dsh-agent-vision

> 多模态视觉插件（辅助通道）：VLM 读图 / 描述 / 双图对比。 > DeepSeek Harness 自研插件 · v0.1.0

定位

把本地图片喂给 OpenAI 兼容 VLM（默认 qwen3.8-flash）做读图 / 描述 / 双图对比——批量审图、省主会话上下文。主会话「亲眼看图」走官方 read_image（原生多模态），本插件是辅助通道。

功能特性

• 单图问答：vision_ask 读一张本地图片并用 VLM 回答（question 缺省 = 详细描述构图/色彩/风格/细节）
• 双图对比：vision_compare 参照图 + 生成图一起喂给 VLM，返回异同分析（主体/构图/色彩/风格/细节）
• 省上下文：批量审图不占主会话 token，结果结构化返回
• 模型可配：OpenAI 兼容 VLM，默认 qwen3.8-flash

安装

git clone https://github.com/jonah791/dsh-agent-vision.git self-plugins/dsh-agent-vision
cd self-plugins/dsh-agent-vision && pnpm install && pnpm build

挂载到 web profile。组合行 id：agent-agent-vision。

使用（工具面）

工具	用途
vision_ask	读本地图片 + VLM 回答（path 必填；question 可选）
vision_compare	双图对比（imageA 参照 + imageB 对照）

配置

字段	默认	说明
model	qwen3.8-flash	VLM 模型（OpenAI 兼容）

技术要点

• 辅助通道定位：批量审图/对比用本插件，主会话亲自看图用官方 read_image
• 返回结构化 {ok, model, answer} 便于程序化处理

License

MIT