ShiXiangYu2/dsh-siliconflow-vision

README excerpt

dsh-siliconflow-vision DSH（DeepSeek Harness）插件：通过 硅基流动（SiliconFlow） 的视觉大模型识别/分析图片。 当前主模型通常只支持文本输入，无法直接"看"图。本插件注册一个 analyze image 模型工具，把图片交给硅基流动的视觉模型（默认 Qwen/Qwen3-VL-32B-Instruct ）识别， 再把结果返回给对话模型——从而让 DSH 会话获得完整的图片识别能力。 功能 - ✅ 识别 服务器本地图片文件 （传路径） - ✅ 识别 http(s) 图片 URL - ✅ 识别 base64 data URL - ✅ 自定义识别指令（prompt），如"识别图中所有文字"、"图里有什么动物" - ✅ 可切换模型（Qwen3-VL 系列、GLM-4.5V、PaddleOCR-VL 等） - 🖼️ 可选：交互式"粘贴识别"面板（动态插件形态，见 dynamic/） 安装 方式一：作为 bundle 安装（推荐，持久生效） 把本目录（或 git clone 后的目录）通过 dsh plugin 安装到某个 profile： 安装后 dsh --profile demo 启动即加载 analyze image 工具。 方式二：作为动态插件加载（会话级） 把 dynamic/host.js 与 dynamic/client.js 的内容通过会话的 cordis 插件工具（ cordis define + cordis run ）加载， 可获得输入框上方的"粘贴识别"面板（浏览器端粘贴/选图 → 识别 → 结果自动发送到主会话）。 注意动态插件是会话级的，进程重启后需要重新激活。 配置 API Key 优先使用环境变量： 或者写入密钥文件（任选其一，文件内容为纯文本 Key）： Key 在 硅基流动控制台 获取。 使用 在对话中让模型识别图片即可，例如： 模型会调用 analyze image 工具，参数： 参数 必填 说明 image ✅ 服务器本地路径 / http(s) URL / data URL prompt — 对图片的问题或指令，缺省为通用中文描述 model — 硅基流动模型 ID，默认 Qwen/Qwen3-VL-32B-Instruct maxTokens — 输出 token 上限，默认 1024 可选模型 模型 ID 特点 Qwen/Qwen3-VL-32B-Instruct 默认，识别能力强 Qwen/Qwen3-VL-8B-Instruct 更快、更省 Qwen/Qwen3-VL-30B-A3B-Instruct 性价比 zai-org/GLM-4.5V 通用视觉 PaddlePaddle/PaddleOCR-VL-1.5 OCR 文字识别专用 技术说明 - 运行环境：Nod…

Category