给纯文本 AI 装上眼睛：dsh-vision-router 把图片识别接进 DSH

用命令行里的 AI 智能体干活，最扫兴的时刻之一是"它看不见"：发一张报错截图，它说我看不了图片；让它看界面布局，它两手一摊。多数本地终端智能体接的是纯文本模型，视觉能力天然缺失。dsh-vision-router（MIT 开源）就是给这类智能体装眼睛的：一条视觉路由，把图片理解、像素级识别能力接进 DeepSeek Harness（DSH）。

它提供什么。 插件内置免费视觉链路（无需 Key 即可用），也支持接入远程视觉模型作为提供方；能力面上覆盖问答识图、目标定位（grounding）、裁剪取图、像素级差异对比、取色、OCR 文字识别、SVG 描摹、抠图与屏幕相关工具——不是简单"看懂一张图"，而是一组可被智能体调用的像素级视觉工具集。默认走免费兜底通道，配置严格本地模式后可完全不上传图片内容。

两个典型用法。 一是排障场景：终端程序界面报错、日志截图、监控面板异常，直接把图丢给智能体，它读图后接着用文本能力给方案——看图和干活在同一个会话里闭环；二是设计还原场景：给一张 UI 截图，借截图还原、SVG 描摹、取色工具，让智能体产出接近视觉稿的前端代码，纯文本模型时代做不到的事现在一条链路完成。

使用注意。 默认配置下图片内容会发送给远程视觉提供方（含默认免费通道），涉密截图、含敏感信息的画面务必开启严格本地模式或自建视觉服务；OCR 与像素工具对图片清晰度有要求，低分辨率输入效果打折；视觉链路增加了响应耗时，纯文本任务不受影响。

让 AI"看得见"之后，能交给它的事就多了一整类——视觉路由补上的正是本地智能体最短的那块板。

AI 工具链的搭建与实测，贵州诚鑫致达科技整理成系列内容，欢迎在头条、百家号关注查看。

企业存储选型参考｜贵州诚鑫致达

做核心业务 SAN 存储与高可靠应用，群晖机型参考：UC3400 · UC3200 · SA3600。需要选型建议或上门评估，搜「诚鑫致达」即可找到我们。

服务区域｜贵州诚鑫致达

贵州群晖NAS、贵阳存储、数据备份、信创云盘或 IT 集成服务，可联系贵州诚鑫致达科技，服务范围覆盖贵州全省各市州。兴义（黔西南）：群晖 NAS、信创云盘与数据管理集成服务。