xsoc1/dsh-image-vision

README 摘要

dsh-image-vision 给纯文本的 DeepSeek 加上眼睛： 聊天里传图 + 识图 ，一个插件搞定。 - view image 工具：模型带着问题调用它（OCR、数数、读图表、看 UI 布局……任意视觉问题），插件把图片和问题转发给任意 OpenAI 兼容的 VLM 端点 （本地 Ollama / 智谱 / DashScope / 豆包……），答案以文本返回。 - 图片附件桥 ：在聊天对话框 拖拽或粘贴图片 即可发送——dsh web 输入框原生接收图片附件，本插件在模型请求前把附件改写为 [用户上传的图片： ] 标记，并引导模型调用 view image 查看，纯文本模型因此"看见"你上传的图。 安装 或经 dsh-market 插件市场安装。 注意：host 在消息提交时会校验当前模型的 inputModalities 声明。纯文本模型（如 deepseek-v4-flash 经网关路由）需要在 profile 的 settings.yaml 里把该模型声明为支持图片输入，否则带图消息在提交时就被拒绝： （网关模型目录里本就直接声明 image 能力的模型无需此步。） 后端选择 一套配置（ baseURL + apiKey + model ）覆盖所有后端： 场景 baseURL model 说明 默认（免费） https://open.bigmodel.cn/api/paas/v4 glm-4.6v-flash 智谱免费视觉模型，零成本开箱；高峰限流自动降级 本地 Ollama http://localhost:11434/v1 qwen3-vl:4b 离线、无 key；小模型对穷举任务较慢，建议 maxTokens: 4096 + timeoutMs: 300000 DashScope https://dashscope.aliyuncs.com/compatible-mode/v1 qwen3-vl-flash 百炼 VL 线，高精度 OCR 火山豆包 https://ark.cn-beijing.volces.com/api/v3 doubao-seed-2-1-turbo-260628 Ark 模型 ID 带日期后缀 API key 读取顺序：插件配置 apiKey → $VISION API KEY → $DSH VISION API KEY （仅 export）→ $ZHIPUAI API KEY → $DASHSCOPE API KEY 。本地端点（localhost）无需 key。 免费档降级链：默认配置下插件自动依次降级 glm-4.6v-flash → glm-4.1v-thinking-flash → glm-4v-flash （可用 fallbackModels 覆盖）。thinking 系模型的 推理块会被自动剥离…

分类