dsh-image-bridge

DSH（DeepSeek Harness）Web 插件：为不支持原生图片输入的纯文本模型提供图片桥接能力，让纯文本模型也能"看图"。

纯文本模型无法直接接收图片（DSH 原生会以 MODEL_DOES_NOT_SUPPORT_IMAGES 拒绝）。本插件把图片落盘到会话工作区，以文本标记把图片路径与处理指引注入对话，由模型自主发现并调用其技能（skill）/工具（tool）目录中的视觉类能力（通用视觉问答 / OCR / grounding）来查看图片。插件不绑定任何具体技能或工具——能力发现完全由模型自行完成。

功能

• 一键桥接：纯文本模型下，输入框粘贴图片后出现「桥接发送图片」按钮，点击即可发送，模型能读到图片。
• 回车兜底：不点按钮、直接回车发送图片，也会在发送入口自动改写为桥接标记发送，与按钮等效。
• 多模态直通：多模态模型下按钮自动隐藏、图片原生发送，插件零干预。
• 即时感知：会话中切换模型，按钮立即显隐，不闪烁、不跳动。
• 自动清理：桥接产生的临时图片定时自动清理，无需手动管理。

安装

DSH 插件通过 dsh plugin 命令安装进 profile（dsh web 对应 web profile）。

方式一：从 npm 安装（推荐）

dsh plugin --profile web add @kbpoyo/[email protected]

装完重启 dsh web 即可生效。该命令会在 profile 中安装插件并自动挂载为配置层，无需手动编辑任何配置文件。

验证：重启后，纯文本模型会话中粘贴图片出现「桥接发送图片」按钮即生效；也可用 dsh --profile web --dump-config 确认插件配置层已挂载。

方式二：手动安装（本地调试用）

1. 将本包放置到 DSH profile 的 node_modules/ 下（如 ~/.dsh/profiles/web/node_modules/@kbpoyo/dsh-image-bridge/）；
2. 在 profile 的 cordis.patch.yml 的 - insert: 列表追加：

    - id: dsh-image-bridge
      name: '@kbpoyo/dsh-image-bridge'
      config: {}

3. 重启 DSH（插件为启动期扫描加载）。

卸载

• npm 安装的：dsh plugin --profile web remove @kbpoyo/dsh-image-bridge，然后重启 dsh web。
• 手动安装的：删除 node_modules/@kbpoyo/dsh-image-bridge/ 目录，并移除 cordis.patch.yml 中对应的 @kbpoyo/dsh-image-bridge 行，然后重启。

使用说明

1. 在会话中选择纯文本模型（如 deepseek-v4-flash）；
2. 粘贴或拖入图片，点击「桥接发送图片」按钮发送（直接回车发送也会自动桥接）；
3. 模型会自主调用其视觉类技能/工具（通用视觉问答 / OCR / grounding）查看图片并回答，无需你手动指定工具；
4. 需要 OCR 时请在提问中明确说明（如「识别图中文字」），否则默认走通用视觉问答；
5. 切换到多模态模型（如 mimo-v2.5）后按钮自动消失，图片原生直通。

工作原理

• 落盘：图片写入会话工作区的隐藏目录 <cwd>/.dsh-image-bridge/（点号开头，常规文件管理器不显示；文件名 img-<时间戳>-<序号>.<ext>），发送前校验 attachments.imageLimits（数量 / 类型 / 单张与总大小）。
• 文本化注入：原生图片被替换为三段文本标记：[图片附件]（路径 / 尺寸 / 类型）+ [用户提问] + [处理指引]（默认优先通用视觉问答，OCR 仅在用户明确要求或文字不清晰时使用）。
• 发送入口自动改写：宿主侧包装 session.prompt，纯文本模型下含图消息在原生门禁（MODEL_DOES_NOT_SUPPORT_IMAGES）之前改写为桥接标记；多模态模型直通；改写失败（如桥接目录不可写）回退原生行为，与按钮流程等效。
• 零技能绑定：插件不调用、不绑定任何具体技能/工具，由模型从自身目录自主发现视觉能力。
• 能力判定与切换感知：判定来源为客户端上报当前模型（与官方模型选择器同通路，最新鲜）→ 会话最近一次请求 → 默认模型；模型切换由事件驱动即时感知（订阅官方模型目录 store），另有图片挂载期间每 1s 的兜底轮询覆盖事件漏网场景（如跨标签页切换）。
• 自动清理：TTL 24 小时；总大小超过 512MB 时按最旧优先清理；每 6 小时巡检，插件卸载时清理超龄文件。

常见问题

1. 按钮没出现？ 当前模型被上报为支持图片（多模态模型），按钮按设计隐藏；或 Host 端点不可用（安全降级）。请确认会话当前模型。

2. 直接回车发送图片会怎样？ 会自动桥接，与点击按钮等效；仅当桥接失败（如磁盘不可写）时才回退原生行为并报错。

3. 模型真的能"看到"图片吗？ 取决于模型自身的视觉技能/工具目录——插件只负责把图片送达，不保证所有模型都具备视觉能力；模型无可用视觉能力时会如实告知。

4. 图片会一直留在磁盘吗？ 不会。桥接目录为隐藏目录 <cwd>/.dsh-image-bridge/，图片 24 小时自动清理；总大小超过 512MB 时按最旧优先清理。如需手动清理，直接删除该目录即可（插件会在下次桥接时自动重建）。

5. 自定义供应商模型下按钮一直显示？ 配置层未声明 input: ['text','image'] 时，适配器一律将模型上报为纯文本，插件忠实读取——需在模型声明中补 input 字段，见「已知限制」。

6. 发图后切不回纯文本模型？ 这是 DSH 原生限制（会话日志含原生图片后禁止切回），需 /compact 或开新会话，插件不绕过。

7. 切换模型后按钮没反应？ 刷新页面后重试；正常情况下切换瞬间生效（事件驱动 + 轮询双通道）。

已知限制

• 自定义供应商模型的能力上报：凡经 settings 配置的自定义供应商（provider），其模型声明未包含 input: ['text','image']（或适配器未上报 image 能力）时，适配器一律将其上报为 inputModalities=['text']。此类模型下桥接按钮会如实显示（插件忠实读取适配器上报，无法判定其为视觉模型）——这是配置层事实，与插件无关。要让这类模型正确隐藏按钮，需在模型声明中补 input 字段，或改用适配器托管目录、正确上报能力的模型。
• 原生门禁不绕过：DSH 原生"会话日志含原生图片后禁止切回纯文本模型"的限制保持不变（切回需 /compact 或新会话）。
• subagent 传图不在覆盖范围：父代理向子代理发送的含图消息不经 session.prompt，仍走原生门禁。

License

MIT