dsh-vision-router

一条命令给文本 agent 装上眼睛,免费看图问答

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 计算机视觉 🍴 复刻 62 👀 关注 2
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1211
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费,内置免费视觉链无需密钥

项目预览

dsh-vision-router 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类计算机视觉
开发团队ysr666
定价模式🏷️完全免费
价格说明开源免费,内置免费视觉链无需密钥
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言JavaScript
技术栈/模型deepseek-harness,dsh,dsh-plugin,multimodal,vision
GitHub 星标★ 1211
上线时间2026-08-13 00:00:00
代码更新2026-11-02
仓库体积8.6 MB
本站数据更新2026-11-03
维护状态活跃
收录时间2026-09-19
浏览次数1

项目介绍

dsh-vision-router 是给纯文本 DeepSeek Harness(dsh)智能体装上"眼睛"的插件。dsh 这类 agent 本身只能处理文字,遇到图片就抓瞎,而该项目通过一个内置的免费视觉链(无需 API key)把图片理解能力接进来,让图像对话像普通工具调用一样自然发生。它提供像素级的视觉工具集:图片问答、目标定位(grounding)、裁剪、像素级差异对比、颜色提取、OCR 文字识别、SVG 描摹、抠图以及截图。安装只需一条命令,不依赖 Python,对 JavaScript 生态友好。核心价值在于降低多模态门槛——开发者不用自己搭视觉服务、不用申请密钥,就能让文本 agent 直接"看图说话",适合快速给现有 agent 增加视觉能力、做图像调试或自动化截图分析等任务。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-09-19 · 当前星标 ★ 1211

使用教程

难度:入门 约 10 分钟 部署方式:命令行工具 7 步

环境要求

  • 已安装 Node.js,可使用 npx(普通 npm/npx 安装方式)
  • 已具备 DeepSeek Harness(DSH)CLI,或从源码 checkout 的 deepseek-harness 仓库
  • DSH Web 使用 web profile
  • 无需 Python,无需申请视觉 API key(内置免费视觉链)

安装与启动步骤

  1. 1安装插件

    在终端执行这一条命令,把 dsh-vision-router 加到 web profile;这是官方推荐的安装路径。

    npx @deepseek-ai/dsh plugin --profile web add dsh-vision-router
  2. 2源码方式安装

    如果从源码 checkout 运行 DSH 且 dsh 不在 PATH 上,用 pnpm 工作区脚本,先进入仓库目录。

    cd deepseek-harness
    pnpm dsh plugin --profile web add dsh-vision-router
  3. 3验证是否装上

    用 dump-config 导出配置并 grep,能搜到 vision-router 就说明插件已登记进该 profile。

    npx @deepseek-ai/dsh --profile web --dump-config | grep vision-router
  4. 4重载 DSH Web

    按你平时的方式启动或重载 DSH Web;若是长期运行的 Web 进程,需让它 reload 一次才能发现插件 bundle。

  5. 5打开视觉开关

    在对话输入区启用“ Vision”控件,之后图片轮次就像普通工具调用轮次一样使用,可定位、可度量、可复现。

  6. 6按需调整配置

    默认全部可选且开箱可用;优先在“Settings → Vision Router”里改,高级部署可用 profile 覆盖。

  7. 7卸载(可选)

    想移除插件时执行对应的 remove 命令即可。

    npx @deepseek-ai/dsh plugin --profile web remove dsh-vision-router

关键配置

配置项必填说明示例
routingMode否ordered 保持配置的模型链顺序;auto 交给实测能力证据排序ordered
provider / model否简写式视觉后端路由,必须是真正接受图片的模型vision-http / ovh/Qwen2.5-VL-72B-Instruct
localOllama否本地视觉后端;启用后位于 HTTP 视觉链最前,宕机自动跳过{ enabled: false, baseURL: 'http://127.0.0.1:11434/v1', mode
timeoutMs否单次视觉调用超时时间(毫秒)120000
artifactsDir否产物目录,路径相对于会话工作区.dsh-vision-router/artifacts
desktopScreenshot否是否允许模型调用桌面截图工具,隐私需显式开启false

如何确认成功

执行 npx @deepseek-ai/dsh --profile web --dump-config | grep vision-router 能搜到条目,且 DSH Web 重载后设置中出现 Vision Router。

常见问题

Q:需要申请 API key 或装 Python 吗?

A:不需要。项目内置免费视觉链,开箱即用,不依赖 Python,对 JavaScript 生态友好。

Q:我之前用 cordis.patch.yml 手动加载插件,能再执行 dsh plugin add 吗?

A:不建议混用。当前 DSH CLI 可能把 bundle-patch 依赖写入 dsh.profile.bundles,导致插件注册两次;应先把手动插件行迁移到 bundle 管理,或继续走手动安装路径。

Q:装完为什么没反应?

A:如果插件装进一个已长期运行的 Web 进程,需要让该 DSH Web 进程 reload 一次,插件 bundle 才会被发现。

Q:改配置要重启吗?

A:多数不用。插件加载后,增删模型或改 wrapper 范围会热更新;但 progressiveTools 是启动时配置,需重启生效。

Q:第三方 dsh-web-plugin-manager / dshpm 能用吗?

A:v0.4.2+ 兼容,其质量门已允许 @deepseek-ai/schemastery 作为运行时依赖;但官方 DSH CLI 仍是推荐安装路径。

注意事项

  • 不要混用 legacy 手动插件行与 bundle 管理的 dsh plugin add / dsh plugin list,否则插件可能注册两次。
  • 配置项全部可选、默认即可用,优先通过 Settings → Vision Router 修改,profile 覆盖留给高级部署。
  • providers 链里不要放纯文本模型,必须是真正接受图片的模型。
  • 某些配置(如 progressiveTools)属于启动时配置,改动需要重启 DSH。

核心亮点

  • 内置免费视觉链,无需 API key 即可用,零成本接入多模态
  • 提供像素级工具集:grounding、裁剪、像素 diff、OCR、抠图、SVG 描摹等覆盖广
  • 安装一条命令且不依赖 Python,对 JS 项目接入成本低

不足之处

  • 免费视觉链的识别精度和稳定性受上游服务限制,复杂图像可能不准
  • 项目较新、星标 1108,长期维护与生态完善度待观察

适用场景

  • 给只能读文字的 DeepSeek agent 增加看图问答能力
  • 自动化截图对比与像素级 UI 回归检测
  • 从图片中提取文字、颜色或描摹成 SVG 用于设计/前端

替代项目

LiteLLM、Open Interpreter、mcp-server-fetch

上一篇:makeacopy

下一篇:DART

同类项目推荐

SwapNet 开源

上传人物和衣服照片,一键生成试穿效果

Virtual Clothing Try-on with Deep Learning. PyTorch reproduction of SwapNet by Raj e···

★ 389 2026-08-09
wgai 开源

Java 离线 AI 识别平台,图片视频 OCR 开箱即用

开箱即用的JAVA AI 图片、视频语音识别&OCR平台AI合集包含旦不仅限于(车牌识别、安全帽识别···

★ 387 2026-09-29
Stable-Diffusion-Seg 开源

用 Stable Diffusion 单步反演,让医学图像分割又快又准

[MICCAI 2024] Codebase for "Stable Diffusion Segmentation for Biomedical Images with···

★ 117 2026-08-09
paddleocr-local 开源

本地把 PDF/Office 转 Markdown,五种 OCR 模型随你换

Local-first document parsing workbench for five OCR models: PDF/Office to Markdown w···

★ 139 2026-09-19
locate-anything 开源

一句话框出图中任意物体,本地GPU一键跑

Sleek, mobile-friendly web UI for NVIDIA LocateAnything-3B — open-vocabulary object···

★ 170 2026-09-20
sparrow 开源

从文档和图片中一键提取结构化数据,驱动自动化流程。

Structured data extraction, instruction calling and agentic workflows with ML, LLM a···

★ 5232 2026-08-09
tessdoc 开源

Tesseract 官方文档一站查,装、调、训不再翻论坛

Tesseract documentation

★ 2455 2026-09-19
Open3D-ML 开源

开箱即用的3D点云模型训练与部署工具

An extension of Open3D to address 3D Machine Learning tasks

★ 2361 2026-08-10
MERGE 开源

一个模型搞定图像生成和深度估计,省时又省力

[NeurIPS 2025] More Than Generation: Unifying Generation and Depth Estimation via Te···

★ 222 2026-08-09