sd1g1/dsh-image-describe

README excerpt

dsh-image-describe DeepSeek Harness 宿主插件：让 不支持图片输入（纯文本）的主模型也能"看图" 。 工作原理 主模型通过 显式调用 describe image 工具 获得图片描述（不是偷偷改写请求的隐藏管道）： 1. 纯文本模型的请求中，图片块被替换成一段文本标记（含图片 attachmentId ）； 2. 主模型看到标记后按需调用 describe image ： attachment 传标记里的 id， instruction 写它需要从图中提取什么（数值、文字、布局等）； 3. 工具把"指令 + 图片"发给配置的视觉模型，返回文字描述供主模型阅读。 支持图片输入的模型看不到该工具（直接用原生 read image 即可），两者互补互不干扰。 安装（dsh CLI） 无需克隆到扩展目录，一条命令从 git 仓库直接安装到 web profile： 该命令会把参数转发给 profile 目录下的 pnpm，安装成功后自动把声明了 dsh.bundle 的包加入 dsh.profile.bundles 。卸载同理： npm 安装暂不可用： dsh-image-describe 包名在 npm 上已被他人占用，本插件按 源码分发（git）。 配置 复制 image-describe.example.json 为 /.dsh/image-describe.json ，填上 支持图片输入 的视觉模型即可： - vision.provider / vision.model —— 必填；负责描述图片的视觉模型 - prompt —— 可选；主模型未提供 instruction 时的兜底指令 - maxTokens —— 可选；描述输出上限（默认 1500） 配置文件 保存即热生效，无需重启 ；文件不存在时插件休眠（不影响任何请求）。 配置文件含你的模型路由， 不要提交进 git 仓库 。 关键点 - 隐私 ：调用 describe image 的图片会 原样发送给你配置的视觉模型 （可能是第三方服务）。 - 失败行为 ：附件找不到、视觉模型未配置或调用失败，都会给主模型明确的错误文本，由它自行决定下一步；标记替换本身失败则原请求原样转发，绝不中断。 - 描述文本作为普通工具结果留在对话里，与其他工具结果同等对待（可压缩、可见于历史）。 开发 许可证 MIT

Category