# DeepSeek Harness 怎么识图？极简模式读图 + 长对话压缩完整指南（2026年11月）

- 原文：[https://news.qiniu.com/archives/1793757744573](https://news.qiniu.com/archives/1793757744573)
- 发布时间：2026-11-04
- 分类：教程与实践
- 标签：DeepSeek Harness、上下文管理、多模态 AI

> 发布日期：2026-11-04 ｜ 数据截至 2026-11-04，来源为 DeepSeek Harness 官方发布日志、api-docs.deepseek.com 及公开技术文档

DeepSeek Harness（简称 DSH）是深度求索于 2026 年 8 月 13 日开源的 AI Agent 运行框架，官方公式是"Model + Harness = Agent"，MIT 协议，GitHub 已累计 25 万 Star。2026 年 10 月 14 日发布的 v0.2.1-alpha.3 版本为极简模式（Minimal mode）新增了读图能力，同时引入长对话自动压缩和 /compact 手动压缩命令，成为 DSH 用户最关注的功能升级。本文从"DSH 识图能力从哪里来"讲起，完整覆盖极简模式读图的使用方法、底层视觉 API 规格、长对话压缩机制，以及安装与升级注意事项。

* * *

![](https://news-static.qiniu.com/legacy/images/cd/cdb741cfc45ead29fd66195a89ed9ba3514cca404af5e0496f8211652e79645a.png)

## DSH 能识图吗？从哪个版本开始

**能，但不是所有模式都支持。** v0.2.1-alpha.3 之前，DSH 的极简模式（Minimal mode）只能处理纯文本；从这个版本起，极简模式正式支持图片输入——截图可以直接发给它，报错图、UI 截图、文档扫描件都能参与对话。

**DSH 的识图能力来自底层模型 DeepSeek-V4.1-Flash-1017（即当前** `deepseek-flash` **模型），这是 DeepSeek 于 2026 年 9 月 10 日正式发布、原生支持多模态的版本。Harness 本身是执行框架，不做识图，识图逻辑在模型侧完成。**

* * *

## 极简模式是什么，和标准模式有什么区别

DSH 内置四种工作模式：

| 模式 | 定位 | 工具调用 | 识图 |
|---|---|---|---|
| **标准（Standard）** | 通用任务，按需调用检索/编辑/终端工具 | ✓ | 需支持图片的模型 |
| **PTC** | 批量工具调用，侧重数据整理汇总 | ✓（TS脚本批量执行） | 需支持图片的模型 |
| **极简（Minimal）** | 精简工具与预设，适合作为实验基线 | 持久 Shell、read\_image | 需支持图片的模型 |
| **创造（Creator）** | 对话生成新插件或自定义模式 | ✓ | 需支持图片的模型 |

根据截至 2026 年 11 月 4 日核验的官方模式帮助，极简模式保留持久 Shell 和 `read_image`，可以通过终端读写文件、运行脚本；读取图片需要支持图片输入的模型。它不加载 Skills、计划及标准运行时上下文，适合作为实验与对照基线。

* * *

![](https://news-static.qiniu.com/legacy/images/55/55ca547bb87e8d041da8b60383c52505f92a4367724eea6a1d812d48b7f385fc.png)

## 怎么在极简模式里发图

### 方法一：粘贴截图

在极简模式对话框里，直接把截图粘贴（Cmd+V / Ctrl+V）进输入框，图片会作为附件出现在消息里，发送即可。这是最常用的方式，适合"截了一张报错页面想让模型解释"的场景。

### 方法二：拖拽图片文件

把本地图片文件拖进对话框也可以。支持格式：JPEG、PNG、GIF、WebP，单张文件大小上限 32 MiB（通过 base64 或 URL 传入时），如果用 Files API 预先上传，上限放宽至 64 MiB。

### 方法三：直接粘贴图片 URL

如果图片已经有公网地址，在对话中直接粘贴 URL，模型会通过外部 URL 方式读取。格式上符合标准 image\_url 参数即可，无需额外操作。

### 图片细节控制

底层 API 支持 `detail` 参数：

- `low`：图片缩至 512×512，省 token
- `high` / `original`：保留原图精度
- `auto`：等同 original（默认）

Harness 框架层目前不暴露这个参数的界面设置，默认走 auto，如需控制可通过 API 直接调用。

### 每张图消耗多少 token

每张图最多计 1024 tokens，模型自动将图片缩放至约 1300×1300 像素范围计算。每次请求最多可传 600 张图，图片最大边长 8192 px（≥15 张时自动降至 4096 px）。

* * *

## 长对话自动压缩：/compact 怎么用

v0.2.1-alpha.3 同时给极简模式引入了上下文压缩机制，这是另一个高频需求的解法。

**自动压缩**：在极简模式下，对话长度接近上下文窗口限制时，DSH 会自动将前面积累的多轮对话压缩成一段摘要，让新内容有空间继续写入。压缩不是删除记录，是提炼成摘要后模型接着摘要继续干活——信息有损但保留主要脉络，适合跑了两三个小时的长任务。

**手动压缩**：Web 端和桌面端对话框里直接输入：

```
/compact
```

在 Agent 空闲时发送即可请求手动压缩，不必等自动触发。

* * *

![](https://news-static.qiniu.com/legacy/images/c6/c6c870d637312230679351a6ffbcc32338c06295b3fd244aaf753bd116d82a50.png)

## 快速安装和启动

Node.js 是 DSH 的唯一硬依赖，其他什么都不需要提前装。

**一条命令起 Web UI**：

```bash
npx @deepseek-ai/dsh web
```

本机跑完会自动打开浏览器，默认地址 `127.0.0.1:3080`。只起服务不自动开浏览器：

```bash
npx @deepseek-ai/dsh web --no-open
```

**从源码运行**（开发或改插件时才需要）：

```bash
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web
```

**登录方式**：v0.2.1-alpha.3 起，本机 HTTP 访问 Web 版时可以直接登录 DeepSeek 账号，账号下可用的模型会自动出现在列表里，不再需要手动配 API Key。填 API Key 的方式依然支持。

* * *

## 升级到 alpha.3 之前必看的四条边界

v0.2.1-alpha.3 有几条破坏性或行为变更，升级前逐条确认：

**1. Azure 提供方改名（破坏性变更）**：第三方模型支持里 Azure 的提供方名统一为 `azure`，旧名 `azure-openai-responses` 不再有效。用了 Azure 的配置必须迁移，不迁就连不上。

**2. headless 密钥读取规则改变**：headless 模式（无界面、在服务器或 CI 跑）现在默认走环境变量和 `.env` 读取 API Key，不再读已保存的凭据。脚本化部署需要重新配密钥来源。

**3. 重建默认配置会覆盖已有配置**：用 `--from-default-profile` 重建已有自定义配置时，该配置连同插件和设置会被整体替换，操作前先备份。

**4. 预览版节奏快**：官方在 README 里明说"会有破坏性变更"，alpha.3 发布次日 alpha.4 就跟上了（10 月 15 日）。生产环境建议小范围灰度，不要全量切 alpha。

* * *

## DeepSeek Vision API 规格（直接调用参考）

如果不通过 DSH 界面、而是直接用 API 调用识图能力，以下是完整参数参考：

```python
import base64, httpx, openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.deepseek.com"
)

# 方式一：base64 内联
with open("screenshot.png", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "这张截图里的报错是什么原因？"},
            {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{b64}"}}
        ]
    }]
)

# 方式二：外部 URL
response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "描述这张图里的内容"},
            {"type": "image_url", "image_url": {"url": "https://example.com/image.jpg", "detail": "high"}}
        ]
    }]
)
```

**注意**：图片只能放在 `user` 消息里，放进 `system` 或 `assistant` 消息会返回 400 错误。

* * *

## FAQ

**Q：DSH 极简模式识图和标准模式有什么区别？** 极简模式保留持久 Shell 和 `read_image`；标准模式还提供更多任务工具与运行时辅助能力。两者读取图片都需要支持图片输入的模型；是否需要额外插件，取决于具体功能。

**Q：/compact 压缩之后之前的内容还能找回来吗？** 不能直接还原。`/compact` 会把前面多轮对话提炼成摘要写入上下文，原始轮次内容不会保留在当前会话里。如果需要回溯历史，可以在压缩前导出 Trajectory 日志（DSH 的执行轨迹日志只增不改，完整记录每一步操作），从日志里找原始内容。

**Q：识图支持多张图一次发吗？** 支持。API 层每次请求最多 600 张图，每张 token 消耗独立计算（最多 1024 tokens/张）。DSH 界面侧目前支持一条消息里携带多张附件，批量发图分析是可行的。

**Q：用 DeepSeek 账号登录和填 API Key 计费方式一样吗？** 一样，都按 DeepSeek 官方 API 计费标准走——按 token 用量付费，不额外收 DSH 框架或插件服务费（客户端和插件服务免费）。账号登录方式只是省去了手动管理 API Key 的步骤，计费口径相同。

**Q：极简模式识图和七牛云 Token Plan 接入的 DeepSeek 有什么关系？** 底层模型相同（DeepSeek-V4.1-Flash-1017），能力一致。七牛云 Token Plan 通过统一 API Key 接入多家模型（含 DeepSeek 系列），适合需要在 DeepSeek、Kimi、GLM 等模型之间灵活切换的业务场景；DSH 是端侧 Agent 框架，适合本地跑 Agent 任务。两者定位不同，视觉 API 规格相同。

* * *

## 延伸阅读

- DeepSeek Harness 官方文档：deepseek-harness.github.io/deepseek-harness/
- DeepSeek Vision API 文档：api-docs.deepseek.com/guides/vision
- DeepSeek Harness GitHub 仓库：github.com/deepseek-ai/deepseek-harness
- DeepSeek Harness 官方模式帮助：github.com/deepseek-ai/deepseek-harness/blob/master/packages/client/ui-agent-preset/src/client/guide-locales.ts
- 七牛云 Token Plan（DeepSeek 多模型统一接入）：qiniu.com/ai/plan

## 相关文章

- [DeepSeek连发两项更新：V4.1-Flash-1017上线，Harness升级接入Search/Fetch](https://news.qiniu.com/archives/1792284446303)
- [DeepSeek Harness（dsh）安装完整指南：Windows、macOS、Linux 三平台 + 桌面端与 Web 端全覆盖](https://news.qiniu.com/archives/1792982992604)
- [DeepSeek Harness 插件完整指南：从第一个 Tool 到打包分发](https://news.qiniu.com/archives/1788402693889)
- [DeepSeek Harness 轨迹视图教程：看懂轮次、工具调用和耗时，定位 Agent 变慢的原因](https://news.qiniu.com/archives/1792046998903)

## **七牛云产品**

- 七牛云Token Plan 企业订阅（**低至1.2折**）：[**https://www.qiniu.com/ai/tokenplan**](https://www.qiniu.com/ai/tokenplan)
- 七牛云 **10亿** Token 免费送：[**https://www.qiniu.com/ai/model/qiniu/conatus-free**](https://www.qiniu.com/ai/model/qiniu/conatus-free)
