zcma11/dsh-vision-plugin

README 摘要

dsh-vision-plugin English documentation: README.en.md DeepSeek Harness 插件：在聊天输入框上传/粘贴图片，发送时用 视觉模型 （百炼 DashScope）或 Windows 离线 OCR 转述图片内容，并把描述注入消息： 安装 或从 GitHub 直接安装： pnpm 9 注意 ：若 add 报 ERR PNPM ADDING TO ROOT （workspace root 检查），在命令末尾追加 --workspace-root ： git 源插件需要 pnpm 允许构建脚本（ prepare ），按 pnpm 打印的提示把包名加入 $DSH HOME/profiles/web/pnpm-workspace.yaml 的 allowBuilds 后重试。 教程 ① 上传 / 粘贴图片 1. 点输入框工具行的 🖼️ （视觉转述）或 📝 （纯 OCR）选一张图片； 或直接 Ctrl+V 粘贴（QQ 截图、系统截图都行，BMP 自动转 PNG）。 2. 图片出现在输入框上方的 预览条 ——缩略图 + 文件名 + 视觉/OCR 徽标 + 红色 × 删除按钮。 也可以点 🗑️ N 一键清空本会话所有待发图片。 3. 在输入框输入文字（可选），然后回车发送。 ② 发送时如何转述 上传方式 转述方式 📝 OCR 按钮 仅 Windows 内置 OCR（离线、不调模型） 🖼️ 按钮 / Ctrl+V 粘贴 仅视觉模型（需先选择模型 + 配置 API Key） - 转述成功 → 消息正常发送，主模型收到的内容以 【解析了提供图片，图片内容是 】 开头，后接你的原文；预览条随后自动清除。 - 转述失败 → 消息 不会 发给主模型，顶部弹出红色 toast，准确区分 「视觉模型调用失败」还是「OCR 识别失败」；预览与图片数据保留，可直接重发。 - 转述进行中 → 预览条顶部显示「⏳ 正在解析图片…」，此期间的新发送会被拦截（防止重复/插队）。 ③ 设置视觉转述模型 打开 设置 → 通用 → 视觉转述模型 ，从下拉框选择支持图片输入的模型（如 dashscope/qwen3.6-plus ）。 - 必须选择 ：未选择时，🖼️/粘贴 的视觉转述会报「请先在设置中选择视觉转述模型」。 - OCR 模式不依赖模型，无需设置。 前置要求 - 视觉转述 ： /.dsh/.credentials.yaml 中配置 DASHSCOPE API KEY （阿里云百炼），并在设置中选择支持图片输入的模型（如 qwen3.6-plus ）。 - 纯 OCR ：Windows 10+（Windows.Media.Ocr），无需任何配置。 - 平台：Windows（OCR 依赖 PowerShell 5.1 + Wind…

分类