dsh-vision-assist
DeepSeek Harness 视觉助手插件：给没有视觉能力的模型配一个可随时切换的多模态识别模型。输入框图片自动落盘并改写为文本提示，主模型调用 vision_recognize 工具即可完成看图；识别模型在插件设置卡片里热更新切换。
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:wjling/dsh-vision-assist#aff5393791837d2a8abbe341fd68fc67376cfed3Vision Assist 以 dsh-vision-assist 发布，当前版本为 1.1.0。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。
Vision for text-only models in DeepSeek Harness (DSH). Give a model that cannot see images a pluggable multimodal "vision sidecar": paste an image and recognition is handed to a configurable VLM, so the conversation never trips the
model does not support image inputrejection.🇨🇳 中文：给没有视觉能力的主模型配一个可随时切换的多模态识别模型，输入框图片开箱即用。
When the routed model cannot accept images, this plugin intercepts the request at the
LLM call boundary and rewrites the image blocks into a "local attachment path + a call
to vision_recognize" text hint. The message body and the UI history keep the original
image; only the request sent to the vision-less model is rewritten. The actual
recognition is done by the multimodal model you pick in settings.
# install from this repo
dsh plugin --profile web add github:wjling/dsh-vision-assist
# restart DSH to activate
# local development
git clone https://github.com/wjling/dsh-vision-assist
cd dsh-vision-assist
pnpm install
pnpm run build:client # rebuild lib/client.js after editing src/client.js
vision_recognize 工具（host 级注册，任意会话可用）：用选定多模态模型识别本地图片，
支持三档精细度 coarse / default / fine，可附加自定义 prompt。ctx.llm.prepareCall / ctx.llm.stream 边界被克隆改写（图片块 → 附件仓路径 +
vision_recognize 指引）；能看图的模型不受任何干预。GUI 气泡与会话历史始终保留原图。dsh plugin --profile web add github:wjling/dsh-vision-assist
# 重启 DSH 生效
宿主共享包
@deepseek-ai/dsh-llm/dsh-tools/schemastery按 peerDependencies 声明：DSH 在加载链上的插件时会把它们路由到运行时安装的 那一份（不会被插件目录里的旧副本遮蔽），schemastery的.volatile()等新 API 也因此始终可用。client 段构建产物为lib/client.js（esbuild CJS 工厂，react与@deepseek-ai/dsh-client-ui-primitives由客户端模块系统的种子表提供）。
要求 DSH ≥ 0.1.7-alpha.1（插件配置模型在 0.1.7 从 settings.yaml 命名空间改为
Loader 条目 config；旧版本 DSH 请用 v1.0.0）。
方式一：卡片设置页（推荐）——侧边栏「插件」面板 →「官方」分组 → 「视觉助手 vision-assist」 卡片 → 详情页：
llm-pi-ai 已配置的 provider）改动后点「保存」即时生效，每项右侧有「恢复默认」。
方式二：profile patch（与设置页写的是同一份配置，改完重启或热更新）：
# ~/.dsh/profiles/<profile>/cordis.patch.yml
- id: vision-assist
config:
enabled: true # 总开关，false 时工具与图片改写都停用
provider: codemaker # 识别模型所在 provider（需在 llm-pi-ai 中配置）
model: gemini-3.8-flash # 识别模型 id
timeoutMs: 300000 # 单次识别超时（毫秒）
从旧版升级：原来写在
~/.dsh/settings.yaml里的vision-assist:段落已随 DSH 的迁移机制作废，请把它挪成上面 profile patch 里的一段（或直接在设置页重填一次）。
要求：选定的模型在 llm-pi-ai.providers.<provider>.models 中声明了
input: [text, image]（未声明的模型会被 DSH 视为纯文本而拒绝图片）。
输入框贴图发送
│ api-session-controller 入站模态预检（resolveModelInfo 声明图片能力）→ 消息正常进入会话
▼
GUI 气泡显示原图，会话历史保留图片
│ 主模型回合发起 llm 调用
▼
包裹 prepareCall（agent-loop 主路径）/ stream（标题、压缩等直连调用方）：
路由到无视觉模型（宿主解析出的 inputModalities 不含 image）？
├─ 否 → 原样放行（同一个请求对象，不改写）
└─ 是 → 克隆请求，图片块（含 tool-role 消息）替换为
"附件仓路径 + 调用 vision_recognize" 的文本指引
▼
主模型正常接单 → 调用 vision_recognize(path=..., mediaType=...)
▼
ctx.llm.stream 直连选定多模态模型 → 返回识别文本 → 继续任务
判据用宿主自己解析出的模态（prepareCall 的 inputModalities /
resolveModelInfo 的原始结果），不再自己读 llm-pi-ai 配置：适配器没声明模态
（undefined）时交给 DSH 原生管线，不干预。vision_recognize 内部发起的视觉调用带
internal 标记，不会被自己改写。
0.1.7-alpha.1，Node ≥ 20v1.0.0 面向 rc.8 时代，v1.1.0 起要求 DSH ≥ 0.1.7-alpha.1）~/.dsh + 插件包本体），更新 DSH 后无需任何重装或补丁@deepseek-ai/dsh-llm 的 prepareCall / stream / resolveModelInfo、
@deepseek-ai/dsh-tools 的 defineTool，配置用 schemastery 的 volatile 字段 +
loader/volatile-update 事件热更新；ctx.configForms（设置域基础服务）读写自己的命名空间，注册进
Plugins 面板的 plugins.item 插槽，改动 src/client.js 后需执行
pnpm run build:client 重建。~/.dsh/attachments/v1/objects/（内容寻址），
界面与会话历史保留图片，只有"发往无视觉模型的那次请求"里被替换为识别指引。llm-pi-ai 里没声明
input: [text, image]，补上声明后重试。vision_recognize，也不改写请求；此时
把图片发给无视觉模型会收到 DSH 原生的模态拒收提示。MIT