dsh-auto-vision

给 DeepSeek Harness 里的纯文本主模型装上眼睛：自动发现你已配置的多模态模型，一条命令装上 vision 工具，图片识别结果以纯文本返回。

快速开始

本插件已发布到 npm（dsh-auto-vision@0.1.0），两种安装方式任选：

方式一：npm 安装（推荐）

dsh plugin --profile <你的profile名> add dsh-auto-vision

方式二：GitHub 源码安装（纯 JS、零构建步骤，无需构建授权）

dsh plugin --profile <你的profile名> add github:NormanFxxkingRockwell/dsh-auto-vision

装好后，直接在主对话里说：

读这张图 C:\path\to\image.jpg 描述一下

主模型会自动调用 vision 工具，把识别结果以文本形式返回给你。

要求：你的 dsh 里已经配置了至少一个声明了图片输入的多模态模型（如何声明见下文「配置」）。没有的话，插件会在启动时报错并告诉你怎么办。

它解决什么问题

dsh 内置的 read_image 会把图片块直接塞进当前模型的上下文，所以只有当当前主模型本身支持图片时才能用。像 deepseek v4 flash 这样的纯文本模型，调用 read_image 会被直接拒绝。

本插件换了一条路：由插件内部转发给一个多模态模型，主模型全程只看到文本。

你（纯文本主模型）
   │  调用 vision 工具
   ▼
vision 工具（本插件）
   │  把图片转给多模态模型（比如 qwen3.7-plus）
   ▼
识别结果 → 纯文本返回给你

工作原理

• 自动发现模型：默认零配置。插件启动时扫描你已配置的全部模型，自动选中第一个「声明支持图片输入」的模型来读图；你也可以手动指定（见下）。
• 图片不进主会话：图片块只存在于插件内部的视觉请求中，你的主模型上下文里不会有任何图片，不会被污染、不会报错。
• 走你自己的通道：识别请求走宿主自己的模型运行时（ctx.llm）——用你已配置的 key、重试策略，不需要任何额外的 API key 或服务。

配置

以下配置都是可选的，不配置也能用（自动发现）。

在 plugins 层配置（改 cordis.patch.yml 或 preset 行）

示例：

# 在你的 profile 的 cordis.patch.yml 里覆盖插件配置
- id: dsh-auto-vision
  config:
    provider: bailian
    model: qwen3.7-plus

给模型声明图片输入

自动发现靠的是「模型声明了 image 模态」。在 settings.yaml 里给支持图片的模型声明：

providers:
  bailian:
    models:
      - id: qwen3.7-plus
        name: Qwen3.7-Plus
        contextWindow: 100000
        input: [text, image]

功能与兼容性

• 工具名 vision，参数：file_path（必填，支持 PNG / JPEG / WebP / GIF）、instruction（可选，识别要求）
• 与 read_image 共用同一套附件管线和大小限制
• 启动时会预检：手动指定的模型不支持图片、或自动发现落空，都会在启动时就报出可操作的错误，而不是等你调用时才崩
• 零运行时依赖：不依赖任何 npm 包，只用宿主服务

License

MIT