English | 中文

关于项目

DeepSeek Harness (dsh) 对未声明图片输入模态的模型会直接拒绝图片消息，因此纯文本模型 （如 deepseek-v4-flash）永远无法"看到"粘贴的图片。本插件注册一个包装 provider， 其模型是上游 DeepSeek 模型的纯文本孪生体，但声明支持图片输入。当请求携带图片块时， 每个图片会在请求发出前交给 mimo-v2.5 识别，图片块被识别文本替换，请求再委托给真实的 纯文本模型。

核心特性：

• 准入放行：选中孪生模型后，粘贴/拖入图片不再被 dsh 拒绝。
• 日志保真：会话日志保留真实图片块，界面正常显示缩略图；只有发给模型的 wire 消息携带转换文本。
• 按附件缓存：识别结果按附件缓存（LRU + Promise 去重），同一图片多次出现在上下文中只识别一次。
• 失败降级：识别失败时降级为说明文本块，不阻塞对话。

快速开始

前置条件

• 一个 dsh 部署，且配置了 opencode-go 提供方路由（llm-pi-ai 设置，例如 OPENCODE_GO_API_KEY 环境变量）。
• 该路由提供 deepseek-v4-flash / deepseek-v4-pro 与 mimo-v2.5 模型。

安装

方式 A — 动态插件（无需落盘文件）

插件源码为 TypeScript（src/index.ts），构建产物为 dsh/index.js。将构建产物 （npm run build 生成）中的 Host 代码作为动态 Cordis 插件定义并运行（cordis_define + cordis_run），插件会立即注册包装 provider。

方式 B — dsh 命令安装（持久，推荐）

本包是标准 dsh bundle，一条命令即可安装到某个 profile（与 @liustack/modlens 相同的机制）：

# 将 web 换成你的 profile 名（例如 headless）
npx -y @deepseek-ai/dsh plugin --profile web add @l6i/[email protected]

前置条件：包需已发布到 npm（npm publish）。未发布时请先用方式 A，发布后再执行本命令。

重启 dsh，然后验证安装结果：

npx -y @deepseek-ai/dsh plugin --profile web list

也可以自行添加 cordis 行（等价的持久安装方式）：

- insert:
    - id: mimo-vision
      name: '@l6i/dsh-mimo-vision'

开发

npm install      # 安装 TypeScript
npm run typecheck  # 类型检查
npm run build      # 编译 src/index.ts → dsh/index.js

使用方法

1. 打开 dsh Web 界面的模型选择器。
2. 选择新的提供方分组 opencode-go (Mimo Vision)。
3. 选择任意带 "Mimo Vision" 后缀的纯文本模型（如 DeepSeek V4 Flash (Mimo Vision)）。
4. 粘贴 / 拖入一张图片并提问——回复由纯文本模型基于 mimo-v2.5 的识别文本生成。

配置

apply(ctx, config) 接受可选配置对象：

| 键 | 默认值 | 说明 | | --- | --- | --- | | upstream | opencode-go | 持有被包装模型与视觉模型的真实路由 | | visionModel | mimo-v2.5 | 用于图片识别的视觉模型 | | providerId | opencode-go-vision | 在 llm 注册表上注册的包装路由 | | wrapModels | 未设置（自动） | 显式指定被包装的上游模型 id；缺省时自动包装上游路由上所有纯文本模型（视觉模型自动排除） | | providerName | opencode-go (Mimo Vision) | 模型选择器中的分组名 | | modelSuffix | (Mimo Vision) | 附加到包装模型显示名的后缀 | | cacheLimit | 64 | 按附件识别结果的 LRU 上限 | | maxTokens | 8192 | 单次识别调用的输出上限 | | visionPrompt | 内置 | 识别提示词；null 表示使用默认值 |

工作原理

用户粘贴图片 ──► 准入检查（孪生模型声明图片输入）──► 包装 provider 的 stream()
       │
       ├─► 图片块 ──► mimo-v2.5（opencode-go 路由）──► 识别文本
       │
       └─► 消息（图片已替换为文本）──► deepseek-v4-flash ──► 回复

包装适配器以鸭子类型实现 dsh 的 LlmAdapter（providerInfo、providerRetryPolicy、 listModels、resolveModel、stream），并通过 ctx.llm.registerAdapter([providerId], adapter) 注册，因此会出现在模型目录中，并像其它路由一样参与调度。

路线图

• [ ] 多图批量识别（一次消息中多张图片并行转换）
• [ ] 识别结果的可视化指示（消息内标记"图片已识别"）
• [ ] 识别提示词可针对场景（截图 / 文档 / 图表）预设
• [ ] 支持其他视觉模型作为识别引擎

参见开放问题以了解计划中的功能与已知问题。

贡献

欢迎贡献！提交问题或拉取请求时请使用仓库内置的模板：

• 🐛 Bug 报告（中文优先）
• ✨ 功能需求（中文优先）
• 英文版模板请在选择器中选用带 "(English)" 的条目

许可证

根据 MIT 许可证分发。

联系方式

项目链接：https://github.com/l6icode/dsh-mimo-vision

致谢

• modlens — 请求时图片转文本的包装 provider 模式参考
• DeepSeek Harness — 插件化 agent harness
• MiMo — 图片识别模型