br1nosense/dsh-vision-solution

README 摘要

dsh-vision-solution 让 DeepSeek Harness (DSH) 里的纯文本模型（如 DeepSeek）也能发送并识别图片。 本项目把两个东西整合成一个自包含方案： 1. 识图技能 — ds-vision-skill（v0.5.1，MIT）：图片/截图/PDF/OCR 的统一路由与识别，输出标准 JSON 交给主模型继续推理。 2. 宿主补丁 — vision-patch（幂等补丁引擎）：移除 DSH 对"纯文本模型 + 图片"的拦截，让图片消息能送达到模型侧。 装上即用： 纯文本模型发图不再被拒，图片自动交给视觉 API 识别。 为什么需要它 很多编码/推理 Agent 是纯文本模型（例如通过火山方舟托管的 DeepSeek 系列）。它们本身没有视觉能力，而且 DSH 会在两处直接拒绝图片消息： - 发送图片时： Model "xxx" does not support image input. - 切换到纯文本模型但会话已含图片时： does not accept image input... 本项目通过 宿主补丁 移除这两处拒绝，并把图片以"带本地路径的占位文本"（ [图片附件：xxx，本地路径：...] ）送给模型；模型据此调用识图技能里的 vision-router.ps1 ，把图片交给 火山方舟 doubao-seed-2.0-lite （或任意 OpenAI 兼容视觉 API）识别，拿回结构化结果继续推理。 工作原理 降级链 特性 - ✅ 纯文本模型（DeepSeek 等）发送图片不再被"当前模型不支持图片"拦截 - ✅ 图片自动降级为本地路径占位文本，配合识图技能完成视觉理解 - ✅ 多模态模型行为完全不变，图片照常直传 - ✅ 支持火山方舟 / 任意 OpenAI 兼容视觉 API - ✅ 宿主补丁 幂等 ：可安全重复执行，每次自动 node --check 自校验 - ✅ 无密钥入库：API Key 通过环境变量提供 目录结构 前置要求 项 要求 DeepSeek Harness (DSH) 0.1.0-rc.6 （补丁锚点针对该版本） Node.js ≥ 20 操作系统 Windows / macOS（脚本跨平台） 视觉 API Key 火山方舟（或任意 OpenAI 兼容视觉 API） 快速安装 方式一：作为 DSH 插件安装（dsh.bundle） 本仓库声明了 dsh.bundle manifest，可用 dsh plugin add 从 GitHub 安装： 安装后重启 dsh web ， ds-vision-skill 与 vision-patch 两个技能即注册到技能系统； 宿主补丁仍需在「图片被拒」时执行一次 vision-patch （或手动跑 patch-vision.js ）。 方式二：一键脚…

分类