DeepSeek Harness 接入
OpenRouter 的 Ox Alpha（含多模态）

export OPENROUTER_API_KEY=sk-or-v1-你的key

pi-ai 内置 openrouter → OPENROUTER_API_KEY 映射，dsh 会自动认。界面上的 API key 框会变成只读的 "Provided by the launch environment"——一个字不用敲，密钥也不落盘。

要持久化就放一个工作区之外的文件：

mkdir -p ~/.config/dsh-oxalpha
echo 'OPENROUTER_API_KEY=sk-or-v1-你的key' > ~/.config/dsh-oxalpha/env
chmod 600 ~/.config/dsh-oxalpha/env

npx @deepseek-ai/dsh@0.1.1-rc.2 web

首次进来点 Continue，再点 Configure later 跳过 DeepSeek 官方 key。然后：

Settings → Models → Add provider → 选 openrouter → Customized settings → Add model，填 Model ID stealth/ox-alpha，Apply。

openrouter 是 pi-ai 内置目录里的 provider，Base URL 和协议自动继承，不用填。

到这里文本对话已经能用，但还看不了图。

点界面右上角 Open configuration file，给模型加 input：

llm-pi-ai:
  providers:
    openrouter:
      models:
        - id: stealth/ox-alpha
          name: Ox Alpha
          contextWindow: 1048576        # 建议加：不写的话按兜底值 262144 算
          input: [ text, image ]        # ← 必须手加，界面上没有这个字段

不用重启，dsh 每次请求都重读配置，刷新页面即可。

这就是全部。整个 DSH_HOME 里只有这一个文件，其余全是 dsh 默认值。

界面上没有模态开关，是官方明确的设计：

没办法去问一个端点"你收不收图片"，所以只能由你声明。harness 会在图片发出去之前就拦截——这是个声明，不是检测，写错了只会在真正发请求时才炸。

漏了会看到两种报错，根因相同：

场景	报错
让模型读图	... does not declare image input
在已有图片的会话里切到它	... does not accept image input, but this session already contains images

补完刷新页面即可，会话不用重建。

三个容易误会的点：

• 模态逐模型声明，不继承。 配置里已经有别的视觉模型，不代表新加的也能看图，ox-alpha 必须自己写一遍。
• models 是替换不是追加。 写了它，该路由内置的 276 个模型全部从选择器消失。想保留就把它们也列进去，每个只写 - id: 一行，其余属性（含模态）自动从目录继承。
• 不列 models 不行。 界面提示 "Unlisted IDs can still be sent directly" 是错的，实测 UNKNOWN_MODEL。路由级 defaultInput 也救不了——它只管模态，不管模型存不存在。

OpenRouter 给 ox-alpha 登记的模态是 text+image+video。两侧都实测了，harness 侧完全走不通，直连 API 可以用但有几个坑。

harness 侧：声明 video 会让整条路由挂掉

pi-ai 的模态枚举只有两个值（types.d.ts:649）：

input: ("text" | "image")[];

不是"video 被忽略"，是整条 provider 注册失败。同一个 DSH_HOME，只改这一个词：

input: [ text, image, video ]     # → dsh: NO_ADAPTER: no adapter registered for provider "openrouter"
input: [ text, image ]            # → 正常

报错是 NO_ADAPTER，跟模态一个字都不沾，很容易查错方向。别往 input 里写 video。 要用视频只能绕开 harness 直接调 API。

API 侧：四种写法只有一种对

content 写法	结果
{"type":"video_url","video_url":{"url":"data:video/mp4;base64,…"}}	✓ 正确
{"type":"file","file":{…}}	被识别为文件，走文件通道（门槛 $0.50）
{"type":"input_video",…}	静默丢弃：请求 200，模型回"我没有收到任何视频内容"
{"type":"image_url"…} 里塞 mp4	provider 400 拒绝

它确实能看懂，但抽帧很稀

实测方法：做一段每隔固定时间换一个颜色词的片子，问模型按顺序列出来。只答对一两个 = 它只抽了几帧；全中 = 真读了视频。

视频长度	模型收到	采样间隔	5 个颜色命中
5 秒	2 帧	~2.5s	2/5
15 秒	8 帧	~2.1s	5/5
30 秒	15 帧	每 2 秒一帧	5/5

采样率约 0.5 fps（每 2 秒一帧），和视频本身的帧率无关。所以：变化快于 2 秒的内容会被漏掉——5 秒的片子它只拿到 2 帧，直接答不全；想让它看清某个瞬间，那个画面至少要停留 2 秒以上。

计费：响应里写 0，实际扣钱

这是最需要注意的一条。视频请求有 $1.00 最低余额门槛（文件是 $0.50），余额不够返回 402。但门槛之外，它是真收费的：

调用前余额: $67.435416
响应里的 cost: 0          ← 不可信
调用后余额: $67.314669
实际扣费: $0.120747       ← 一次 30 秒视频（15 帧，prompt 2113 token）

对照组：同一账户静置 25 秒不发任何请求，余额漂移 $0.000000——所以这 $0.12 确实是这次调用产生的。

ox-alpha 的 prompt / completion 定价是 0，但那只对文本和图片成立。 视频按抽出来的帧计费，而且响应体里的 cost 字段和 usage.prompt_tokens_details.video_tokens 都报 0，不能拿来估成本——只能查 /api/v1/credits 的余额差。

复现

仓库里的 test-video.py 是完整脚本：查余额 → 现造测试片 → 用 video_url 发出去 → 自动判定命中几个颜色、顺序对不对，并对 429 做退避重试（stealth 端点共享池经常限流）。

export OPENROUTER_API_KEY=sk-or-v1-...
python3 test-video.py

默认那段是 5 秒的，会得到 2/5——想看全中就把每色停留时间拉到 3 秒以上。

上面那 276 个内置模型，很多是带 input: [text, image] 的——凭什么它们不用手写，ox-alpha 就要？搞清楚这个，就知道该怎么批量导入了。DSH 这条链路上，模态信息有三个可能的来源：

来源一：pi-ai 的构建期快照

node_modules/@earendil-works/pi-ai/dist/models.generated.js 开头写着：

// This file is auto-generated by scripts/generate-models.ts
// Do not edit manually - run 'npm run generate-models' to update

再往下是 import values from "./data/openrouter.json"。也就是说，这是一份打包时冻结的 JSON 快照，37 个 provider、1109 个模型，每条带着 input、contextWindow、compat 等等。问题就在"冻结"两个字：

数据源	数量
pi-ai 内置的 openrouter 模型	276
OpenRouter 线上实际有的	421

差的 145 个里就包括 ox-alpha（2026-08-20 上架，快照做的时候还不存在）。快照不会自己更新，只有 pi-ai 发新版本才会带上新的一批。

来源二：dsh 的 "Fetch available models"

这个按钮看着像是去线上问，实际分两种情况，两种都拿不到模态：

• 目录路由（比如 openrouter）：pi-ai 直接用内置快照作答，根本不发网络请求。所以返回的就是那 276 个。
• 自定义路由：确实会发 GET /models，但官方文档写明只读这些字段——"Most listings disclose an id and nothing else; context_window/context_length and max_output_tokens/max_tokens are read when a gateway supplies them, entries without a usable id are skipped, and everything else the adopting surface still owes." "everything else" 就包括模态。

所以不管点哪种，input 都得你自己填。

来源三：OpenRouter 自己的 API（唯一可行的批量路径）

OpenRouter 的 /api/v1/models 是有完整模态信息的：

curl -s https://openrouter.ai/api/v1/models \
  | python3 -c "import json,sys; d=json.load(sys.stdin)['data']; \
      m=[x for x in d if x['id']=='stealth/ox-alpha'][0]; print(m['architecture'])"

{"modality": "text+image+video->text",
 "input_modalities": ["text", "image", "video"],
 "output_modalities": ["text"], "tokenizer": "Other"}

input_modalities 就是我们要的东西。所以正确做法是从这里拉，自己生成配置。仓库里的 gen-models.py 干的就是这件事：

python3 gen-models.py stealth/ox-alpha

llm-pi-ai:
  providers:
    openrouter:
      models:
        - id: stealth/ox-alpha
          name: Ox Alpha
          contextWindow: 1048576
          maxTokens: 131072
          input: [ text, image ]
          # 注意：OpenRouter 标称还支持 video，但 pi-ai 模态枚举只有 text/image，传不进去

可以一次生成多个，或者按能力批量筛：

python3 gen-models.py stealth/ox-alpha anthropic/claude-haiku-4.5
python3 gen-models.py --vision-free      # 所有免费且支持图像的（当前 12 个）

脚本做了三件手写容易漏的事：过滤掉 pi-ai 不支持的模态（video / file 会被丢弃并留注释）、给含冒号的模型名加引号（Anthropic: Claude Haiku 4.5 不加引号会破坏 YAML）、带上线上的 contextWindow 和 maxTokens（不写的话按兜底值 262144 / 32768 算）。

为什么 harness 不干脆自己拉

因为模态在这套设计里是一个声明，不是一次探测。官方文档的原话："Both fields state a claim about your endpoint rather than checking it."

自动拉看着方便，但它会把"OpenRouter 说这模型支持 video"这种信息也带进来，而 pi-ai 根本传不了 video——于是变成一个多声明：请求发出去、用户消息已落库、服务端拒绝，会话卡在反复重发上。少声明只是一句报错，多声明是会话卡死。

所以这条线上，生成脚本的输出仍然是给你审一眼再贴进去的草稿，不是自动同步。

用一张内容明确、能对答案的图。这里用《牛来》的一帧剧照：

放进工作区，界面里选中 Ox Alpha，然后问：

正确答案：2 只 / 紫色 / 黄色 / 黄橙色夕阳。实测四项全中，16 秒。

上面的配置里，模型选择器没有 Low / High / Max 档位。因为手输的模型没声明思考能力，pi-ai 就当它不会思考。模型实际还在思考（ox-alpha 关不掉），只是按自己的默认档 max 跑，你控制不了。

多数情况这样就挺好。想要选择器，加两处：

llm-pi-ai:
  providers:
    openrouter:
      reasoning: max                    # ← 和下面成对出现，不能只加一个
      models:
        - id: stealth/ox-alpha
          name: Ox Alpha
          contextWindow: 1048576
          maxTokens: 65536              # 思考 token 也算在这个预算里
          input: [ text, image ]
          reasoningEfforts:
            low: low
            high: high
            max: max                    # 故意不写 off

三个约束，违反任何一条都会报错：

1. reasoning: max 不能省。 声明了 reasoningEfforts，pi-ai 就认为该模型会思考，每次请求都要带档位；某次没带时它会发 reasoning: {effort: "none"}，而 ox-alpha 的思考强制开启，直接 400 Reasoning is mandatory...。dsh 内部有生成会话标题这类后台调用不走界面，所以这个错会冷不丁蹦出来。
2. reasoningEfforts 里不能有 off（写成 off: 留空也不行），同样的 400。
3. maxTokens 要给足。 实测 max_tokens: 60 时 high 档 60 个 token 全被思考吃光，正文一个字没输出，接口还返回 200。端点上限 131072。

默认档填什么（一道编码题，单次测量）：

档位	耗时	思考字数	输出 token
low	5.6s	0	145
high	4.8s	0	146
max	11.0s	812	368

low / high 在这道题上压根没触发思考。模型自己会判断该不该想，默认拉到 max 即可。

dsh 的几个默认值对 ox-alpha 偏紧，长任务容易撞上。这些和 Claude Code 的 CLAUDE_* / BASH_* 环境变量是两套东西，dsh 一个都不认，要写进 dsh 自己的配置。

settings.yaml 的 provider 上：

llm-pi-ai:
  providers:
    openrouter:
      streamIdleTimeoutMs: 900000   # 默认 300000（5分钟）
      retryPolicy:
        mode: normal
        maxRetries: 8               # 默认 5
        backoff: { initialDelayMs: 500, maxDelayMs: 30000, jitterRatio: 0.1 }
      models:
        - id: stealth/ox-alpha
          maxTokens: 131072         # 端点上限，避免长输出被截
          # ...其余同上

cordis.patch.yml 里：

- id: bash-sandbox
  config:
    timeoutMs: 600000               # 默认 60000（60秒）

最该改的是 bash-sandbox.timeoutMs。 基线值是 60 秒，实测跑 sleep 90 会在 60 秒被 SIGTERM 杀掉：

超时被终止，没有输出 —— 超时时长 60000ms，终止方式 SIGTERM

提到 600000 之后同一条命令正常跑完。streamIdleTimeoutMs 管的是"模型安静多久算超时"。ox-alpha 强制思考，max 档 + 长上下文确实可能长时间不吐字——用 curl 测视觉时，默认档就撞过 2 分钟不返回。