视觉与多模态

是什么 — dsh-tool-describe-image 是纯文本模型的图像描述工具。支持将本地路径、URL或附件发送至配置的 OpenAI 兼容视觉端点，仅返回文本进入会话。

谁该装 — 在使用 DeepSeek Harness 的纯文本模型处理图像附件时，用户适合安装此插件。 使用支持原生视觉模型的用户可以选择不安装，因为他们的模型有内置图像处理能力。

注意 — 在全新 profile 中安装并注册测试通过，未发现明显的坑。 静态检查未发现任何问题。

锐评 — 我会装，因为它让纯文本模型在会话中处理图像输入。

是什么 — ModLens 为文本-only 模型提供视觉桥接，让粘贴的图片获得 OCR、布局和语义的结构化 JSON 证据。

谁该装 — 在使用 DeepSeek Harness 文本-only 模型（如 DeepSeek-V4）时需要分析粘贴图片的情况适合。 对于使用原生多模态模型的用户，此插件并非必需，因为原生模型会保持内置粘贴能力。

注意 — 沙箱实测通过，在全新 profile 里装上，并被 harness 注册进 profile。未发现明显的坑。

锐评 — 我会安装它，因为它输出结构化视觉证据且无需保存图片到文件路径。

是什么 — agent-vision-toolkit 为文本模型提供视觉工具箱和技能。

谁该装 — 在 DeepSeek Harness 中使用文本模型进行需要图片理解的编码任务时适合安装此插件。不适合系统已允许原生图像工具的用户。

注意 — 从源码安装时需要先手动放行它的构建脚本。安装会执行 shell 命令。沙箱实测通过：在全新 profile 里装上，并被 harness 注册进 profile。未发现明显的坑。

锐评 — 我装了，因为它已在 DeepSeek 和 Claude Code 会话中验证。

是什么 — dsh-vision-router 为 DeepSeek Harness 文本代理提供免费视觉能力，支持像素工具调用。

谁该装 — 当代理需要 vision grounding 或 vision crop 操作时，此插件适合使用。 如果代理本身支持多模态输入而非仅文本模式，则无需此插件。

注意 — 没发现明显的坑。沙箱实测通过：在全新 profile 里装上，并被 harness 注册进 profile。插件会执行 shell 命令，但未引发任何故障。

锐评 — 我会装它，因为它支持连续多步图像处理直到任务完成。

是什么 — DSH Vision Toolkit 让文本模型支持图像输入，实现 Q&A、OCR 和 UI 复现等任务。

谁该装 — 在 DeepSeek Harness Web 中使用文本模型处理截图进行元素定位和多图比较的任务适合安装此插件。 对于使用原生视觉功能的模型，此插件无需额外集成。

注意 — 没发现明显的坑。默认采用作者托管免费服务，每台机器每日限额 100 次，超过时可配置为自有提供商。

锐评 — 我会安装它，因为它提供了 DeepSeek Harness 原生集成，让视觉任务在 profile 和 session 中无缝使用。

是什么 — 这是一个 Chrome 侧边栏扩展，允许 DeepSeek Harness 直接操控浏览器页面，无需视觉能力。

谁该装 — 使用 deepseek-v4-flash 模型执行浏览器导航、表单填充和标签管理任务的用户适合安装它。无需浏览器交互的用户不必装它。

注意 — 安装时需要从源码构建并手动放行构建脚本。沙箱中在全新 profile 注册成功，未发现明显的坑。性能基准显示平均端到端延迟 5.32 秒，少于匹配的 Playwright 基线。

锐评 — 我装它，因为它在真实浏览器会话中操作而非模拟，能保留登录状态和会话。

是什么 — watch-skill 插件为 DeepSeek Harness 中的 AI 代理提供视频音频屏幕活动的感知，使用时间戳证据保存，并通过 THE LOOP 独立验证代理所做工作。

谁该装 — 在 DeepSeek Harness 中处理浏览器流或生成的视频时，需要验证代理效果的用户适合安装 watch-skill。 对于不涉及动态屏幕或视频输入的用户，不需要安装 watch-skill。

注意 — 全新 profile 安装并被 DeepSeek Harness 注册，沙箱实测通过。 插件会执行 shell 命令。 未发现明显的坑。

锐评 — 我会装它，因为它能驱动浏览器并证明每个动作的效果，这在代理工作中是必要的。

是什么 — 将照片转化为带原图、抽象面板和英文题目的编辑构图。

谁该装 — 使用 DeepSeek Harness 进行照片编辑任务时，若需场景自适应布局和创意控制，此插件适合。 如果追求固定不变的 Codex 工作流，则无需此插件。

注意 — 沙箱实测通过：在全新 profile 里装上，并被 harness 注册进 profile。未发现明显的坑。

锐评 — 我会装它，因为它提供了 validated DeepSeek Harness capability path。

是什么 — 集成 DeepSeek Harness Web GUI 的 AI 图像生成插件，支持文生图和图生图。

谁该装 — 在使用 DeepSeek Harness Web GUI 进行图像生成时，用户适合安装此插件。 不使用 DSH 宿主进程代理 API 的用户不需要此插件。

注意 — 沙箱实测通过，在全新 profile 里装上并被 harness 注册进 profile。需在设置卡片中配置 API 地址和密钥。没发现明显的坑。

锐评 — 我会装它，因为它支持跨设备共享历史记录。

是什么 — dsh-comfyui 插件让 DeepSeek Harness 的 Agent 驱动本地或远程 ComfyUI 服务器生成图像和视频，并提供工作流库和技能包管理。

谁该装 — 如果你使用 DeepSeek Harness 进行图像生成或视频合成任务，需要 Agent 直接执行 ComfyUI 工作流，那么这个插件适合你的场景。 如果你的任务不需要 ComfyUI 后端或其他生成工具，则可以不安装它。

注意 — 安装后无需额外配置，在全新 profile 中成功注册并被 Harness 注册使用。没发现明显的坑。

锐评 — 我会装它，因为它支持 Agent 编写技能包，让经验在不同会话中复用，避免重复配置复杂工作流。

是什么 — DeepSeek Harness Docker 提供 hardened image、Compose stack、Helm chart、Web UI 和 headless CLI，在 Node.js 24 运行时使用官方 npm 发行物部署。

谁该装 — 当需要在 Docker 容器中运行 DeepSeek Harness Web UI 并持久化 profile、sessions 和 workspace 时适合安装此方案。那些仅需 headless 模式或无需容器边界处理的用户不适合安装此方案。

注意 — 从源码安装时需要先手动放行构建脚本。会执行 shell 命令。沙箱实测在全新 profile 里通过，并被 harness 注册进 profile。

锐评 — 我会装它，因为它处理了官方发行物在容器中的 PTY 监听地址等边界，而上游暂无容器方案。

是什么 — dsh-design-qa 插件通过 deepseek_vision 工具让纯文本模型读取图片。

谁该装 — 如果你需要在 DeepSeek Harness 中让模型判断实现是否与 mock 匹配，就适合安装此插件。 如果你没有 OpenAI-compatible vision route，就无法使用此插件。

注意 — 沙箱测试在全新 profile 里装上，并被 harness 注册进 profile。插件会执行 shell 命令。

锐评 — 前提是模型支持 tool calling，我会装它，因为它包含了判断所需的基准和提问规范。

是什么 — picturereader 将图片降分辨率降色深生成文本网格供纯文本模型自主看图。

谁该装 — 使用 DeepSeek 等纯文本模型分析图像时缺读图能力适合安装 picturereader。 对于执行纯文本任务的用户来说无需安装，因为他们不需要视觉信息输入。

注意 — 沙箱测试通过，安装并被 DeepSeek Harness 注册进 profile 成功。 ZCode 版存在 MCP 进程通信额外开销。 没发现其他明显问题。

锐评 — 我会装它，因为它提供了经过大量真实图片迭代验证的图像阅读方法论技能，能让文本模型自主验证图像内容。

是什么 — DSH-vison 为纯文本模型提供图片理解，通过配置的视觉模型将图像转为描述文字。

谁该装 — 当你使用纯文本模型处理包含图片的用户消息时，需要图片理解能力。 如果你使用支持图片的模型，可以不安装此插件。

注意 — 沙箱实测通过：在全新 profile 里装上，并被 harness 注册进 profile。没发现明显的坑。

锐评 — 我会安装它，因为沙箱测试通过且安装后全局生效。

是什么 — dsh-vision 插件注册 view_image 工具桥接 OpenAI 兼容 VLM，为纯文本 DeepSeek 提供图片分析。

谁该装 — 使用 DeepSeek-V4-Flash 在 DSH web 上描述桌面图片时需要安装此插件。 不需视觉分析的用户可以不装此插件。

注意 — 沙箱实测通过：在全新 profile 里装上并被 harness 注册进 profile。 从 GitHub 源码安装需要手工链接宿主依赖。 没发现明显的坑。

锐评 — 我会装它，因为它让 DeepSeek-V4-Flash 能看图描述，但前提是手动配置后端 apiKey。

是什么 — DirectorX 是 DeepSeek Harness 插件，集成 AI 视频图像音频生成编辑和知识库工具。

谁该装 — 在 DeepSeek Harness 中制作多镜头视频时，需要分镜板和角色锚点规划，这个插件提供无限画布和本地剪辑能力。 对于仅单次图像生成且不涉及画布任务的用户，不需要 DirectorX 提供的分镜确认和画布工具。

注意 — 实测通过：在全新 profile 里装上，并被 harness 注册进 profile。 没发现明显的坑。

锐评 — 我会装它，因为它允许本地 ffmpeg 剪辑无限重跑而无需二次生成，但前提是确认后再落到画布。

是什么 — DeepSeek Harness 插件，在代理执行危险工具调用前由更强模型审查。

谁该装 — 在使用 DeepSeek Harness 执行 rm -rf ~ 这样的高风险命令时，使用 anthropic/claude-opus-5 模型审查代理的决定。 对于不希望通过 x402 支付模型请求费用的用户，此插件不适用。

注意 — 实测在全新 profile 中安装后，并被 DeepSeek Harness 注册进 profile，通过沙箱测试。没发现明显的坑。

锐评 — 换成我，我不会安装它，因为它仅审查危险命令而不审查普通工作。

是什么 — 为 DeepSeek Harness 提供免费图像读取与生成技能，支持文本会话粘贴图片。

谁该装 — 在文本会话中缺少图像能力时适合安装此插件。 如果只想使用付费模型的用户可以不安装此插件。

注意 — 沙箱实测通过，在全新 profile 里装上，并被 harness 注册进 profile。没发现明显的坑。

锐评 — 我会安装它，因为它提供了免费图像处理且支持结构化证据输出。

是什么 — 为 DeepSeek Harness 提供图像粘贴读取和免费图像生成功能。

谁该装 — 使用文本模型进行图像分析或内容创作时，此插件能通过粘贴图像获取描述并支持生成。 如果你的工作仅限于纯文本推理而无图像输入需求，则无需安装。

注意 — 安装从 GitHub 源码进行时需手动允许构建脚本。实测在全新 profile 中成功注册并被 Harness 注册。没发现明显的坑。

锐评 — 我会装它，因为它填补了文本模型的视觉缺口，但前提是用户能获取 Zhipu 和 SiliconFlow 的 API 密钥。

是什么 — 为纯文本模型提供图像理解能力，通过 vision-language model 暴露为 describe_image 工具。

谁该装 — 如果你在 DeepSeek Harness 的纯文本模型会话中处理图片描述，需要图像理解支持。 如果你使用 vision-language 模型直接分析图像，则此插件可作为补充。

注意 — 没发现明显的坑。 沙箱实测未完成。

锐评 — 如果需要图像理解，我会安装此插件，因为它是文本模型的视觉扩展。

是什么 — 此插件为文本模型提供视觉处理能力，通过转发用户上传的图片至兼容的视觉模型，并在 Web UI 右侧面板显示描述。

谁该装 — 当你使用文本模型执行图像分析或视觉描述相关的聊天任务时，此插件能补充缺失的图像理解功能。纯文本对话或不涉及图像上传的用户无需安装此插件。

注意 — 沙箱测试通过：在全新 profile 中成功安装并注册进 Harness。配置端点、模型和密钥后测试连接，未发现运行中的问题。

锐评 — 我会安装它，因为它桥接了文本模型与视觉模型处理图片，但前提是后端支持 OpenAI 兼容的视觉 API。

是什么 — 此插件注册 deepseek-vision 路由，将 GUI 附加图片转译为文字后再发送给纯文本 DeepSeek 模型。

谁该装 — 在 DeepSeek Harness GUI 中附加图片的用户可以安装此插件实现图像识别。使用官方视觉模型的用户无需安装，因为官方已支持多模态。

注意 — 在全新 profile 中安装并被 harness 注册后能正常运行。安装时会询问是否有 VLM API key，非交互环境自动跳过。没发现明显的坑。

锐评 — 我会装它，因为它桥接了纯文本模型的图像识别能力，但前提是使用非官方视觉模型。

是什么 — DeepSeek Harness 插件，提供本地文档智能解析，支持 PDF、Office 文件及图片离线 OCR。

谁该装 — 在处理本地 PDF 或 Office 文件的 DeepSeek Harness 项目中适合安装此插件。 如果你需要远程 HTTP 服务支持时可跳过此插件。

注意 — 安装过程会执行 shell 命令。实测在全新 profile 中通过沙箱测试并成功注册。没发现明显的坑。

锐评 — 前提是使用 Windows x64 时它能提供完整 OCR 支持，我会装它。

是什么 — DSH 插件通过视觉模型将图片自动转换为文本，供纯文本 LLM 使用。

谁该装 — 纯文本模型用户在聊天中处理图片时适合安装此插件。 支持图片输入的多模态模型用户可继续使用原生图片能力，无需此插件。

注意 — 沙箱实测通过：在全新 profile 里装上，并被 harness 注册进 profile。安装脚本会执行 shell 命令，且卸载前需备份图片会话。没发现明显的坑。

锐评 — 我会装它，因为它不需要切换主模型就能处理图片，且沙箱测试通过。