dsh-tool-visual-primitives

中文 · English 把图片交给外部视觉模型分析，再把带空间定位的纯文本视觉证据交回原对话模型——被增强的模型不需要原生图片输入能力。--- 这是什么 DeepSeek Harness（DSH） 的纯文本模型本身看不见图片。本插件为它们补上视觉能力。核心思路参考 DeepSeek 的 Thinking with Visual Primitives：不把图片转成一段模糊的描述，而是以 归一化坐标和可引用对象 输出结构化证据，让后续推理可以引用、可检查。已发布至 npm。推荐使用下方的 DSH 官方一键安装命令；GitHub 源码挂载方式保留给开发与本地调试。1.5.

4 更新 - vision analyze 工具收紧为 [vision] 模型专用 ：非 [vision] 模型调用会被明确拒绝并给出可操作原因，自带图片能力的模型不再有两条竞争通路。- 图片 URL 支持 302 跳转 ：改为逐跳手动跟随、每一跳重新校验安全，此前短链图床（如 picsum.photos ）必然读取失败。- 抓图失败附带底层原因 ：错误信息现在包含 cause （如 UND ERR CONNECT TIMEOUT ），可直接区分 DNS 失败、连接超时与 TLS 错误。- 连接超时收紧至 5 秒，并增加一次有限重试（仅覆盖连接类瞬时错误）。完整更新历史见 CHANGELOG.

md。

功能 能力 说明 --- --- 🖼 两个入口，一条核心 显式工具调用 vision analyze 与对话中的 [vision] 模型，共用同一套分析管线与证据格式 🧠 11 类自动识别 描述 · 对象清单 · 多主体 · 计数 · 定位 · 空间关系 · 比较 · 路径 · 拓扑 · UI · 文档视觉，按问题自动选择模式 📐 视觉原语 以 、 、 输出归一化坐标（ 0–999 ），证据可被后续推理引用与核对；三档策略 auto / on / off 🎚 三档细节 brief · standard （默认） · verbose ，按任务复杂度控制证据粒度与 token 开销 🔒 只