dsh-vision-router

这是什么？适合谁？

dsh-vision-router 是 DeepSeek Harness（DSH）生态的视觉路由插件：让纯文本的 DeepSeek Agent 获得”眼睛”。粘贴一张图片即可用——内置免费视觉链，无需额外 API key、无需 Python，一条命令安装。它的核心设计是”原始像素留在视觉模型侧、DeepSeek 留在推理侧”，看图变成一次普通的工具调用回合：有依据、可度量、可复现。

适合人群：用 DeepSeek Harness（或同构纯文本模型）做 Agent 开发的工程师、想让现有 DSH Agent 处理截图/UI/图表的用户、研究多模态路由架构的开发者。 使用前提：已部署 DeepSeek Harness（dsh 0.1.0-rc.x）、Node.js 环境、需要看图的 Agent 工作流。

快速上手（3 步）

第一步：一条命令安装

dsh plugin add <vision-router 安装源>

插件自带组合补丁（dsh.bundle.patch）：dsh plugin add 会自动接线路由行、准入包装器与附件限制，零手动文件编辑。

第二步：验证视觉链

在 DSH 会话里粘贴一张截图（如含按钮的页面），观察插件是否把图片回合路由到 (Vision) 变体，并返回带坐标的定位结果（如通过 vision_ground / vision_crop / vision_pixel_diff 定位发送按钮）。

第三步：把看图接进任务流

让 Agent 完成”看图 → 定位 → 操作”的闭环任务，例如”打开这张截图里的发送按钮对应的界面元素并报告坐标”。图片回合与普通工具调用回合行为一致，可直接纳入既有评测与重放体系。

初级用法

• 粘贴即用：在 DSH Web 直接粘贴图片，路由自动切换，无需手动改模型或复制路径。
• 免费视觉链：内置免费视觉服务，安装即用；共享容量暂时耗尽时会返回可读的 429 与重试提示。
• 十一项像素级工具：从定位（ground）、裁剪（crop）到像素差分（pixel_diff），按需在提示词里点名调用。

高级玩法

1. UI 自动化测试回路：截图 → vision_ground 定位元素坐标 → 驱动点击 → vision_pixel_diff 验证前后状态，构建可度量的 UI 验证流水线。
2. ** Stealth 模式**：可选设置接管官方 DeepSeek 路由（默认关闭）；开启前评估对其他附件流量的影响。
3. 免费 key 通道扩展：按文档配置多个免费视觉 key 通道做容量冗余，缓解共享 429。

常见踩坑（5 条）

踩坑 1：DSH rc.6 设置页空白

• 现象：升级后插件设置页白屏
• 原因：v1.4.4 之前的版本未声明 settingsScope 所需的 client services
• 解决：升级到 v1.4.4+，该版本已修复

踩坑 2：共享视觉服务 429

• 现象：图片回合返回 429
• 原因：内置免费服务为共享容量，高峰期可能耗尽
• 解决：按返回的重试提示等待，或配置免费 key 通道分流

踩坑 3：图片被转成文字描述

• 现象：Agent 只”读”到图片的文字概述，拿不到坐标
• 原因：用了旧的”图片转文字桥接”式插件思路
• 解决：确认走 vision-router 路由（原始像素保留在视觉模型侧），工具名带 vision_ 前缀

踩坑 4：手动改文件导致升级冲突

• 现象：dsh 升级后视觉路由失效
• 原因：手工编辑过插件接线文件，与 bundle patch 冲突
• 解决：恢复默认文件，仅通过 dsh plugin add 与设置项管理

踩坑 5：大附件被拒

• 现象：大图粘贴无反应
• 原因：插件带有附件限制（admission wrapper）
• 解决：压缩或裁剪截图后再粘贴，限制值见配置项

FAQ（5 个常见问题）

Q1：dsh-vision-router 免费吗？ A：MIT 开源，内置免费视觉链，无需 API key。共享容量有 429 限流，可扩展免费 key 通道。

Q2：和 dsh-vision-toolkit 有什么区别？ A：router 主打”路由 + 免费视觉链 + 像素级工具”；toolkit（Anionex）主打”图片问答/长截图 OCR/UI 还原”的工具集与 Skill。两者可按需选择，均属 DSH 视觉生态。

Q3：支持哪些 DSH 版本？ A：以 rc.6 为基线开发（v1.4.4 修复了 rc.6 设置页问题）；旧版本兼容性以发布说明为准。

Q4：会改变 DeepSeek 的推理行为吗？ A：设计上 DeepSeek 保持思考，视觉模型负责看；图片回合表现为普通工具调用，可度量可复现。

Q5：需要 Python 环境吗？ A：不需要，插件为 Node 技术栈，一条命令安装。

小技巧（5 条）

1. 先跑 demo 图：用 README 的演示场景（定位发送按钮）首跑，确认路由与工具链正常。
2. 点名工具名：提示词里直接写 vision_ground/vision_crop，比泛泛说”看图”更稳。
3. 利用中文 README：仓库带 README.zh.md，中文用户先读中文版少踩坑。
4. 加入社区群：README 提供 QQ 群（1105463028），429 与版本问题群内响应快。
5. 观察附件限制配置：按你的截图尺寸调大 admission 限制前，先确认下游视觉服务的尺寸上限。

进阶学习建议

• 研读 dsh.bundle.patch 的组合补丁机制，理解 DSH 插件如何做到”零手动编辑”接线
• 逐个实验十一项 vision_* 工具（ground/crop/pixel_diff 等），画出各自的适用场景矩阵
• 对比 router 与 toolkit 的架构差异，为你的 DSH Agent 选型或组合两者
• 把图片回合纳入你的评测重放体系，量化”看图任务”的成功率与回归

参考链接

• dsh-vision-router GitHub 仓库

本文基于公开资料于 2026-08-17 整理，社区指标反映 GitHub 公开数据。独立实测未进行，功能和配置项可能随版本更新而变化，请以官方文档为准。