NormanFxxkingRockwell/dsh-auto-vision

README 摘要

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 （ [email protected] ），两种安装方式任选： 方式一：npm 安装（推荐） 方式二：GitHub 源码安装 （纯 JS、零构建步骤，无需构建授权） 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。 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） 配置项 说明 provider + model 手动指定视觉模型（两个必须成对给出）。启动时会校验它确实支持图片，否则报错 prefer 自动发现时优先尝试的 provider 顺序，例如 prefer: [bailian] discovery: false 关闭自动发现（此时必须手动指定 provider/model，否则插件报错） 示例： 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： 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…

分类