dsh-design-qa

dsh-design-qa

简体中文 | English

让 DeepSeek Harness 里的纯文本模型能看图。

做这个是为了在 DSH 上实现产品设计这项能力：从设计稿写出实现、再自己判断实现得像不像、 不像就修 —— 而 DeepSeek 写得了代码却看不见图，判定那一环做不了。本插件通过一个工具把 多模态能力借给它，让它具备执行产品设计功能所需的那只眼睛。 任何纯文本模型都能读图。 不只是 DeepSeek —— 你在 DSH 里自己接的那些 OpenAI 兼容端点 同样适用（实测过 OpenRouter 上的 z-ai/glm-5.2）。前提是该模型支持 tool calling： 它得能自己调 deepseek_vision。官方多模态上线那天，本插件自动让位、可原样留着。 把识图做成一个 tool。 图片不进主模型上下文；它看到一行 [图片 …] 提示，需要时自己调 deepseek_vision。不看就不产生任何成本，问什么由模型自己决定。 附 eval 与原始输出。 4 组夹具、23 处注入缺陷、四条通过线 —— 回答的是「借来的这只眼 够不够格当判定闭环里的裁判」，而不是「模型跑没跑通」。能看见 ≠ 可用于判定：看得见但不 主动看、会编、不稳、说不清，四种失效各对应一条通过线。真值四组齐全、有像素级注入断言， 跑分脚本目前接通的是其中 landing 一组；基准那一节每个数字的逐格模型原文都在 eval/runs/， 哪几项没有原文，也在那里标明。 三步装好

环境要求：一个已经能正常对话的 DSH —— 也就是工作区选好了、主模型的 key 配好了， 随便发一句能收到回复。npm 安装或源码运行都可以，Node ^22.19 || >=24（与 DSH 一致）。 macOS / Linux / Windows 通用，安装脚本是一份 Node 实现。 刚下载 DSH 还没配过的话先把这一步做完 —— 本插件只负责识图那条链路（BAILIAN_API_KEY）， 主模型的 key 是 DSH 自己的事。两者分开：主模型不通，粘图也不会有反应。 1. 拿一个百炼 API Key

去 阿里云百炼控制台 开通并创建 API-KEY。

新用户每款模型送 100 万输入 + 100 万输出 Token，有效期 90 天（官方说明）。 本插件一次识图约 2000 输入 + 400 输出 token，免费额度够看几百次图，日常用基本不花钱。 2. 装插件 也可以直接从 GitHub 装（拿到的是 main 上最新的，未必等于 npm 上那版）： dsh plugin --profile web add github:sunxin-ai/dsh-design-qa 3. 补配套并重启

装好了。在对话框里粘一张图，直接问「这是啥」即可。 图片走粘贴或拖拽进对话框 —— DSH 的输入框没有单独的上传按钮， 左下那个 + 是命令菜单不是附件入口，别去找。 也可以直接把图片的绝对路径或 http(s) 地址发给模型，让它自己调 deepseek_vision。

不需要告诉脚本 DSH 装在哪 —— 它从 profile 的 node_modules 自己解析出本体位置， npm 装的和源码跑的都认。密钥也不经它的手，只写变量名 apiKeyEnv: BAILIAN_API_KEY。

第 3 步顺带改了 DSH 本体三处 —— 点开看改了什么、怎么还原

「在对话框里粘贴图片」这件事插件自己做不到：拦截在 api-proxy 的消息准入里， 而 resolveModelInfo 直接返回适配器自述、没有 waterfall，插件改不了适配器 硬编码的 inputModalities: ['text']。所以只能改本体，三处： 前两处只让 DeepSeek 路由能粘图；第三处才让「任何纯文本模型都能读图」成立。

改动前原文另存为 .dsh-design-qa-orig，一条命令还原：