dsh-auto-image
为 DeepSeek Harness 将图像转换为文本：当会话所选模型无法查看图像时，配置的视觉模型会对图像进行描述，并将这些描述作为折叠的上下文行写入持久会话历史——您的消息保持不变。
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add github:soarGuo/dsh-auto-vision#c727d55b0867725a3774af3f64541a62c4c13840Auto Image 以 dsh-auto-image 发布，当前版本为 0.1.3。Plugin Hub 会校验它的 manifest，并保存精确安装来源，便于复现安装结果。
中文 | English
让不支持图片输入的模型(如 deepseek-v4-pro、deepseek-v4-flash)也能接收截图。 粘贴的图片由配置的视觉模型自动识别,描述以折叠的上下文条目写入会话历史——你的原始消息保持原样。每个会话都生效;与模型相关,与会话无关。纯插件 + 配置实现,不修改 DSH 源码。
autoDeclareInput: true)在启动时与 settings/适配器变化时,自动给 settings 里已配置的模型补 input: [text, image] 声明——图片准入检查只相信模型声明,声明含 image 即放行,带图消息得以进入 inbox。原生视觉模型同样补声明(它们也需要声明才能收到图)。system-prompt/assemble(pre-step 前、同一步发生),从 assembly.variables 读取 GUI 此刻选择的准确 provider/model(由 DSH 的 model-selection 机制写入)。agent/pre-step 时,白名单外的模型 → 原消息完全保留(图片照常显示,和 vision-exp 会话一样),识别描述作为独立的 notice 上下文消息追加其后(GUI 渲染为折叠行:摘要 + 展开看全文)。两条消息都由 agent loop 原样写入会话历史,识别结果天然持久化,后续多轮都能引用同一条图片记忆。llm/stream 阶段把图片块替换为短占位文本(完整内容在描述消息里,不重复消耗 token),所以图片永远不会到达网关;GUI 显示不受影响。visionProvider/visionModel 默认路由。nativeVision 白名单内。read_image 等工具结果里内嵌的图片同样会被识图替换(声明 input: [text, image] 会解锁 read_image 的执行门槛,这一层替换保证模型主动读的图也不会直达网关)。构建产物 lib/ 已提交进仓库,无需构建步骤,装来即用:
# GitHub 安装
dsh plugin --profile web add github:soarGuo/dsh-auto-vision
# npm 安装(发布后)
dsh plugin --profile web add dsh-auto-image
# 或 tarball 安装(在仓库目录里先 pnpm pack)
dsh plugin --profile web add ./dsh-auto-image-0.1.3.tgz
安装后重启 DSH。
模型声明零手动配置。 默认(autoDeclareInput: true)插件会自动扫描 llm-pi-ai / llm-deepseek 段,给所有已配置模型补 image 输入声明(幂等,已声明的不动),这是 GUI 准入放行所需的那一步。安装者无需手动改任何东西。
插件自身配置(均可省略,以下为默认值):
auto-vision:
visionProvider: deepseek-official # 默认识图路由
visionModel: deepseek-v4-flash-vision-exp # 默认视觉模型
nativeVision: # 原生视觉白名单:带图时不干预,也是识图路由的候选
[
{ provider: deepseek-official, model: deepseek-v4-flash-vision-exp },
{ provider: deepseek, model: deepseek-v4-flash-vision-exp }
]
autoDeclareInput: true # 自动补 image 声明;false 则手动管理
settings.yaml 修改即时生效(热重载)。识图路由也可指向任一网关的视觉模型:
auto-vision:
visionProvider: deepseek
visionModel: deepseek-v4-flash-vision-exp
以某 OpenAI 兼容网关路由为例:
llm-pi-ai:
providers:
{
my-gateway:
{
displayName: My Gateway,
models:
[
{ id: my-pro, name: My-Pro, input: [ text, image ] },
{ id: my-vision, name: My-Vision, input: [ text, image ] }
],
baseURL: https://example.com/v1,
apiKeyEnv: MY_API_KEY
}
}
input: [text, image] 后,GUI 会把被桥接模型显示为"支持图片";实际图片由插件桥接,不会发给网关。deepseek-official)的模型如需桥接,同样在 llm-deepseek.models 里声明 input: [text, image]。dsh plugin --profile web remove dsh-auto-vision
重启 DSH。
pnpm install
pnpm test # vitest 单元测试
pnpm typecheck # 类型检查
pnpm build # 重建 lib/(发布前记得提交构建产物)