dsh-auxiliary

DeepSeek Harness 辅助模型插件：为视觉理解、上下文压缩、审批审查、子代理、会话标题与图片生成提供独立的模型路由、工具与系统提示，全程不触碰主对话模型。

English | 简体中文

dsh-auxiliary 是一个 DeepSeek Harness 插件，在 harness 的 LLM 抽象层（ctx.llm）之上叠加辅助模型能力。它从不替换主对话模型：每个功能都是独立、可选的模型路由，只在自己的那类调用上生效——把昂贵或专门的活儿（视觉、压缩摘要、审批审查、委派子代理、会话标题、图片生成）交给各自合适的模型。

功能总览

| 功能 | 作用 | 配置入口 | | --- | --- | --- | | 视觉理解 | inspect_image 工具：读取本地图片并询问视觉模型 | 「模型」页 → 辅助模型 → 视觉理解 | | 图片转交 | 主模型为纯文本时，聊天图片经 describe_image 存活 | 视觉理解卡片 → 图片转交 | | 上下文压缩 | 摘要调用（purpose: 'compaction'）使用独立模型 | 辅助模型 → 上下文压缩 | | 压缩引擎（可选） | 用显式压缩提示词替换默认压缩后端 | 配置中的 engine.enabled | | 审批模型 | @dsh-plugin/dsh-approve-for-me 的审查使用独立模型 | 辅助模型 → 审批模型 | | 子代理模型 | 委派子代理使用独立模型 | 辅助模型 → 子代理模型 | | 标题生成模型 | 会话标题（purpose: 'session-title'）使用独立模型 | 辅助模型 → 标题生成模型 | | 生图辅助模型 | generate_image 工具：经 OpenAI 兼容 images API 生成图片 | 辅助模型 → 生图辅助模型 | | 模型能力标记 | 自定义 llm-pi-ai 模型上的复选框：允许图片输入 / 允许图片生成 | 「模型」页 → 提供商 → 自定义设置 → 模型目录 |

所有路由都在 设置 → 辅助模型 中配置（插件自带该设置分区），保存后立即生效——无需重启，无需重建会话。

安装

复制下面的内容，粘贴给 DSH Agent（本 Web GUI 中的助手）。由 Agent 帮你完成安装与验证，无需手动执行 npm 或编辑 profile 配置：

把 @dsh-plugin/dsh-auxiliary 插件安装到我指定的 profile（如果我没说，先问我）。npm 包名为 `@dsh-plugin/dsh-auxiliary`；使用 GitHub 源 `github:dsh-plugins/dsh-auxiliary`，本地开发可用 `file:<路径>`。

步骤：
1. 添加插件依赖：`dsh plugin --profile <PROFILE> add @dsh-plugin/dsh-auxiliary`（或我 profile 对应的插件管理器命令）。0.4.1 起该包是 bundle 插件（声明了 `dsh.bundle.patch`），`dsh plugin add` 会自动把它追加进 `dsh.profile.bundles`，无需再手动编辑 `cordis.patch.yml`。
2. 该包声明了 `prepack` 构建脚本。若 pnpm 报 `ERR_PNPM_IGNORED_BUILDS`，在 profile 的 `pnpm-workspace.yaml`（`allowBuilds`）中批准构建后重试。
3. 如果该 profile 之前是通过 `cordis.patch.yml` 里的手动 insert 行加载本插件（0.4.1 之前的做法），请**删除那一行**——bundle 层现在负责挂载，两者并存会导致插件被挂载两次。
4. 验证 `node_modules/@dsh-plugin/dsh-auxiliary` 存在已构建的 `lib/` 目录（至少 `lib/index.js` 与 `lib/client.js`）。若构建产物缺失，在插件目录运行 `npm run build` 后重新 add。
5. 不要启动 profile——只安装并验证，然后报告你改动了什么。

安装完成后，在 Web 的 设置 → 辅助模型 中配置各路由，并在 设置 → 模型 中标记要使用的模型。

功能详解

视觉理解与 inspect_image

先在「模型」页配置提供商与模型，再到 视觉理解 选择这对路由（写入 vision.provider / vision.model）。tool.enabled 独立控制 inspect_image 工具是否注册。

vision:
  provider: anvilcraft-ai     # 任意已注册的提供商路由
  model: mimo-v2.5            # 该提供商下支持视觉的模型
tool:
  enabled: true               # 注册 inspect_image 工具
  maxImageBytes: 10485760     # 单文件大小上限
  timeoutMs: 120000           # 协作式工具调用预算

启用后，让智能体对 Host 可读的路径调用 inspect_image：

请调用 inspect_image 分析 screenshots/error.png

工具通过 ctx.attachments 抽象提交文件，并询问所选视觉模型，返回文字答案（可按 vision.maxTokens 截断）。支持 PNG、JPEG、WebP、GIF。

模型能力标记：对用户配置的 llm-pi-ai 模型，模型设置中的 允许图片输入 复选框会写入其标准 input 声明（勾选时 [text, image]，取消时 [text]）；inspect_image 与主聊天附件校验读取同一份能力事实。该声明不能让纯文本模型获得视觉能力——仅在上游接口确实接受图片时勾选。

图片转交（主模型为纯文本时的聊天图片）

图片转交（vision.handoff，默认开启）启用且已选择视觉路由后，给纯文本主模型的会话附加图片不再失败：

1. 运行时包装 ctx.llm.resolveModelInfo，在转交启用期间为未声明图片输入的模型声称图片输入，图片受理预检因此放行（模型目录与按模型的能力复选框不受影响——它们直接读设置文档）。
2. 监听官方 llm/stream waterfall：在适配器看到图片之前，把图片块替换成文本引用 [image: {"attachmentId":…,"mediaType":…}]；纯文本主模型永远不会收到图片负载（inspect_image 等视觉路由调用不受影响）。
3. 系统提示引导主模型用引用中的 JSON 调用 describe_image；该工具读取已存储的附件字节、询问所选视觉模型并返回文字描述。

引用是纯文本，重启、fork 与历史重放后依然可用。两个挂接点都在插件内，核心包零修改。关闭 vision.handoff 可恢复原来的拒绝行为。

上下文压缩

每次摘要调用都携带官方标记 GenerateOptions.purpose: 'compaction'。插件安装 llm/stream waterfall 监听器，把这类调用改路由到配置的模型对：

compact:
  enabled: true
  provider: deepseek-official  # 例如一个便宜快速的摘要模型
  model: deepseek-chat

监听器常驻安装、路由不完整时纯透传。只有 purpose: 'compaction' 的调用会被改路由，主会话与其它调用类别不受影响。

压缩引擎（可选）：engine.enabled: true 会用 BasicCompactionEngine 子类替换默认压缩后端，以显式的上下文压缩指令驱动摘要（见 engine.compressPrompt）。它复用 compact 路由，不增加第三条模型路由；与 @deepseek-ai/dsh-compaction-basic 互斥——插件检测到冲突会跳过引擎并告警。

压缩阈值：上下文压缩卡片提供滑条和右侧的百分比输入框（17%–99%）。保存阈值会同时启用压缩引擎并写入 engine.thresholdRatio，上下文使用率达到该比例后自动触发压缩；阈值必须高于保留比例（engine.retainRatio，默认 16%）。引擎会在每次压缩检查前读取最新配置，因此保存后无需重启。

审批模型（@dsh-plugin/dsh-approve-for-me 联动）

@dsh-plugin/dsh-approve-for-me 提供类 Codex 的自动审批；在 review 模式下由轻量审查模型裁决每条审批提示。审批模型 卡片为审查提供独立模型：

approve:
  enabled: true
  provider: anvilcraft-ai
  model: mimo-v2.5

1. 监听 llm/stream waterfall，按公开契约识别审查调用——用户消息中的固定标记 >>> APPROVAL REQUEST START、无 sessionId、temperature: 0——并改路由到 approve.provider / approve.model。
2. 调用其余部分（安全策略、转录、超时、重试、回退）仍归 approve-for-me 所有；只替换模型路由，裁决依旧不会写入会话历史。

路由仅在功能开启且路由完整时激活；未安装该插件时不存在审查调用，监听器自然闲置。生效前提：approve-for-me 处于 mode: review 且会话选中 approve-for-me 或 strict-review 权限预设。建议选择便宜快速的模型。

设置页会检测插件是否安装：插件通过可选的 webServer 服务提供只读 JSON 端点 /dsh-auxiliary/state（{"approvePluginInstalled": true|false}）；当插件的预设不在 permissionPresets 实时表中时，卡片显示"未检测到插件"并禁用编辑。端点仅监听本机回环、不返回敏感数据，headless profile 中不会注册。

子代理模型

subagent:
  enabled: true
  provider: anvilcraft-ai
  model: deepseek-chat

子代理默认继承父会话的模型路由。开启此功能且路由完整时，所有委派子代理——一次性 spawn/fork 委托、可续接子代理（含进程内冷恢复）——统一使用所选模型。插件监听 agent/created，对委派深度 > 0 的代理在其自身作用域上下文中安装 agent/request waterfall 监听；返回替换后的 LlmCallConfig 是 loop 官方的"切换"契约，变更的头快照与其他模型切换一样被记录。远程提供方（ACP）创建的子代理不经过本机代理注册，仍继承父会话。建议选择便宜快速的模型控制委派成本。此功能不需要任何外部插件。

标题生成模型

title:
  enabled: true
  provider: anvilcraft-ai
  model: deepseek-chat

会话标题由 dsh-session-title-llm 提供方发起，其自带部署层 provider/model 配置。开启此功能后，所有 purpose: 'session-title' 调用统一改走所选模型，不动提供方自身的配置与主会话路由。识别使用官方的 GenerateOptions.purpose 标记，不会与 agent-loop、压缩或审批调用混淆。与压缩路由一样，监听器常驻安装、路由不完整时纯透传。

生图辅助模型与 generate_image

imagegen:
  enabled: true
  provider: lanqin-gpt          # 一个 OpenAI 兼容的提供商路由
  model: gpt-image-2

harness 的 LLM 抽象只处理文本，因此生图直接对话提供商的 OpenAI 兼容 images API。功能开启且路由完整时：

1. 注册 generate_image 工具，并注入系统提示词，引导主模型在用户要求生成/绘制图片时调用它。
2. 工具从解析后的 llm-pi-ai 设置读取提供商的 baseURL，并通过 harness 凭据层（ctx.credentials.resolve——env/file/user-env 层）解析 apiKeyEnv，随后调用 POST {baseURL}/images/generations，请求体 {model, prompt, size, n}。
3. 返回的图片（base64 或 URL）写入工作目录（generated/），返回文件路径；主模型可用 inspect_image 复核。

模型能力标记：选择器只列出标记了 允许图片生成 的模型——在模型设置中勾选该框（向 llm-pi-ai 命名空间的原始 user 段写入 imageGeneration: true）。只标记上游端点确实支持生图的模型。

实现思路

插件基于标准 DSH 扩展点构建（见插件开发指南），harness 核心零修改。

┌─────────────────────────── Web 设置层 ────────────────────────────┐
│ 设置 → 辅助模型（settings.section 插槽）                           │
│   └─ 功能卡片：视觉·压缩·审批·子代理·标题·生图                     │
│      → saveAuxFeature → 命名空间 user 段                           │
│ 设置 → 模型（MutationObserver DOM 注入）                           │
│   └─ 模型目录行：允许图片输入 / 允许图片生成 复选框                │
│      → llm-pi-ai 的原始 user 段                                    │
└────────────────────────────────────────────────────────────────────┘
                              │ 读取（namespace.user / settings.get）
                              ▼
┌─────────────────────────── Host 插件层 ────────────────────────────┐
│ config.ts：schemastery schema + resolvePluginConfig（成对校验）    │
│ reconcile*()：配置变更时按功能注册/注销                             │
│                                                                     │
│  llm/stream waterfall 监听器（按 purpose 键控改路由）               │
│    ├─ compact 路由  ← purpose: 'compaction'                        │
│    ├─ title 路由    ← purpose: 'session-title'                     │
│    └─ approve 路由  ← 契约标记（无 sessionId、temp 0）              │
│  子代理作用域 ctx 上的 agent/request waterfall（子代理路由）        │
│  工具：inspect_image（视觉）· describe_image（转交）               │
│        generate_image（生图）  + systemPrompt.section(...)          │
│  resolveModelInfo 包装 + 图片→文本引用替换（转交）                  │
│  /dsh-auxiliary/state 端点（审批插件检测）                          │
└────────────────────────────────────────────────────────────────────┘

1. 按 purpose 键控的模型路由

所有文本路由共用一个模式：一次性安装 llm/stream waterfall 监听器（常驻），检查调用后要么原样放行，要么用冻结的替换配置重新进入 LLM 抽象：

• 识别使用稳定、官方的标记——GenerateOptions.purpose（'compaction' / 'session-title'）或审批调用的公开契约——每个路由只能命中自己的调用类别。
• 改路由调用 deepFreeze({...options, provider, model}) 后重新进入 ctx.llm.stream()；只替换 provider/model，超时、重试、回退仍归 harness 所有。
• 防环：替换配置携带相同的路由标记，通过配置相等性检查阻止路由匹配自己的重入。
• 惰性：路由不完整时监听器纯透传——之后启用功能无需重装，禁用也只需移除监听器。

2. 工具与系统提示

工具经 ctx.tools.register(defineTool(...)) 注册，并通过 ctx.systemPrompt.section(...) 告知模型：

• inspect_image——视觉理解：文件路径 + 可选问题 → 附件层 → 视觉路由 → 文字答案。
• describe_image——转交：读取聊天中 [image: …] 引用里的 JSON，经视觉路由作答。
• generate_image——生图：提示词（+size/n）→ 提供商 images API（凭据层）→ generated/ 下的 PNG → 路径。

每个工具只在其功能启用且路由完整时注册（reconcile 模式），模型永远看不到用不了的工具。

3. 设置集成与模型目录

插件注册自己的设置命名空间（dsh-auxiliary，schemastery schema）；设置页通过 settings.update(...) 写入，installSettingsSection 保持插件解析视图同步。两个细节值得注意：

• 原始与解析视图：llm-pi-ai 命名空间中的模型行由 z.object schema 校验，会从解析后视图剥离未知键但不会抛错——因此 imageGeneration 这类非 schema 字段能存活在原始 user 段中。需要看到这类字段的读取走 namespace.user（原始）；路由读取用 settings.get()（解析后）。
• DOM 注入：模型目录页归 harness 客户端所有，插件用 MutationObserver 观察 DOM，在每行用户自有模型的展开高级区追加 允许图片输入 / 允许图片生成 复选框。复选框从原始 user 段初始化；变更先暂存在浏览器，待该提供方卡片关闭（页面 Apply 后）再写回原始 user 段，避免与页面自身的 revision 校验冲突；生图选择器只列出被标记的模型。

4. 凭据而非裸环境变量

apiKeyEnv 是 credential-ref，因此生图工具通过 ctx.credentials.resolve(credentialRef(...)) 解析密钥——harness 凭据层覆盖 env/file/user-env 各层且每次调用重新解析（改了密钥无需重启即可生效）。绝不直接读 process.env。

5. 全部配置即时生效

每个功能由一个 reconcile*() + disposer 对管理：每次设置变更后插件重新解析配置，只注册或注销条件发生变化的部分。在 Web UI 保存路由立即生效。

配置

所有字段均可选，括号内为默认值。

- name: '@dsh-plugin/dsh-auxiliary'
  config:
    vision:
      maxTokens: 2048                      # inspect_image 输出上限（provider/model 由设置页写入）
      handoff: true                        # 主模型不支持图片时，聊天图片以引用形式发送并由 describe_image 转交
    tool:
      enabled: true                        # 注册 inspect_image 工具
      maxImageBytes: 10485760              # 单文件大小上限
      timeoutMs: 120000                    # 协作式工具调用预算
    compact:
      enabled: false                       # 把压缩摘要改路由到辅助模型
      provider: ""                         # 示例：deepseek-official（已注册的提供商路由 id）
      model: ""                            # 示例：deepseek-chat（该提供商下的模型 id）
    approve:
      enabled: false                       # 为 @dsh-plugin/dsh-approve-for-me 的审查提供独立模型
      provider: ""                         # 示例：deepseek-official（已注册的提供商路由 id）
      model: ""                            # 示例：deepseek-chat（该提供商下的模型 id）
    subagent:
      enabled: false                       # 把委派子代理路由到独立模型
      provider: ""                         # 示例：deepseek-official
      model: ""                            # 示例：deepseek-chat
    title:
      enabled: false                       # 把会话标题调用路由到独立模型
      provider: ""                         # 示例：deepseek-official
      model: ""                            # 示例：deepseek-chat
    imagegen:
      enabled: false                       # 注册 generate_image，使用独立的生图模型
      provider: ""                         # 示例：lanqin-gpt（OpenAI 兼容的提供商路由）
      model: ""                            # 示例：gpt-image-2（已标记「允许图片生成」）
    engine:
      enabled: false                       # 可选压缩引擎（与 dsh-compaction-basic 互斥）
      thresholdRatio: 0.8
      retainRatio: 0.16
      maxTokens: 8192
      compactionRetries: 1
      maxOverflowRetries: 1
      auto: true
      compressPrompt: "..."                # 自定义压缩指令

设置页：辅助模型

插件自带一个 Web 设置分区（设置 → 辅助模型）。先在「模型」页配置好提供商与模型，再使用这里的各功能卡片：每张卡片都有自己的启用开关与提供商/模型选择器。选择器把所有当前可用模型集中列出并按提供商分组（生图卡片只列出标记了 允许图片生成 的模型）。已保存但暂时不在目录中的路由会保留，不会被自动替换。

在模型目录中标记模型

对用户配置的 llm-pi-ai 模型，打开 设置 → 模型 → 提供商 → 自定义设置 → 模型目录 → 模型设置：

• 允许图片输入：写入标准 input 声明（勾选时 [text, image]，取消时 [text]）——供 inspect_image 与主聊天附件校验读取。仅在上游端点确实接受图片时启用。
• 允许图片生成：写入 imageGeneration: true——这是模型进入 生图辅助模型 卡片选择器的标记。仅在上游端点确实支持生图时启用。

复选框注入到每个用户自有的 llm-pi-ai 模型行，并放在与 上下文窗口、最大输出 token 相同的行内容量折叠里，折叠收起时不显示、展开后出现。自定义提供方创建卡中正在添加的模型行同样会获得复选框；刚添加但尚未填写模型 ID 的行在展开该折叠后会显示禁用的复选框，填入 ID 后立即启用。修改已有模型的 ID 时，已保存的能力标记会随 ID 迁移到新 ID。勾选的标记先在浏览器中记录，待页面保存提供方设置（点 Apply）后写入该模型，因此可以一边修改其它模型字段一边设置图片能力，不会与页面自身的保存产生“设置已被其他地方改动”的 revision 冲突。无法携带标记的行会显示说明而非静默缺失：DeepSeek 官方（或其他非 pi-ai 适配器）行提示标记仅限 llm-pi-ai；尚未保存到用户区的 pi-ai 目录行提示先保存模型。

同一折叠区内还提供思考强度配置：列表按行添加/删除档位（仅接受 off、minimal、low、medium、high、xhigh、max），铅笔按钮可批量输入 [low, high, max] 形式的文本（含非法档位时整段拒绝），默认思考强度下拉只列出当前列表中的档位；新增模型的列表与默认项均为空白。这些字段作为插件自有原始字段（thinkingLevels / defaultThinkingLevel）保存，改动同样等提供方 Apply 后写入，避免 revision 冲突。

说明

• 各路由功能只改路由自己那一类调用（purpose: 'compaction' / purpose: 'session-title' / 审批审查契约），主会话路由永不被触碰。
• engine.enabled: true 会替换默认压缩后端；请勿同时加载 @deepseek-ai/dsh-compaction-basic。插件检测到冲突会跳过引擎并告警。
• 视觉工具参数：path（绝对路径或工作区相对路径）与可选的 question。支持格式：PNG、JPEG、WebP、GIF。
• generate_image 参数：prompt（必填）、可选的 size 与 n（多数提供商只接受 n: 1）。

开发

npm install          # 安装依赖（typescript、@deepseek-ai/* peers）
npm run typecheck    # tsc --noEmit
npm run build        # 产出 lib/

许可证

LGPL-3.0