给 DeepSeek Harness 装上看图的眼睛：Pi 生态两种识图能力，两条命令安装

[weijiafu14]

给 DeepSeek Harness 装上看图的眼睛，同时把 Pi 插件生态直接接进来——这是 pi2dsh 最近完整跑通的能力。

Pi 有一套很丰富的 Agent 插件生态。pi2dsh 做的是一层通用 Pi Host ABI → DeepSeek Harness 兼容引擎：兼容的 Pi 插件保持 npm 上发布的原样，不 fork、不改源码，也不需要为每个包写一套转换代码。

安装只有两步

# 引擎只装一次
dsh plugin --profile web add pi2dsh@0.11.0

# 之后直接安装兼容的 Pi 插件原包
dsh plugin --profile web add @kassing/pi-vision

装完重启 DeepSeek Harness。pi2dsh 会从 profile 的显式依赖中发现并挂载 Pi 插件；引擎和插件可以分别升级，互不绑定。

给 DeepSeek Harness 装上看图的眼睛

DeepSeek 官方文本模型本身不接收图片，但很多 Agent 工作流又必须看截图、读图或检查页面。pi2dsh 会自动为每条 text-only 模型路由注册一个独立的 Vision Bridge 伴生路由，不需要手工修改模型能力声明。

模型选择器里会同时保留原始 DeepSeek 分组和独立的 DeepSeek + Vision Bridge 分组：

选择伴生分组后，Web 可以像使用原生多模态模型一样直接粘贴图片：

然后有两种工作方式可以选择。

方式一：自动识图

安装 @kassing/pi-vision：

dsh plugin --profile web add @kassing/pi-vision

它会在 DeepSeek 推理前调用你配置的视觉模型，把图片分析结果作为 Harness 原生的 context injection 注入。主模型不需要主动调用工具，直接基于分析后的文字回答。

export OPENROUTER_API_KEY='<your-openrouter-key>'
export VISION_BRIDGE_BASE_URL=https://openrouter.ai/api/v1
export VISION_BRIDGE_MODEL=qwen/qwen2.5-vl-72b-instruct
export VISION_BRIDGE_API_KEY=$OPENROUTER_API_KEY

OpenRouter is only a public example. DashScope/Qwen-VL, a self-hosted vLLM, or any OpenAI-compatible vision endpoint works the same way. The key comes from the environment and is never stored in pi2dsh source.

真实 Web 验证结果：

图中可以看到 pi2dsh:@kassing/pi-vision 的上下文注入，纯文本 DeepSeek 在一轮一步内正确回答了图片颜色。

方式二：Agent 按需识图

如果希望 Agent 自己决定什么时候看图，可以安装 pi-vision-tool：

dsh plugin --profile web add pi-vision-tool

这种方式先把视觉模型按 DSH 官方 llm-pi-ai 配进 $DSH_HOME/settings.yaml，然后选择该路由：

export PI_VISION_PROVIDER=my-vision
export PI_VISION_MODEL=qwen/qwen2.5-vl-72b-instruct

完整的 DSH gateway 配置示例：https://github.com/weijiafu14/pi2dsh/tree/main/examples/custom-gateways

它提供 describe_image 工具。Agent 可以按任务需要控制识图提示词、图片压缩和视觉推理深度，适合 OCR、UI 检查、错误截图分析、坐标定位和图片对比。

已有 MCP / skill / script 只要能读取文件路径也可以直接复用：Vision Bridge 会把 Web 附件物化为临时文件，并把路径交给 Agent。

整条链路

Web 粘贴图片
  → Vision Bridge 接受并物化附件
  → 自动视觉插件分析，或 Agent 调用 describe_image
  → 视觉结果以文本进入上下文
  → 原始 DeepSeek 文本模型继续推理

在发往 DeepSeek 官方文本 adapter 前，图片块会被递归移除，因此文本模型接口始终只接收文字。

CLI 和 Web 两端都已完整跑通，仓库里提供了测试图片和从安装到复现的完整示例：

• GitHub：https://github.com/weijiafu14/pi2dsh
• 视觉示例：https://github.com/weijiafu14/pi2dsh/tree/main/examples/vision-bridge
• npm：https://www.npmjs.com/package/pi2dsh

如果你也想把兼容的 Pi 生态插件直接用在 DeepSeek Harness 上，欢迎试用、提场景，也欢迎给项目一个 Star。

[leenkcool]

#1728 可以自己提PR收录 。记得互相赞赏。

你这个挺好。