wangxiang0605qvq/dsh-vision-ocr

README 摘要

dsh-vision-ocr — 图片识别插件 Image Recognition Plugin DeepSeek Harness（DSH）图片识别插件：在对话输入框左侧添加「识别图片」按钮，选中图片后自动发送识别请求，让模型描述图中物品、场景、颜色及文字内容。 功能 - 输入框识别按钮 ：在对话输入框左侧（ conversation.input.left 槽位）显示图片图标按钮。 - 多图选择 ：点击后弹出文件选择器，支持一次选择多张图片。 - 一键发送 ：选中图片后立即通过对话服务的草稿图片管线发送识别请求，消息携带真实的 image parts（需当前模型支持图像输入）。 - 错误提示 ：发送失败（如模型不支持图片、无活动会话）时在按钮上方显示错误气泡。 - 纯浏览器实现 ：宿主端为空占位，无任何密钥逻辑，全部行为在前端完成。 安装 1. 复制包文件 将本仓库整体复制到 DSH 的 plugins 目录下（按你的部署方式，也可能在 profile 的 node modules 下）： 2. 注册插件 在 profile 的补丁配置（例如 /.dsh/profiles/web/cordis.patch.yml ）中插入： 3. 重启并刷新 重启 DSH，然后在浏览器中硬刷新（Ctrl+F5）页面。对话输入框左侧会出现图片图标按钮。 使用前提：自行配置支持图像的模型与 API Key 本插件 不附带任何模型或密钥 ，识别请求通过你当前会话已配置的模型发送。使用前请确保满足以下条件，否则发送会被 DSH 拒绝并提示 attachment-error: Model "xxx" does not support image input. ： 1. 选择支持图像输入的模型 ：在 DSH 的模型设置（Models 设置页）中，为当前会话选择一个支持 image 输入模态的视觉模型，例如： - 智谱 GLM-5V-Turbo 等 GLM-4V/5V 系列 - 其他任何声明支持图像输入的模型（如部分多模态开源/云端模型） 2. 配置该模型的 API Key ：通过 DSH 的 credentials 服务（Models 设置页）保存对应提供商的 API Key，或在启动 DSH 的环境变量中导出。 3. 当前会话使用该模型 ：识别按钮发送的请求走当前会话的模型选择，请确认会话已切换到视觉模型再使用。 本插件本身不读取、不存储、不传输任何 API Key——密钥仅由 DSH 的凭据体系管理与调用。 说明 - 模型要求 ：识别请求通过当前会话的模型发送，需要支持图像输入。若模型不支持图片，发送会被 DSH 拒绝并提示 attachment-error 。 - 依赖 DSH 内置包： @deepseek-ai/dsh-client-runtime 、 @deepseek-ai…

分类