用 DSH Vision Router 配置 OCR、裁剪与视觉定位

<!-- BEGIN REVIEWED GUIDE SUPPLEMENT -->

2026-10-02 更新到 Vision Router 2.3.0，适配 DSH 0.2.0-rc.2

本页安装目标更新为 [email protected]，命令固定使用 DSH 0.2.0-rc.2。新版本声明兼容 0.2.0-rc.2；本站只做了固定版本的源码与发布包静态复核，没有安装或运行。

• 默认会把图片发给第三方： 其他视觉模型都不可用时，内置兜底会以匿名方式把图片发到 OVHcloud AI Endpoints，服务仍能收到图片内容和来源 IP。只想在本机处理时开启 localOnlyVision。
• 安装方式改为 npm 包 dsh-vision-router；插件自带的更新功能不支持 GitHub 安装。
• 1.x 的 provider/model/fallbacks 会自动迁移成 providers 列表；visionTurnBudgetMs 默认改为 0（不限制）。
• 不支持 DSH 0.2.0-rc.1 和 0.1.5 以下版本。

仍在使用 DSH 0.1.x： 仍在 DSH 0.1.x 的用户：如果 DSH 版本是 0.1.5-rc.1 或更高（包括 0.1.7-rc.2），2.3.0 同样在 peer 允许范围内，可以直接升级；如果 DSH 低于 0.1.5，2.3.0 不再支持，请先升级 DSH，或继续使用此前收录的 1.7.6（github:ysr666/dsh-vision-router#fc64c525c623，peer 为 ^0.1.0-rc.6 || ^0.1.1-rc.1）。1.7.6 不满足 DSH 0.2.0-rc.2 的 peer 检查，不能用于 0.2.x。1.7.6 在本站只有 manifest 核对记录，没有源码审阅或运行验证。

依据：固定证据 1 ↗（外部链接，在新标签页打开）、固定证据 2 ↗（外部链接，在新标签页打开）。

<!-- END REVIEWED GUIDE SUPPLEMENT -->

为纯文本 DSH 会话模型提供“👁 识图”模式和 14 个常驻视觉工具：看图问答、定位、检测、裁剪、像素对比、取色、OCR、SVG 描摹、抠图、HTML 截图和长截图 OCR。可选桌面截屏是第 15 个工具。视觉链按顺序尝试用户模型、可选的本地 Ollama/LM Studio、自定义 HTTP 端点，最后是内置的匿名 OVH 免费模型。

如果你的目标是为 DSH 增加图像问答、OCR、裁剪和视觉定位工具，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-router。本文锁定作者仓库提交 f3747968fa67；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-router 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：2.3.0 的 @deepseek-ai/dsh-anonymous-user-id 与 @deepseek-ai/dsh-llm-deepseek peer 都声明 >=0.1.5-rc.1 <0.2.0-0 || >=0.2.0-rc.2 <0.3.0-0，按 semver 计算满足 DSH 0.2.0-rc.2，不满足 0.2.0-rc.1 和 0.1.5 以下版本。作者称已在 0.2.0-rc.2 上做过 CI 和真机验收，但 52DSH 没有在任何 DSH 版本上运行验证。Node 要求 ^22.19.0 或 >=24。
• 主要权限关注：安装时自带的 bundle patch 会改写官方 modules、connection 行的 inject 依赖，并把 attachment-local 的图片准入上限放宽到 20MiB、1 亿像素、10000px。插件会注册 /_dsh/vision-router/* Web 路由，其中自更新、截屏授权、日志写入为仅本机可用。默认开启视觉工具和自动识图包装。桌面截屏默认关闭；开启后会调用系统截屏命令，或在 Windows 上调用 PowerShell。插件还会调用 tesseract、系统 Chrome（无头，阻止非本地请求），并可在用户点击后通过当前 DSH CLI 执行 plugin add 自更新。

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

本页 DSH 命令版本： 0.2.0-rc.2。2.3.0 的 DSH peer 为 >=0.1.5-rc.1 <0.2.0-0 || >=0.2.0-rc.2 <0.3.0-0，本页固定 DSH 0.2.0-rc.2；不支持 0.2.0-rc.1 与 0.1.5 以下版本。仅静态复核，未在本站运行验证。

• 独立 DSH Web Profile：使用 DSH 0.2.0-rc.2 的独立 web Profile 和可丢弃工作区；本站只做了静态审阅，首次加载、发图和卸载需要使用者自己验收。
• DSH 0.1.5-rc.1 及以上或 0.2.0-rc.2 及以上：2.3.0 不再支持 DSH 0.1.5 以下版本和 0.2.0-rc.1；旧 Host 请先升级 DSH，或继续使用旧版插件。
• Node.js ^22.19.0 或 >=24：与 package.json 的 engines 一致；宿主侧需要能解析 sharp 0.35.3 及以上版本。
• 系统 Chrome、Chromium 或 Edge：只有 vision_html_screenshot 需要；插件使用 puppeteer-core，不会自动下载浏览器。
• Tesseract：vision_ocr 默认是 auto 引擎：本地 Tesseract 不可用或结果为空时会回退视觉模型，图片可能因此出网。
• 本地 Ollama 或 LM Studio 视觉模型：如果要求图片不离开本机，需要本地视觉后端，同时开启 localOnlyVision。

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_PROVIDER_API_KEY（示例占位名）、DSH_HOME、HTTP_PROXY / HTTPS_PROXY / ALL_PROXY / NO_PROXY。

安装 dsh-vision-router

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/[email protected] plugin --profile web add [email protected]

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。

插件专属配置

配置目标

• 设置 → Vision Router（常规 / 识图策略 / 本地与设备 / 高级 / 诊断）：作者推荐的主要配置入口，可设置视觉模型链、仅本地视觉、Auto 路由授权、本地后端和桌面截屏开关。
• 独立 Profile 的 cordis.patch.yml 中已有的 vision-router 行：高级部署时按 id 覆盖 config；DSH patch 会整段替换 config，所以要同时保留 progressiveTools: false。
• <workspace>/.dsh-vision-router/artifacts 与 DSH_HOME/logs、cache/vision-router：核对插件产物、日志和能力测评缓存的位置，测试结束后清理。

环境变量

• VISION_PROVIDER_API_KEY（示例占位名）（可选），敏感：只有使用付费 httpProviders 时才需要。apiKeyEnv 填凭据引用名或环境变量名；不要把真实 Key 写进 patch。
• DSH_HOME（可选）：决定日志和缓存目录，也决定插件内一键更新会定位哪个 Profile；Oh-DSH Desktop 应指向 ~/.ohdsh。
• HTTP_PROXY / HTTPS_PROXY / ALL_PROXY / NO_PROXY（可选）：proxy 留空时，视觉请求跟随 DSH Host 的出网代理。插件级 proxy 只覆盖 proxyHosts 中的域名，且 #623 指出后台测评仍会绕过该代理。

独立 web Profile 安装命令

证据：固定来源 ↗（外部链接，在新标签页打开）。将路径、账号和凭据占位符替换为测试值。

npx --yes @deepseek-ai/[email protected] plugin --profile web add [email protected]

已有 vision-router 插件行（仅本地视觉 + Ollama，可选）

证据：固定来源 ↗（外部链接，在新标签页打开）。将路径、账号和凭据占位符替换为测试值。

- id: vision-router
  config:
    progressiveTools: false
    localOnlyVision: true
    localOllama:
      enabled: true
      baseURL: 'http://127.0.0.1:11434/v1'
      model: 'qwen2.5vl'

安装后设置

1. 安装后重启同一个 web Profile 的 DSH Web，让 Host 重新加载插件本体和 dsh.client 浏览器包。
2. 打开“设置 → Vision Router → 常规”，确认识图模型链，并决定是否开启“仅本地视觉”。默认链路会把图片匿名发送到 OVH。
3. 如果 Profile 里还残留 v0.x 手动写入的 - insert: - id: vision-router 块，先删除，避免出现 duplicate loader entry id。
4. Auto 路由和后台测评默认关闭（routingMode=ordered、backgroundBenchmarking=off）。选择 all 可能产生云端 API 费用，请按需单独开启。

配置验证与成功结果

先导出配置，再启动同一版本的 DSH Web：

npx --yes @deepseek-ai/[email protected] --profile web --dump-config
npx --yes @deepseek-ai/[email protected] web

1. 查看组合配置中的 vision-router 行和 attachment-local 上限。

   npx --yes @deepseek-ai/[email protected] --profile web --dump-config
   

   期望结果：预期能看到 dsh-vision-router 插件行，以及 attachment-local 的 20971520 字节、1 亿像素上限。这是待执行的验收步骤，不是本站实测结果。

2. 在聊天输入框旁开启“👁 识图”，上传一张不含敏感信息的小图，并要求调用 vision_describe。

   期望结果：预期返回图片描述。若开启了 localOnlyVision，且本地后端不可用，应明确报错，不能静默退回云端。

3. 在“设置 → Vision Router”中对一行本地或测试模型点击“测试识图”。

   期望结果：预期只对该 provider/model 发出 1 次真实图片请求，并显示是否接收图片；本站未运行验证。

第一次使用

• 使用测试截图：vision_ground image="test.png" target="发送按钮"，再用 vision_crop 按返回的坐标裁剪核对。
• 使用两张本地设计图：vision_pixel_diff original="a.png" rebuilt="b.png"，查看差异率和热力图路径。

数据、权限与凭据

**数据流：**用户图片或裁剪 → 本地 sharp 预处理与缓存 → 视觉链 → 结果文本 → 当前聊天模型。默认配置下，图片会以匿名方式（无 Key）发往 OVHcloud oai.endpoints.kepler.ai.cloud.ovh.net；用户配置的云模型会收到图片和问题。开启 localOnlyVision 后只允许回环端点，但识图结果文本仍会进入聊天模型。启动时还会向 registry.npmjs.org 查询更新，失败时退回 GitHub Releases API。

**权限关注：*安装时自带的 bundle patch 会改写官方 modules、connection 行的 inject 依赖，并把 attachment-local 的图片准入上限放宽到 20MiB、1 亿像素、10000px。插件会注册 /_dsh/vision-router/ Web 路由，其中自更新、截屏授权、日志写入为仅本机可用。默认开启视觉工具和自动识图包装。桌面截屏默认关闭；开启后会调用系统截屏命令，或在 Windows 上调用 PowerShell。插件还会调用 tesseract、系统 Chrome（无头，阻止非本地请求），并可在用户点击后通过当前 DSH CLI 执行 plugin add 自更新。

**数据存储：**产物写入 <workspace>/.dsh-vision-router/artifacts；日志写入 DSH_HOME/logs/vision-router；能力测评、模型列表和图片输入判定缓存写入 DSH_HOME/cache/vision-router/*.json。设置由 DSH settings 服务持久化；API Key 只以 apiKeyEnv 引用名保存。

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

停止 DSH 后，从同一个 Profile 移除包：

npx --yes @deepseek-ai/[email protected] plugin --profile web remove dsh-vision-router

1. 停止 DSH Web 后执行 npx --yes @deepseek-ai/[email protected] plugin --profile web remove dsh-vision-router，再用 --dump-config 确认插件行和 bundle 层已经消失。
2. 手动删除测试工作区的 .dsh-vision-router/artifacts，以及 DSH_HOME 下的 logs/vision-router 和 cache/vision-router；卸载不会自动删除这些数据。
3. 如果在 Profile patch 中手动覆盖过 vision-router 或禁用过官方 llm-deepseek 行，请撤销或恢复；撤销为测试创建的云端 Key。

常见问题

安装时 peer 依赖不满足

2.3.0 只接受 DSH >=0.1.5-rc.1 <0.2.0-0 或 >=0.2.0-rc.2 <0.3.0-0；DSH 0.2.0-rc.1 和 0.1.4 及以下版本需要先升级 DSH。

设置了 proxy 后，部分请求仍然直连

上游 #623 尚未修复：后台能力测评和 exact-image-check 会绕过插件级 proxy/proxyHosts。代理环境下请保持 backgroundBenchmarking=off，或改用 Host 级 HTTPS_PROXY。

Desktop 设置页提示“远程设置通道不可用”，或模型列表出现两组“+ 自动识图”

这是 DSH 0.2.0-rc.2 Desktop 上的已知上游问题（#619、#620，未修复）。Web Profile 不受影响；请等待上游修复，不要自行修改插件文件。

像素工具报 colourspace: parameter space not set

Profile 中残留旧版 sharp。删除 <profile>/node_modules/sharp 和 @img 后重启，让插件回落到宿主的 sharp。

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.zh.md ↗（外部链接，在新标签页打开）
• README.md ↗（外部链接，在新标签页打开）
• SECURITY.md ↗（外部链接，在新标签页打开）

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