插件

让纯文本模型处理视觉任务：粘贴图片后自动切换到 Vision Toolkit 变体，支持图片问答、多图比较、长截图 OCR、截图还原前端 UI、元素定位与像素对比。默认无需 API Key——图片经作者自建的免费服务处理，每台机器每天 100 张；也可改为指向自己的服务商。

describe_image 模型工具：让纯文本模型通过视觉语言模型获得图像理解能力。

视觉语言网关：注册支持图片输入的 DeepSeek provider 路由，图片先由可配置 VL 模型（默认 Qwen-VL）描述成文字再发送。

为纯文本 DSH 会话按需提供视觉能力：图片变为标记，vision_describe 工具只把图片和问题发给 OpenAI 兼容的视觉模型。

为 DeepSeek Harness 提供托管视觉侧车，并持久化会话证据。

将会话图片转交可配置视觉服务，并向符合条件的 DeepSeek Harness 模型路由返回纯文本分析。

为 DeepSeek Harness 提供可审计的视觉与跨平台 Computer Use 运行时，保留源证据。

在 DSH Web 聊天界面内联渲染粘贴/上传的图片，并让纯文本模型“看见”图片：visual_review 工具优先调用任意 OpenAI 兼容多模态 API，未配置时回退本机 Qwen3-VL。