dsh にネイティブにマウントする視覚プラグイン：view_image ツールを登録し、画像と質問を任意の OpenAI 互換 VLM に転送して回答をテキストで返す。web／TUI／リモートの全エントリが同時に視覚を得る。
DSH 統合
ネイティブ実行
作者による申告
安全性監査
未監査
最終検証日
2026-09-03
ライセンス
BSD-3-Clause
01どんなタスクに使えるのか？
Let text-only DeepSeek answer visual questions about images (OCR, counting, chart reading, UI layout)
A `view_image` tool the model calls with an image path and a question; returns the answer as text
DeepSeek Harness (dsh) users who need vision on a text-only model across web / TUI / remote channels
Route image understanding to any OpenAI-compatible VLM backend (free Zhipu, Qwen, Doubao, local Ollama)
Configurable baseURL + apiKey + model; automatic free-tier fallback chain keeps zero-config answers working
Users who want to keep their own BYOK / local VLM endpoint instead of a paid hosted vision service
02DeepSeek Harness への導入方法
前提条件
- DeepSeek Harness (dsh) installed and on PATH
- A VLM endpoint (default uses free Zhipu glm-4.6v-flash; other backends need an API key or a local endpoint)
インストール手順
- 01
Clone the plugin: `git clone https://github.com/dsh-external/dsh-vision ~/dsh-plugins/dsh-vision`
$ git clone https://github.com/dsh-external/dsh-vision ~/dsh-plugins/dsh-vision
- 02
Symlink host dependencies (@deepseek-ai/dsh-tools and schemastery) into the plugin's node_modules
- 03
Append the mount block to ~/.dsh/config.yaml and restart dsh
導入成功の確認
- Ask dsh about an image, e.g. "what error is in ~/Desktop/error.png"; the model should call view_image and return text
03DSH 統合と能力の範囲
dsh の個人設定オーバーレイ（~/.dsh/config.yaml）へネイティブにマウント。サードパーティ管理ツールに依存せず、ネイティブな cordis プラグインとして動作する。
view_image tool
image path / URL + natural-language question→text answer returned to the model
Multi-backend routing
configured baseURL + apiKey + model→forwards image + question to the VLM endpoint, returns text
sends image data to an external OpenAI-compatible VLM endpoint (or a local endpoint)Free-tier fallback chain
rate-limited default model (HTTP 429)→auto-downgrades glm-4.6v-flash → glm-4.1v-thinking-flash → glm-4v-flash
Zero-dependency cordis bridge
OpenAI-compatible /chat/completions + image_url→native TypeScript cordis plugin, no Python / uv / MCP
strips <think> reasoning blocks from thinking modelsauto-redacts API key in error messages
04誰に向いているのか？使うべきでない場面は？
向いている用途
- DeepSeek Harness (dsh) users who need vision on a text-only model across web / TUI / remote channels
- Users who want to keep their own BYOK / local VLM endpoint instead of a paid hosted vision service
不向きな用途
- Before marisa#2 is fixed, you must manually symlink the host dsh node_modules (@deepseek-ai/dsh-tools and schemastery) or the plugin fails to load.
05互換性・メンテナンス・セキュリティ上の注意
- Images are forwarded to an external OpenAI-compatible VLM endpoint, so the plugin needs network access and (for non-local backends) an API key. Localhost endpoints need no key.
- Before marisa#2 is fixed, you must manually symlink the host dsh node_modules (@deepseek-ai/dsh-tools and schemastery) or the plugin fails to load.
- Zhipu's free model is rate-limited (429) on a shared pool; the plugin auto-downgrades across three free models to keep zero-config answers working.
BSD-3-Clause · no releases yet (curated; latest push 2026-08-13)
06よくある質問
dsh-vision は何をしますか？
view_image というツールを登録し、テキストのみの DeepSeek でも画像を見られるようにします。OCR、カウント、图表読み取り、UI レイアウトなど任意の視覚的質問について、画像と質問を任意の OpenAI 互換 VLM に転送し、回答をテキストで返します。
どうやってインストールしますか？
既定はネイティブ マウントです：リポジトリを clone し、ホスト dsh の node_modules（@deepseek-ai/dsh-tools と schemastery）をプラグインへシンボリックリンクし、マウントブロックを ~/.dsh/config.yaml に追記して dsh を再起動します。DSH Companion には標準同梱でゼロインストールです。
どの視覚バックエンドに対応していますか？
任意の OpenAI 互換 VLM に対応：Zhipu の glm-4.6v-flash（既定無料）、Qwen vl シリーズ、Doubao Seed、ローカル Ollama など。baseURL+apiKey+model の一组で全てカバー。ローカル エンドポイントは key 不要です。
無料枠がレート制限されたら？
既定設定では glm-4.6v-flash → glm-4.1v-thinking-flash → glm-4v-flash へ自動的にフォールバックし、ゼロ設定でも必ず回答を得られます。fallbackModels で上書き可能です。
07関連する DSH ワークフロー
modlens
by liustack
DeepSeek Harness 用のビジョンプラグイン。DeepSeek や GLM などのテキスト専用モデルに画像認識を外付けし、画像を貼るだけで OCR・レイアウト・意味情報を構造化 JSON として取得
agent-vision-toolkit
by anionex
テキスト専用モデルに「見る目」を与えるビジョンツールボックスとスキル。複数画像の理解、画像 QA、長いスクリーンショットの OCR、フロントエンド UI 復元、GUI 自動化に対応
dsh-vision-router
by ysr666
テキスト専用 DeepSeek Harness エージェントに目を与えるプラグイン。キー不要の無料ビジョンチェーン内蔵に加え、QA、グラウンディング、切り抜き、OCR などのツールをワンコマンドで導入可能
dsh-vision-toolkit
by anionex
テキスト専用 DSH エージェントに 10 個の構造化ビジョンツールを提供。意図を意識した画像 QA、長いスクリーンショットの OCR、ピクセルレベルのグラウンディング、UI 復元、ピクセル差分など
08データと出典
给纯文本的 DeepSeek 加上眼睛。Vision for text-only DeepSeek.
本插件注册一个 `view_image` 工具：模型带着问题调用它（OCR、数数、读图表、看 UI 布局……任意视觉问题）
このページは、プロジェクトの公開ドキュメント、リポジトリのメタデータ、および DSH Plugins の構造化解析に基づいて生成されています。最終検証日：2026-09-03。誤りを見つけた場合は、修正を送信してください。
dsh プラグイン おすすめ
最初に入れたい 12 のプラグイン。全カタログ・全カテゴリから厳選しました。