跳到主内容

dsh-media-skills

16Star2Fork1Issue0Watching

为 DeepSeek Harness 提供图片识别、视觉检查与图片生成能力,并自动注册可配置的视觉模型。

机审证据5/5方法论数据来源安装命令持续维护DSH 版本风险扫描
机审证据安装命令仓库已核验dsh-plugin Topic许可证READMEAI 百科
语言
Python
License
MIT
分支
main
agent-skillsdeepseek-harnessdsh-pluginimage-generationskillvision

安装

命令web profile
$ dsh plugin --profile web add github:akqwpeter-prog/dsh-media-skills

在终端中运行以上命令,通过 dsh CLI 安装此插件。可在右上角切换 Profile。 第一次用 dsh?看这篇新手教程

对话式安装

帮我安装 DeepSeek Harness 插件 akqwpeter-prog/dsh-media-skills:先查看仓库 https://github.com/MJorgin/dsh-media-skills 确认安全性,然后执行安装命令并验证插件加载成功。

把这段指令粘贴给 DSH Web GUI 里的助手,由它代你完成安装与验证。

一句话定位

这个插件把读图、视觉检查和图片生成接入 DeepSeek Harness,可在模型选择器使用视觉模型,也可在已适配的宿主中把图片转成文字后交给纯文本模型。API Key 需要由用户自行准备。

核心能力

  • 读取本地图片和截图,概括内容、提取文字,并整理版面与对象关系。
  • 检查界面截图中的文字重叠、内容溢出、元素错位、配色问题和水印等视觉异常。
  • 输出摘要、完整 OCR、阅读顺序、对象关系和不确定性组成的结构化结果,方便后续程序读取。
  • 自动缩放并分批处理多张图片,单次读图请求最多发送 5 张,避免超过服务限制。
  • 调用 SenseNova 或 SiliconFlow 生成插画、头像、背景和横幅,并保存到指定文件。
  • 注册智谱与商汤的视觉模型路线,并在已配置密钥时按智谱、SiliconFlow、SenseNova、Gemini 及自定义服务的顺序故障转移。

技术实现

  • 语言: JavaScript ESM + Python 3
  • 关键依赖: Python 3 标准库、Pillow 图片处理库、Node.js 标准库、OpenAI 兼容服务接口
  • 架构模式: Cordis 插件入口注册技能提供方并补写缺失的模型路线;技能加载本地说明文件,再调用 Python 脚本处理图片或生成图片
  • 入口文件: index.js

适用场景

适合需要查看截图、核对页面排版、提取图片文字,或在聊天中生成素材的用户。日常单图问答可以直接使用视觉模型;批量检查、脚本化处理,以及让纯文本模型理解图片,则更适合走读图技能或已打补丁的贴图链路。

前置依赖与兼容性

依赖最低版本说明
DeepSeek Harness0.1.0-rc.7~0.1.0-rc.8(完整贴图)技能和模型路线未声明最低 DSH 版本;纯文本会话自动转述需在对应版本源码应用宿主与客户端补丁
Node.js未声明入口使用 ESM,并读取 Node.js 内置文件系统与 URL 模块;仓库没有 npm 运行时依赖
Python 3未声明两个技能脚本由 python3 启动;README 徽章标注 3.9+,但依赖系统未强制校验该版本
Pillow未声明读图脚本处理 JPEG 压缩时动态导入 Pillow;缺少时运行 vision-review 的诊断命令会提示手动安装
服务商 API 与网络不适用至少需要可访问的读图服务与对应 API Key;生成图片还需图片生成服务的 Key
平台跨平台未声明操作系统或 CPU 限制,也不依赖原生模块;实际运行仍取决于 DSH 宿主、Python 和网络环境

安装方式

dsh plugin --profile web add github:akqwpeter-prog/dsh-media-skills

配置项

配置类型说明默认值
GLM_API_KEY密钥(字符串)智谱读图服务的访问凭证;未配置时不能使用该读图路线未配置
SENSENOVA_API_KEY密钥(字符串)优先用于图片生成,也可在读图主路线失败时使用未配置
SILICONFLOW_API_KEY密钥(字符串)用于图片生成,并在读图主路线失败时参与故障转移未配置
GEMINI_API_KEY密钥(字符串)智谱或其他备用服务失败后,尝试使用 Gemini 读图未配置
SENSENOVA_VISION_MODEL模型名(字符串)覆盖商汤读图时使用的模型sensenova-6.8-flash-lite
SILICONFLOW_VISION_MODEL模型名(字符串)覆盖 SiliconFlow 读图时使用的模型Qwen/Qwen3-VL-8B-Instruct
GEMINI_MODEL模型名(字符串)覆盖 Gemini 读图时使用的模型gemini-3.6-flash
GEMINI_PROXY代理地址(字符串)仅供 Gemini 联网使用;未设置时会沿用系统 HTTPS_PROXY未显式设置
VISION_FALLBACKSJSON 数组追加自定义读图服务;每项提供服务地址和模型,可选填写密钥变量名、输出上限及结构化输出开关[]

脚本优先从环境变量读取密钥,其次读取 ~/.dsh/secrets/media-tools.env,最后兼容读取 ~/.codex/secrets/media-tools.env。插件不会把密钥写入仓库;视觉模型路线使用 DSH 凭据存储中的同名变量。

常见问题

Q: 安装后需要额外配置吗?

A: 需要。读图至少要配置智谱 API Key,图片生成还要配置 SenseNova 或 SiliconFlow API Key;其他服务可按需用于故障转移。密钥应放在环境变量或本机凭据文件中,不要写入仓库。

Q: 纯文本模型可以直接贴图吗?

A: 可以在已适配的 DSH 宿主中实现。仓库只提供模型路线、读图与生图技能;直接贴图还需要在 DSH 0.1.0-rc.7 或 rc.8 对应源码应用匹配的宿主和客户端补丁,否则纯文本会话可能继续拒绝图片。

Q: 图片会保存在哪里?

A: 读图脚本不会把输入图片保存到仓库或指定输出目录。直接贴图时,宿主会把原图留在会话附件库;生成图片只写入调用者给定的目标路径。

Q: 图片会发送给谁?

A: 图片会发送到当前读图服务,生成任务会发送到 SenseNova 或 SiliconFlow。Google 免费服务的请求数据可能被用于改进其产品,处理证件、内部资料或客户截图前应先确认服务商条款。

Q: 是否支持 macOS、Windows 和 Linux?

A: 插件没有操作系统或 CPU 限制,也没有原生模块。系统需要能够运行 DSH、Python 3 和 Pillow,并能访问所选服务;其余限制来自 DSH 宿主机。

Q: 报 1210 或输入输出总量超限怎么办?

A: 智谱读图服务要求单次输出不超过 1024,输入与输出合计不超过 16384。插件已按该限制配置;长会话可新建后重试,并确认自动注册的模型配置没有被改成更高的输出上限。

Q: 读图服务不可用时如何排查?

A: 可运行 vision-review 脚本的 --doctor 选项,检查 Python、Pillow、密钥和各个服务的连通性。也可配置第二个视觉服务或通过 VISION_FALLBACKS 追加自定义路线。

Q: 如何卸载?

A: 可运行 dsh plugin --profile web remove dsh-media-skills。插件不会主动删除已写入 DSH 设置的模型条目;不再使用时可手动删除对应模型配置并重启 DSH。

上手难度

进阶 — 技能调用本身简单,但完整贴图能力需要准备 API Key、理解 DSH 模型设置,并在对应版本源码中手动应用宿主与客户端补丁。

已知问题与限制

  • 直接贴图自动转述不在插件代码内,仍依赖 DSH 本体的视觉转述补丁;仓库提供的补丁只验证了 rc.7 与 rc.8,不能混用不同版本补丁。
  • 智谱单次读图请求最多处理 5 张图片;脚本会把更多图片拆成多批,但智谱输出上限为 1024,输入与输出合计上限为 16384。
  • 仓库没有声明 Python 依赖,也不会自动安装 Pillow;缺少 Pillow 时读图功能无法完成图片压缩。
  • 自动注册模型路线时,只会在对应路线不存在时补写智谱和 SenseNova 配置,不会写入 API Key,也不会替用户配置 SiliconFlow 或 Gemini 路线。
  • 随附的 DSH 补丁文档指出,图片投影逻辑仍缺少单元测试;现有证据主要来自补丁回环检查和指定包的类型检查。

查看使用指南 →

该插件的安装步骤、关键要点、FAQ 与兼容性说明(基于已收录字段派生)。

收录徽章

Listed on deepseek-plugin.org
[![Listed on deepseek-plugin.org](https://img.shields.io/badge/listed_on-deepseek--plugin.org-007EC6)](https://deepseek-plugin.org/plugins/akqwpeter-prog/dsh-media-skills)

把这段 markdown 粘贴到你的 GitHub README,链接回本插件详情页。徽章只声明已被本站收录,不代表安全认证。

返回插件目录