wang-bool/visual-review

README excerpt

中文 English visual-review 为 DeepSeek Harness（DSH）Web 界面打造的 双面插件 ：让聊天界面直接 显示图片 ，并让模型 解读图片 。 - 图片显示 ：用户粘贴 / 上传的图片（PNG / JPEG / WebP / GIF）会直接渲染在对话气泡里。 - 视觉解读 ： visual review 工具调用视觉多模态模型，返回图片的中文文字描述（文字、物体、人物、场景、图表等）。 - 双引擎 ：云端优先（任意 OpenAI 兼容的多模态 chat/completions API，零本地依赖）；未配置时自动回退本机 Qwen3-VL-8B（数据不出本机）。 - 无需更换模型 ：插件在发送路径上把「图片块」转换成「带附件 ID 的文本注解」，任何本身看不到图片的文本模型都能配合工作。 目录 - 功能特性 - 架构与工作原理 - 目录结构 - 环境要求 - 安装 - 配置 - 使用 - 安全说明 - 开发与测试 - 常见问题（FAQ） - License 功能特性 能力 说明 聊天界面渲染图片 客户端插件注入 conversation.chat.node 渲染槽，把图片块渲染为 （经 /vr-image 路由取字节） 模型“看见”图片 /api/session.prompt 拦截 + agent/pre-step 兜底：图片块 → 注解文本，附带附件 ID，提示模型调用工具 图片解读工具 visual review ：传 attachment id （会话图片）或 image path （本地文件）即可分析 云端引擎 OpenAI 兼容 chat/completions ，图片以 data: URL 内联发送，支持 content / reasoning content 返回 本机引擎 内置 JSON-lines worker，加载本地 Qwen3-VL-8B 推理，图片与结果均不出本机 配置工具 visual review config ：查看 / 更新云端 url / api key / model ，一键切换引擎 架构与工作原理 三个关键机制： 1. 发送拦截（图片 → 注解） 。客户端发送 session.prompt 时，插件拦截请求，把内容中的 image 块交给附件服务保存，得到附件 ID（形如 sha256:xxx ），再替换成一段文本注解： agent/pre-step 钩子对模型侧消息做同样的转换，作为兜底且幂等。于是 文本模型也能“看见”图片 ——它只需按注解调用工具。 2. /vr-image 路由（字节 → 渲染） 。客户端渲染槽把注解里的附件 ID 提取出来，渲染为 " ；Host 端从附件存储读回图片字节返回。该路由 仅接受回环地址 （127.0.0.1 / ::1）的请求。 3. visua…

Category