baldovinmarques391-design/dsh-plugin-glm-vision

README 摘要

dsh-plugin-glm-vision 给 DSH (DeepSeek Harness) 加上"看图"能力的插件。 即使你用的模型本身不支持图片（比如纯文本的 DeepSeek），装了这个插件后，用户发送的图片会被自动转发给智谱 GLM-4V-Flash 视觉模型，生成的文字描述会注入对话中，让模型"看到"图片内容。 它能做什么 - 自动图片翻译 ：用户上传图片 → 插件拦截 → 调用 GLM-4V-Flash 生成描述 → 作为文本发给模型 - image query 工具 ：模型可以主动调用这个工具来分析任意图片（支持多张） - 图片缓存 ：相同图片不会重复请求 API（SHA-256 去重） - 多图支持 ：一条消息里发多张图片，每张都会被分别描述 - 旧对话兼容 ：已在进行中的对话也能识别新发的图片 安装 前提条件 - DSH 已安装且可正常运行 - pnpm 已安装 - 智谱 AI 的 API Key（申请地址） 第一步：安装插件 安装后需要手动将 dsh-plugin-glm-vision 添加到 bundles 列表。编辑 $DSH HOME/profiles/web/package.json ，在 dsh.profile.bundles 数组中加入 "dsh-plugin-glm-vision" ： 第二步：配置 API Key 在 $DSH HOME/.credentials.yaml 中添加： 第三步：重启 DSH 重启后，控制台应出现以下日志，表示插件加载成功： 配置项 插件安装后会自动在 DSH 设置界面中显示配置项。也可通过 cordis.patch.yml 手动配置： 配置项 默认值 说明 glmApiKeyEnv GLM API KEY 存放 API Key 的环境变量名 toolTimeoutMs 120000 image query 工具超时时间（毫秒） model GLM-4.1V-Thinking-Flash 使用的 GLM 模型名 autoTranslate true 是否自动翻译图片 enableTool true 是否注册 image query 工具 工作原理 同时，插件会注册 image query 工具，模型可以在任何时候主动调用来分析图片。 测试结果 场景 结果 单张图片 ✅ 正确识别并描述 两张图片同时发送 ✅ 分别描述每张图片 旧对话中发新图片 ✅ 描述图片 + 保持上下文 纯文本对话 ✅ 正常工作，不影响 进程稳定性 ✅ 无崩溃 已知限制 - GLM-4V-Flash 的 max tokens 上限为 1024，图片描述可能不够详细 - 需要对 DSH 内置的 LLM 适配器进行源码级 patch（插件启动时自动处理，但 DSH 更新后 patch 会丢失） 许可证 MIT

分类