本文由本站基于该插件已收录的字段自动派生（wiki / faq / compatibility_json / readme），非 AI 即时创作。每节末尾标源字段。

快速上手

dsh-vision

— 源: plugin_wiki.wiki_content

安装与验证

dsh plugin --profile web add github:oil-oil/dsh-vision

复制以上命令在 DSH Web Profile 内运行。安装完成后在「插件列表」启用即可。

— 源: plugins.install

关键要点

• macOS：系统 Vision OCR，无需额外安装。
• Linux / Windows：Tesseract；需要自行安装对应语言包。
• 原图只发送给用户配置的视觉服务。
• 视觉结果会被标记为非可信观察数据，图片里的提示词不会获得系统权限。
• 视觉上下文只参与当前模型请求，不改写历史消息。

— 源: plugin_wiki.readme_zh (fallback readme_raw)

常见问题

安装后还需要自己申请视觉模型的 API Key 吗？

默认不需要。保持"自动选择"即可，插件会先尝试 Harness 中已配置且声明支持图片的模型，再读取 see 私有配置和本地 OCR；只有手动指定某个云端平台（ZenMux / 百炼 / TokenDance / OpenRouter）时，才需要填写对应平台的 API Key。

当前主模型已经支持图片，插件还会插手吗？

不会。VisionBridgeAdapter 会先检查当前模型的输入模态，如果原生支持图片就直接转发到原始 DeepSeek 适配器，桥接逻辑完全不参与；只有在原模型不支持图片时才会调用外部视觉模型。

多张图片会分开识别还是联合分析？

联合分析。一次请求里所有图片会打包送进同一个外部视觉调用，因此适合做前后对比、组合证据这种需要同时看到多张图的场景。

macOS 上不联网能识别图片吗？

可以。在 macOS 上本地降级走系统内置 Vision OCR，不需要额外安装；如果系统 OCR 不可用，会再尝试 Tesseract。其他系统需要自行安装 Tesseract 和语言包。注意本地降级以文字识别为主，不等同于完整多模态语义理解。

单次请求最多能发几张图片？

默认 8 张，可在 1–32 之间调整（界面"视觉识别"卡片上的"单次图片上限"）。超过上限会直接报错，不会静默截断。

API Key 会被保存到哪里？安全吗？

通过 Harness 官方凭据服务保存，写入后只能知道"是否存在"，不会被读回聊天、设置页面或会话日志；也可以通过 see 私有配置文件 ~/.config/see/config.env 或同名环境变量提供。本仓库不会写入任何 Key。

配置改了之后需要重启吗？

不需要。$DSH_HOME/settings.yaml 的 llm-deepseek 段落或界面里改完后会自动生效。

如何卸载或停用？

用 dsh plugin --profile web remove 卸载；想临时关掉可以把 cordis.patch.yml 里的 dsh-vision 条标 disabled: true 后重启 Web Profile。

— 源: plugin_wiki.faq_json

兼容性

• DSH: =0.1.0-rc.6
• Node: >=22.19

— 源: plugin_wiki.compatibility_json

踩坑提醒

安装前请审阅上游仓库；本指南基于已收录字段自动派生，可能滞后于最新版本。如发现与官方文档冲突，请以上游为准。

— 来源：通用规则