给 DeepSeek Harness 写了个生图插件，补上了原生对话生图能力

最近在折腾 DeepSeek Harness。

用了一段时间之后，我发现一个挺明显的问题：它现在作为 Agent 框架已经可以调各种工具、执行任务了，但如果我在对话里直接说：

帮我画一张雨夜霓虹街头的赛博朋克猫咪。

它没办法像 ChatGPT 那样，直接把图片生成出来放在当前对话里。

想生图的话，还是得自己跑到 Gemini、豆包或者其他生图网站，再把 Prompt 复制过去。

感觉差了那么一点。

所以这两天干脆自己写了一个插件：

dsh-image-gen

GitHub：

github.com/shanliuling...

目前已经开源

最终效果很简单

安装好插件以后，在 DeepSeek Harness 里直接说：

复制代码

帮我画一张雨夜霓虹街头的赛博朋克猫咪。

Agent 会自己识别这是一个生图请求，然后调用插件提供的：

复制代码

generate_image

图片生成完成以后，不是只返回一个 URL，也不是让你自己去本地找文件，而是直接显示在当前聊天记录里。

也就是说，实际体验基本就是：

markdown 复制代码

你：帮我画一张极简主义的现代建筑客厅插画

DeepSeek Harness
        ↓
generate_image
        ↓
Gemini / OpenAI / Seedream
        ↓
图片直接出现在对话里

我想做的其实就这么简单。

不是重新做一个生图网站，而是把生图变成 DeepSeek Harness 本身的一项工具能力。

安装也尽量做简单了

在 DeepSeek Harness 项目目录执行：

arduino 复制代码

pnpm dsh plugin --profile web add dsh-image-gen

如果你已经全局安装了 dsh：

arduino 复制代码

dsh plugin --profile web add dsh-image-gen

也可以直接从 GitHub 安装：

csharp 复制代码

pnpm dsh plugin --profile web add git+https://github.com/shanliuling/dsh-image-gen.git

装完以后打开 DSH Web。

进入：

复制代码

Settings
→ Plugins
→ Image generation

填自己的 API Key 就可以用了。

不需要去改源码，也不需要自己手写配置文件。

这个插件其实没用什么特别玄学的技术

整个实现比我一开始想象得简单。

核心就是给 DeepSeek Harness 注册一个 Tool：

复制代码

generate_image

这个 Tool 接收的主要参数就是：

arduino 复制代码

prompt
aspect_ratio
image_size
size

当 Agent 判断用户确实想生成图片的时候，就会调用它。

插件再根据用户设置选择对应 Provider：

复制代码

Google
OpenAI
OpenAI Compatible
Seedream

然后请求对应的生图接口。

真正比较关键的地方反而不是"怎么调生图 API"。

而是：

怎么让生成出来的图片真正进入 DeepSeek Harness 的对话体系。

图片不是单独丢在本地

一开始我其实考虑过最简单的实现：

复制代码

生成图片
→ 保存到本地
→ 返回文件路径

后来感觉这么做体验很割裂。

比如 Agent 回复：

bash 复制代码

图片已生成：
/tmp/generated-123.png

这跟真正的对话生图还是差很多。

所以最后接的是 DeepSeek Harness 自己的 Attachment 体系。

图片生成以后：

markdown 复制代码

Provider 返回图片
        ↓
转换成图片数据
        ↓
ctx.attachments.saveImage()
        ↓
保存成 DSH Attachment
        ↓
挂到当前 Conversation
        ↓
前端直接显示图片

这样有两个好处。

第一是图片可以直接出现在聊天消息里。

第二是重新打开历史会话以后，之前生成的图片还在。

它不是一次性的临时文件。

API Key 也没有直接塞配置文件

另外一个我比较在意的是 API Key。

这种插件如果最后要求大家：

ini 复制代码

API_KEY=xxxx

写进某个项目配置甚至源码里，其实挺难受的。

所以现在直接用了 DeepSeek Harness 自己的 credentials 服务。

设置界面里填写 Key，插件运行的时候再通过 credentials 读取。

前端不用一直拿着明文 Key。

这也是为什么我最后选择把它做成真正的 DSH 插件，而不是简单写个脚本。

为什么没直接做成一个独立生图网站？

因为生图网站真的已经太多了。

现在缺的不是：

再来一个输入 Prompt 然后点"生成"的网页。

我更想要的是这种体验：

复制代码

我正在和 Agent 聊一个项目

突然需要一张图

直接说：
"顺便帮我画一张这个项目的封面图"

Agent 自己调用工具

图片出来

继续聊天

这样生图只是整个任务过程中的一步。

以后如果 DeepSeek Harness 里面的工具越来越多：

复制代码

搜索
代码
浏览器
文件
图片
视频

用户其实不需要关心背后到底调了哪个网站。

只需要告诉 Agent：

我要什么。

剩下的交给工具处理。

我觉得这种体验才比较像真正的 Agent。

目前还比较早期

项目现在还属于刚做出来的阶段。

目前我的目标不是一下子做一个特别复杂的"AI 绘图工作台"，而是先把最核心的事情做好：

让 DeepSeek Harness 能稳定地在对话里生成图片。

后面如果继续有人用，我会考虑再加一些东西，例如：

更多图片 Provider
更完整的尺寸和参数支持
图生图
图片编辑
多图生成
更好的生成结果展示
更多 OpenAI Compatible 服务适配

但这些都可以慢慢补。

第一版能做到：

vbnet 复制代码

安装
→ 配 Key
→ 对话里说一句话
→ 出图

我觉得就够了。

最后

如果你也正在玩 DeepSeek Harness，可以装一下试试。

安装命令：

arduino 复制代码

pnpm dsh plugin --profile web add dsh-image-gen

GitHub：

github.com/shanliuling...

项目目前完全开源，MIT License。

如果遇到不兼容的模型、接口或者安装问题，可以直接提 Issue。

如果刚好对你有用，也欢迎顺手点个 Star。