# 🎨 dsh-media-skills ### *賦予 DeepSeek Harness 眼睛——以及一支畫筆。在任何對話中讀取圖片、生成新圖片，全部使用免費模型。* [](../../LICENSE) [](https://python.org) [](https://github.com/topics/dsh-plugin) [](../SETUP_VISION_EN.md) [](../FREE_VISION_PROVIDERS_EN.md) [](README_ZH_TW.md#-金鑰與隱私) [](README_ZH_TW.md)
DeepSeek Harness 的推理能力十分出色——但純文字模型看不見你剛拖進對話的圖片。這個套件以**兩個免費技能**、一個**免費視覺模型路由**以及一條**視覺引擎容錯移轉鏈**解決這個問題： - 🖼️ **貼上即讀取**——在任何工作階段中貼上、拖曳或挑選圖片；視覺模型會把它轉成你目前模型能理解的文字（**v0.1.1 起預設 DeepSeek-V4-Flash-Vision-Exp，與主 agent 同 key**）。 - 👁️ **`vision-review`**——分析圖片與螢幕截圖、找出 UI 視覺錯誤、偵測浮水印、將圖片轉成文字。 - 🎨 **`media-tools`**——用免費、無浮水印的模型生成插圖、頭像、背景與橫幅。 - 🔀 **引擎容錯移轉**——GLM-4V-Flash → **DeepSeek-V4-Flash-Vision-Exp**（與主 agent 同 key）→ SiliconFlow Qwen3-VL → SenseNova → Google Gemini（[AI Studio](https://aistudio.google.com)）→ 任何 OpenAI 相容端點，並輸出 ModLens 風格的結構化證據。 不寫死金鑰、無需付費 API、不需儲存檔案、不用切換工作階段。 [為什麼](#-為什麼) · [快速開始](#-快速開始) · [看看實際效果](#-看看實際效果) · [使用方法](#-使用方法) · [金鑰與隱私](#-金鑰與隱私) · [常見問題](#-常見問題) · [範例](#-範例) [**English**](../../README.md) · [**简体中文**](README_ZH.md) · [**繁體中文**](README_ZH_TW.md) · [**日本語**](README_JA.md) · [**한국어**](README_KO.md) · [**Español**](README_ES.md) · [**Deutsch**](README_DE.md) · [**Português**](README_PT.md) · [**Русский**](README_RU.md)
桌面端 0.2.1 起外掛可以註冊自己的頁面，這個 bundle 自帶一個——側邊欄裡的 **創作**：
- **生成**：輸入提示詞（⌘⏎ 可直接生成），選模型、比例與 1K–4K 畫布。模型按「每個提供方 × 每個模型」一行排列，比例共 10 個（智能 / 1:1 / 9:16 / 16:9 / 3:4 / 4:3 / 2:3 / 3:2 / 9:21 / 21:9），超過模型上限的尺寸會變灰而不是被悄悄忽略。結果是一張結果卡：編號、模型、尺寸、完整提示詞與操作按鈕。
- **作品**：這個工作區生成過的所有圖做成聯絡表；點縮圖看詳情卡，可以重用參數、複製提示詞、開啟原圖或刪除（檔案一起刪）。點圖片本身可以放大，`Esc` 關閉。
- **生圖 Key**：每個提供方一行。貼進去的 Key 由外掛寫入 `~/.dsh/secrets/media-tools.env`（權限 600），**不會上傳**，也不會用於生成以外的任何用途；既有的 Key 顯示為 `••••abcd`，點小眼睛可暫時查看。
- **完全沒有 Key？** 選 **Flux（免 Key）** 就能直接用——Pollinations 不用註冊、不用 Key（同一 IP 每 45 秒一張，最大 768×768，角落有小 logo）。
在桌面端側欄 **插件** → 右上角 **添加插件** → 輸入 `dsh-media-skills` → **安裝**；完成後提示「請重啟 DSH 使變更生效。」，重新啟動一次應用程式（外掛在啟動時載入）。也可以用命令列：
```sh
dsh plugin --profile desktop add dsh-media-skills
```
## 📸 看看實際效果
*在純文字工作階段貼上圖片 → 免費視覺模型描述它 → 你的模型回答。同一個套件也能按需求生成新圖片。*
*一張圖看懂運作方式：*
## 🚀 使用方法
讀取圖片的三種方式：
| 方式 | 做法 | 時機 |
|---|---|---|
| **A. 直接貼上（建議）** | 在任何工作階段中，點擊 🖼️ 按鈕／拖曳／貼上圖片後送出 | 日常圖片問答——不需儲存檔案、不用切換模型 |
| **B. 視覺模型工作階段** | 開新對話，選擇智譜 GLM-4V-Flash（視覺），貼上圖片開始交談 | 多輪圖片對話、原生 `read_image` |
| **C. 檔案＋技能** | 把圖片放進工作區，說「用 vision-review 讀取這張圖片」 | 批次審查、腳本化工作流程 |
描述會跟隨你的訊息語言（中文訊息 → 中文描述；英文訊息 → 英文描述；沒有文字 → 中文）。
也可以直接說：
- 「看看這張圖片／檢查這張截圖有沒有視覺錯誤」 → `vision-review`
- 「生成一張……的圖片」 → `media-tools`
## 🔑 金鑰與隱私
金鑰**絕不儲存在這個儲存庫中**。技能腳本依序讀取：環境變數 → `~/.dsh/secrets/media-tools.env` → `~/.codex/secrets/media-tools.env`（舊版備援）。視覺模型路由會從 DSH 的憑證存放區讀取 `GLM_API_KEY`（≤ v0.1.1；v0.1.6 的路由由你在 **設定 → 模型** 自行設定）。
哪裡取得金鑰：v0.1.1+ 直接用主 agent 的 DEEPSEEK_API_KEY（免申請）。免費引擎：Zhipu——[open.bigmodel.cn](https://open.bigmodel.cn) → API Keys（glm-4v-flash）。SiliconFlow——[siliconflow.cn](https://siliconflow.cn) → API Keys（Kolors）。Google（選用，會自動加入視覺容錯移轉鏈）——[aistudio.google.com](https://aistudio.google.com) → Get API key。
```sh
# ~/.dsh/secrets/media-tools.env（chmod 600，每行一個 KEY=value）
GLM_API_KEY=...
SILICONFLOW_API_KEY=...
GEMINI_API_KEY=... # 選用
```
你的圖片只會傳給你設定的供應商——絕不會傳給這個儲存庫，也不會傳給共用的匿名端點。
> Gemini 的隱私提醒：Google 免費層級金鑰附有資料使用條款——請求內容可能被用於改善 Google 產品。對於敏感圖片（身分證件、內部文件、客戶資料），建議優先使用直接連線的引擎（Zhipu／SiliconFlow）。
## ❓ 常見問題
**貼上圖片讀取是否需要修補 DeepSeek Harness 核心？**
自動描述管線位於 Harness **核心**——**v0.1.6 / v0.1.1** 為原生支援，rc.7 / rc.8 則是 `api-proxy` 的圖片准入邏輯（請見 [../HARNESS_PATCH_EN.md](../HARNESS_PATCH_EN.md)，歷史文件）。這個套件提供**讀圖／生圖技能**（≤ v0.1.1 另含視覺模型路由）：視覺模型在任何 DSH 版本都能運作，但貼上圖片讀取需要具備該核心支援的 Harness 版本。
**為什麼不乾脆使用完全不需要金鑰的內建免費端點？**
我們傾向讓你自己掌控路由：你的圖片會傳給你選擇的供應商，在你的速率限制之下運作，中間沒有共用的仲介。金鑰免費，大約兩分鐘就能建立。
**`media-tools` 真的免費嗎？**
是的——SiliconFlow Kolors 免費且無浮水印。如果某個模型暫時停用，技能會列出可用模型，你可以自行切換。
## 🎁 範例
可立即試用的範例素材——6 張 AI 生成圖片及其提示詞，加上一張專為檢查讀取準確度設計的視覺測試卡（標題、按鈕、長條圖數值）：
讀圖測試卡——標題、兩個按鈕、四個柱狀圖數值與底部註文：
→ [../../examples/README.md](../../examples/README.md)
## 🗺️ 目錄結構
```
dsh-media-skills/
├── package.json # dsh.bundle 清單
├── cordis.patch.yml # 外掛層
├── index.js # 透過 v0.1.6 provider 生命週期註冊兩個技能
├── skills/
│ ├── vision-review/ # 圖片讀取
│ └── media-tools/ # 圖片生成
├── examples/ # 範例圖片＋視覺測試卡
├── docs/
│ ├── screenshots/ # 示範樣板與運作原理示意圖
│ ├── SETUP_VISION_EN.md # 詳細設定指南（英文）
│ ├── SETUP_VISION.md # 詳細設定指南（中文）
│ ├── HARNESS_PATCH_EN.md# 核心修補說明（英文）
│ ├── HARNESS_PATCH.md # 主程式修補說明（中文）
│ ├── COMPARE_MODLENS.md # 與 ModLens 的比較／共存（中文）
│ └── lang/ # 9 種語言的 README
├── scripts/make-banner.py # 重新生成 docs/social-preview.png
└── docs/social-preview.png
```
## 🧩 想與 ModLens 並用？
這個套件和 [ModLens](https://github.com/liustack/modlens) 都能賦予純文字模型視覺能力。兩者同時安裝不會衝突：ModLens 會先攔截貼上的圖片（路徑 → `modlens_read_image` 工具），這個套件的 api-proxy 備援則處理它未接管的部分。完整的比較、貼上路由順序，以及如何將 ModLens 指向同一個免費 Zhipu 端點，請見 [../COMPARE_MODLENS.md](../COMPARE_MODLENS.md)（中文）。
## 🤝 加入 DSH 外掛生態系
DeepSeek Harness 開發者預覽版對 Harness 開發者而言仍處於測試階段；核心外掛與基礎 API 將持續迭代。我們期待與全球開發者一起，在開放原始碼、開放、可重用且可組合的基礎設施之上，探索智慧的極限。
- [dsh-plugin topic](https://github.com/topics/dsh-plugin)
- [Quickstart](https://deepseek-harness.github.io/deepseek-harness/guide/quickstart)
- [DeepSeek Harness repo](https://github.com/deepseek-ai/deepseek-harness)
> 這個儲存庫已標記為 [`dsh-plugin`](https://github.com/topics/dsh-plugin) 並收錄於 [awesome-dsh-plugin](https://github.com/awesome-dsh-plugin/awesome-dsh-plugin) 精選清單。歡迎提交 PR、回報問題與翻譯貢獻。
## 📄 授權條款
[MIT](../../LICENSE)