deepseek-vision

为 DeepSeek 补齐视觉理解、联网搜索与 Anthropic / OpenAI 兼容接口的代理服务。

English

DeepSeek 官方 API 是纯文本模型，这会极大限制 Agent 的能力以及用户的对话体验，尤其是在 Claude Code 等场景使用时还需要额外的联网搜索和抓取能力，本项目也一并补齐。

本项目是 Proma 的旁支开源项目。Proma 是最丝滑的通用开源 Agent，对 DeepSeek v4 系列的适配最为完整，已在云端服务中补齐了包括视觉、联网搜索在内的全部缺失能力，欢迎直接使用。本仓库提供可自部署的代理版本，让你用同一个 DeepSeek API Key 接入任何 AI 工具。

---

快速开始

配置器（推荐）

启动后访问 http://localhost:8000，在配置器页面填写 API Key，点击「应用并重启」即可。

# Docker
docker build -t deepseek-vision .
docker run -p 8000:8000 deepseek-vision

手动配置

cp .env.example .env
# 编辑 .env，至少填写：ADMIN_PASSWORD、MASTER_API_KEY、DEEPSEEK_API_KEY

# Docker
docker run --env-file .env -p 8000:8000 deepseek-vision

# 本地（uv）
uv sync && uv run python main.py

# 本地（pip）
pip install . && python main.py

---

界面预览

登录页	配置器

---

接口列表

方法	路径	说明
POST	/v1/messages	Anthropic Messages API
POST	/v1/messages/count_tokens	Token 计数
POST	/v1/chat/completions	OpenAI Chat Completions API
GET	/v1/models	查询可用模型
GET	/health	存活检查
GET	/	配置器 UI

所有 API 端点需要通过 x-api-key 请求头（Anthropic 风格）或 Authorization: Bearer <key>（OpenAI 风格）传入 MASTER_API_KEY。

---

工作原理

客户端（Anthropic SDK / OpenAI SDK / LangChain / Cline）
    │
    ├─ POST /v1/chat/completions  ──►  OpenAI → Anthropic 格式转换
    │                                            │
    └─ POST /v1/messages  ──────────────────────►┤
                                                 │
                                       视觉中间件
                                       图片块 → 调用视觉模型 → 文字描述
                                                 │
                                       web_search / web_fetch 中间件
                                       Anthropic 工具协议 → Tavily/Brave
                                       → 结果注入上下文
                                                 │
                                       DeepSeek 上游
                                       （Anthropic Messages API）
                                                 │
                                       响应 → 返回给客户端

---

视觉补齐

默认使用阿里云 Qwen（qwen3.6-flash），只需填写 VISION_API_KEY 即可启用：

VISION_API_KEY=sk-your-dashscope-key

每个请求里的 image 内容块会被替换为 [Image N] <描述文字> 的文本块，多张图片并行处理。

也可以替换为其他 OpenAI 兼容的视觉模型：

VISION_BASE_URL=https://api.openai.com/v1
VISION_API_KEY=sk-...
VISION_MODEL=gpt-4o-mini

支持的视觉后端（任何具有 OpenAI 兼容接口的服务）：

• 阿里云 DashScope（qwen3.6-flash、qwen-vl-max 等）
• OpenAI（gpt-4o、gpt-4o-mini）
• GLM-4V、InternVL、LLaVA（通过 vLLM 自部署）

---

联网搜索与网页抓取

在请求中使用 Anthropic 工具协议添加 web_search 或 web_fetch 工具。代理会拦截工具调用、执行搜索/抓取，并将结果注回上下文——DeepSeek 本身仍只做文本生成。

web_search

两轮架构：第一轮让模型规划所有查询（并行执行），第二轮基于搜索结果生成最终答案。结果自动附加 [N] 引用标注。

配置 Tavily（推荐）或 Brave：

TAVILY_API_KEY=tvly-...
# 或
WEB_SEARCH_PROVIDER=brave
BRAVE_API_KEY=BSA-...

web_fetch

带 SSRF 防护和 DNS pinning 的 URL 抓取。支持 HTML、纯文本和 PDF。结果自动附加 [Document N] 引用标注。无需额外配置。

---

模型配置

默认暴露 deepseek-v4-pro 和 deepseek-v4-flash，可通过 DEEPSEEK_MODELS 自定义：

# 直接使用上游 ID
DEEPSEEK_MODELS=deepseek-v4-pro,deepseek-v4-flash

# 使用别名（client-id:upstream-id）
DEEPSEEK_MODELS=pro:deepseek-v4-pro,flash:deepseek-v4-flash

通过 EXTRA_BACKEND_* 添加第二个 Anthropic 兼容上游：

EXTRA_BACKEND_NAME=my-provider
EXTRA_BACKEND_BASE_URL=https://api.example.com/anthropic
EXTRA_BACKEND_API_KEY=sk-...
EXTRA_BACKEND_MODELS=model-a,model-b

---

配置项说明

变量	默认值	说明
ADMIN_PASSWORD	123456	配置器登录密码，请修改
MASTER_API_KEY	必填	客户端访问代理所用的 Key，逗号分隔支持多个
DEEPSEEK_API_KEY	必填	DeepSeek API Key
DEEPSEEK_BASE_URL	https://api.deepseek.com/anthropic	DeepSeek 上游地址
DEEPSEEK_MODELS	deepseek-v4-pro,deepseek-v4-flash	暴露给客户端的模型列表
VISION_BASE_URL	https://dashscope.aliyuncs.com/compatible-mode/v1	视觉模型接口地址
VISION_API_KEY	—	视觉模型 API Key（留空则禁用视觉补齐）
VISION_MODEL	qwen3.6-flash	视觉模型名称
VISION_MAX_IMAGES	5	单次请求最多处理的图片数量
WEB_SEARCH_PROVIDER	tavily	搜索服务商（tavily 或 brave）
TAVILY_API_KEY	—	Tavily API Key
BRAVE_API_KEY	—	Brave Search API Key
PORT	8000	服务端口
LOG_LEVEL	INFO	日志级别

---

Roadmap

• /v1/embeddings 接口
• SearXNG 搜索支持（自部署）
• OpenAI 兼容模式下的流式工具调用

---

License

MIT