johnoooooo/dsh-view-image

README 摘要

dsh-view-image 让 dsh 用 独立的 OpenAI 兼容视觉模型 读图，返回 纯文本描述 ——主模型不需要支持视觉模态，纯文本模型也能粘贴图片、识别图片（图片字节不进主对话历史）。 功能特性 - 纯文本模型也能读图 ：主对话历史只保留「工具调用 + 纯文本结果」，图片字节不进模型上下文； read image 会被拒绝的纯文本路由（如 deepseek-v4-flash）也能正常识别图片。 - Web 粘贴图片即用 ：输入框直接 Ctrl+V 粘贴，纯文本路由下自动落库为持久附件并改写为文本标记，不再弹「当前模型不支持图片」。 - 聊天流内联缩略图 ：用户消息内联显示粘贴图（右对齐、240px、object-fit cover），一次粘贴多张全部显示；点击放大、悬停「复制」按钮一键加入输入框（同时写剪贴板）、可拖拽回输入框。 - 终端 / headless 读图 ：主模型传文件路径即可读图（尊重 session cwd），适合脚本化场景。 - 界面语言跟随 dsh ：按钮/反馈文案随 dsh 界面语言实时切换中英文。 - 识别行为可配置 ：默认提示词（ defaultPrompt ）、intent 后缀（ intentSuffix ）、主模型 intent 软引导（ intentGuidance ）均可在 profile 配置层覆盖。 - 附件持久化 ：内容寻址（sha256）、同图去重、完整性校验，会话可恢复/重放；聊天缩略图跨重启也能兑底显示。 - 视觉模型可插拔 ：OpenAI 兼容端点（Ollama / vLLM / LiteLLM / OpenRouter / 阿里云百炼 / opencode.ai 等），配置在 vision-model.json 。 安装 克隆仓库并安装到目标 profile（把 web 换成你的 profile 名）： 安装完成后重启 dsh 生效。 卸载 配置视觉模型 复制示例并编辑 $DSH HOME/vision-model.json （默认 /.dsh/vision-model.json ）： 阿里云百炼（通义千问 VL） ： opencode.ai（MiMo-V2.5） ： 字段 说明 baseUrl OpenAI 兼容端点（Ollama /v1 / vLLM / LiteLLM / OpenRouter / opencode.ai 等；省略 /chat/completions 后缀时插件自动补） apiKey 端点 API Key（占位 sk-your-api-key 换成自己的） model 视觉模型名（如 mimo-v2.5 ） api 协议： openai-completions （默认，@ai-sdk/openai-compatible 兼容） maxTokens 最大输出 token（默认…

分类