插件的最小权限设置：**使用不含个人信息的测试图片；如需外部视觉模型，只设置测试凭据并确认图片会发送到哪个服务。

README 中识别到的变量名

以下只列变量名，不代表每个变量都必需；是否使用以及取值格式以对应固定来源为准。

• VISION_API_KEY
• DASHSCOPE_API_KEY

作者配置片段（README.md）

来源：固定提交中的 README.md ↗（外部链接，在新标签页打开）。复制前先替换占位符并删除不需要的权限。

# 写在 profile 的 pnpm-workspace.yaml 里
allowBuilds:
  dsh-vision-proxy: true
  sharp: true

作者配置片段（README.md）

来源：固定提交中的 README.md ↗（外部链接，在新标签页打开）。复制前先替换占位符并删除不需要的权限。

# $DSH_HOME/profiles/web/cordis.patch.yml —— 用户层覆盖示例
- id: dsh-vision-proxy
  name: 'dsh-vision-proxy'
  config:
    baseURL: https://dashscope.aliyuncs.com/compatible-mode/v1
    apiKey: 'sk-…'          # 或留空读环境变量（Windows 下直写这里最可靠）
    model: qwen3.7-flash
    maxTokens: 4096
    timeoutMs: 120000       # 匿名端点无论如何都会被强制 20s 上限
    maxImagePixels: 4000000
    marker: '[图片转译]'
    autoLocalOllama: true
    fallbackModels: []      # 可自行添加 {model, baseURL, apiKey?, anonymous?, timeoutMs?}

配置验证与成功结果

1. 确认 Bundle 已加载

   npx --yes @deepseek-ai/dsh@0.1.1-rc.2 --profile web --dump-config
   

   期望结果：组合配置中出现 dsh-vision-proxy 或仓库声明的 Bundle 名称。

2. 启动 Web Profile

   npx --yes @deepseek-ai/dsh@0.1.1-rc.2 web
   

   期望结果：DSH Web 正常启动，浏览器控制台和终端没有持续重复的插件加载错误。

3. 执行插件专属最小任务

   上传一张含有清晰文字和简单布局的测试图，要求返回文字、区域和主要对象。

   期望结果：结果能够对应图片中的可见内容，并明确失败、超时或模型不可用状态。

第一次使用

• 粘贴一张测试截图，让插件识别标题、按钮和一行文字，不要上传敏感截图。
• 只验证一个核心能力，保存输入、输出和日志；确认无异常后再扩大权限或数据范围。

数据、权限与凭据

**数据流：**当前会话图片附件 → 可选本地缩放与 SHA-256 缓存 → 本地 Ollama 或用户配置的 VLM endpoint → OCR/版面文字 → 替换原图片块后交给 DeepSeek 文本模型；第三方端点会收到完整图片内容。

**权限关注：**读取当前模型请求中已附加的图片字节，按内容哈希做进程内缓存，可选使用 Sharp 缩放；默认探测本机 Ollama，否则只在配置有效 VLM Key 后向第三方端点发送图片，不修改工作区文件

**数据存储：**作者资料没有形成统一存储结论。测试时检查 web Profile、工作区、用户目录以及所连接的外部服务，并记录新增文件或远端数据。

真实 Token、API Key、Cookie 和账号 ID 不应写进 Git 仓库、网页截图或公开 Issue。测试结束后撤销临时凭据。

卸载、回退与清理

1. 停止正在运行的 DSH Web。

2. 从同一个 Profile 移除插件：

   npx --yes @deepseek-ai/dsh@0.1.1-rc.2 plugin --profile web remove dsh-vision-proxy
   

3. 再次运行 --dump-config，确认对应 Bundle 已消失。

4. 检查测试工作区、插件声明的数据目录和外部服务，手动删除测试数据并撤销测试凭据。卸载依赖不会自动删除这些数据。

常见问题

安装成功但页面或命令没有出现

先运行 --dump-config 确认 Bundle 已进入 web Profile，再重启 DSH Web 并硬刷新浏览器。不要通过反复扩大权限来解决加载问题。

插件运行后没有得到预期结果

把问题缩小到本页的最小验证任务，检查作者文档要求的变量、外部服务和平台限制。保存终端错误原文，并核对当前安装目标是否仍对应本页固定提交。

作者提供了独立故障文档，可从下方“固定来源证据”进入；本页没有把整份 README 复制过来。

固定来源证据

以下资料是本文配置结论的依据：

• README.md ↗（外部链接，在新标签页打开）
• README.en-US.md ↗（外部链接，在新标签页打开）

继续查看：返回 dsh-vision-proxy 插件详情页，重新核对兼容性、权限、同类插件和来源状态。