lcb522/dsh-plugin-vision-bridge

README excerpt

dsh-plugin-vision-bridge 让 纯文本模型会话 也能"看图"，覆盖两条路径： 1. 聊天框发图/贴图 ：上传预检会以"当前模型不支持图片"拒绝纯文本模型——插件拦截 session.prompt RPC，被拒绝时自动把图片交给配置的视觉模型（默认 zai/glm-4.6v ） 识别，用文字描述替换图片后重新提交。会话历史中只有文字，没有图片块。 2. read image 工具 ：模型调用 read image 读工作区图片文件时，同样转由视觉模型 识别，返回文字描述。 两种情况下，会话本身继续使用你选定的文本模型（如 glm-5.2 / deepseek）。 行为 - 会话模型 不支持 图像（glm-5.2、deepseek 系列）→ 上述两条路径都走视觉桥。 - 会话模型 支持 图像（如你把会话切到 GLM-4.6V 本身）→ 原生直通，桥完全不介入 （聊天发图先原样提交，只有被拒才桥接，零额外开销）。 - 视觉调用失败（配额、网络）→ 返回明确的错误信息，不静默丢图。 配置（profile 的 cordis.patch.yml 中挂载行） 字段 默认 说明 provider zai 视觉模型所在 provider 路由（settings.yaml 里配置的） model glm-4.6v 视觉模型 id（必须在该 provider 的 models 列表中声明） system 见代码 视觉调用的系统提示词（如何描述图片） userText 见代码 视觉调用的用户侧指令 maxTokens 16384 视觉调用输出上限 timeoutMs 180000 视觉调用软超时 redirectReadImage true 是否拦截 read image 工具调用 redirectChatUploads true 是否桥接聊天框图片上传 更换视觉模型 编辑 /.dsh/profiles/web/cordis.patch.yml 中 vision-bridge 行的 provider / model ， 重启 harness 即可。模型需在 /.dsh/settings.yaml 的 llm-pi-ai.providers. .models 中声明（含 input: [text, image] ）。 前提 /.dsh/settings.yaml 中对应 provider 的 models 列表必须包含视觉模型，例如： 注意： models 列表会 整体替换 该 provider 的内置目录，原有条目要以裸 id 形式保留。 安装与使用 1. 获取源码 2. 复制到运行时位置 运行时位置 /.dsh/profiles/node modules/dsh-plugin-vision-bridge/ 是共享回退层， 所有 profile 都能解析。依赖…

Category