vision-tool

给 DeepSeek Harness（DSH）的纯文本模型补上免费「眼睛」：一个分析已知本地图片路径的 vision(image, question) 工具， 直连智谱 GLM 免费视觉 API（glm-4v-flash → glm-4.6v-flash → glm-4.1v-thinking-flash 自动降级链）， 不依赖任何外部 CLI。完整说明见仓库根目录的 README。

安装（发布后）

dsh plugin --profile web add dsh-vision-free-eyes

或在 profile 的 cordis.patch.yml 中追加：

- insert:
    - id: dsh-vision-free-eyes
      name: dsh-vision-free-eyes

前提

• 必须：智谱 GLM 免费 key，环境变量 GLM_API_KEY 或 ZHIPU_API_KEY （open.bigmodel.cn 注册即得，格式 id.secret；Windows 也可 setx，插件自动读注册表）。
• 出站 HTTPS 到 open.bigmodel.cn。

使用

告诉模型单个图片文件的已知绝对路径即可，例如："看一下 D:\xxx\screenshot.png"。默认 image 模式使用 完整 GLM 视觉语言模型理解图片并回答 question；只有用户明确要求逐字提取时才用 mode="ocr"。 no_cache=true 可跳过进程内结果缓存。

工具会在联网前强制检查绝对路径、单文件类型和图片文件魔数；目录、相对路径以及非 png/jpeg/webp/gif/bmp 内容会直接拒绝。模型不应在调用前用 shell 预检路径；目录错误是停止条件， 即使目录里似乎只有一张图片也不会自行遍历，不会把普通本地文件伪装成图片上传。 图片理解会保持用户问题的范围和详细程度，只陈述能够确认的可见事实，并区分总数、当前项与 额外/折叠项等计数语义；简要概述不会逐项转写正文，界面分析也会区分地址栏、搜索框等区域。 单一事实问题只返回所问事实和必要限定，不主动附加未经询问的元素位置或上下文。

该工具不会自动解析 GUI 粘贴/上传附件，也不应遍历 DSH 附件目录猜测图片路径。GUI 贴图请使用 「… + 自动识图」路由；路由已经提供图片描述时，模型应直接使用描述，不要再次调用本工具。 输出为图片内容的纯文字描述，不附加内部耗时标记。

配置

config	默认	说明
apiKeyEnv	GLM_API_KEY / ZHIPU_API_KEY	GLM key 的环境变量名（可传数组）
no_cache	false	跳过进程内结果缓存，强制重新请求

限制

• 单图 ≤ 15MB；支持 png/jpg/jpeg/webp/gif/bmp。
• 不支持 PDF（doc 模式已移除）；图片字节会上传到智谱服务器。