yuqingsh/dsh-image-subagent

README 摘要

dsh-image-subagent 让 纯文本主模型 （如 deepseek-v4-pro ）也能接收图片附件的 DeepSeek Harness 插件：图片不再被准入门控拒绝，而是进入会话后投影为 显式文本占位符 ，由主模型委托给 视觉子代理 （多模态模型）通过 read attachment / read image 原生读取。 零核心补丁 ——全部通过插件级 seam 实现，npx 重装、版本升级都不会失效。 三个与现有方案的区别： - 首个纯插件打通「贴图准入」的闭环 ：社区现有方案（ 357、 427、 733、 911 等）要么是提案、要么是改核心的 patch/fork； - 子代理原生看图 ：图片直接交给多模态子代理理解，不做「先压缩成文本描述再转述」的语义损耗，支持多轮追问；图片走 harness 自己的附件库（会话引用授权、随会话导出），路由本地时不出本机， 零新增凭据 。 安装 依赖： @deepseek-ai/dsh ≥ 0.1.0-rc.6、pnpm（ brew install pnpm ）。 安装后 重启 dsh web 并刷新页面 。卸载/升级： 使用方法 1. 一次性：配置视觉子代理 插件只负责「放行图片 + 投影占位符」；真正看图的是你预设里的视觉子代理。在 DSH 网页的 Agent 预设里添加一个子代理（如 observer ）： - 模型选 声明了 image 输入的多模态模型 （如 MiniMax M3 / Kimi 视觉模型）； - 工具集勾选 read attachment 、 read image （由核心 dsh-tool-fs 提供，多数完整预设默认已挂载）； - 主模型保持纯文本（如 DeepSeek V4 Pro / Flash）。 子代理读图的硬性要求（缺一不可） ： 1. 子代理模型必须声明 image 输入（ inputModalities 含 image ）——若子代理也是纯文本路由，本插件的投影会把图片同样变成占位符，子代理只能拿到元数据、看不到像素； 2. 工具集包含 read attachment / read image ； 3. 子代理必须在 本会话内派生 （spawn / fork）——附件读取按会话日志的引用授权，独立新会话无权读取该 id； 4. 主模型委托时把占位符里的 attachmentId 一并传给子代理（占位符自带 id，主模型按提示传递即可）。 没有视觉子代理时，占位符会进入对话，但无人能读图——主模型会告知你这一情况。 2. 日常使用：贴图 → 委托 → 读图 直接在聊天框粘贴图片，附上你的问题： 已实测的组合（DeepSeek V4 主模型 + MiniMax M3 observer）：贴图 → 准入放行 → 附件入库 → 主模型收到占位符 → observer…

分类