dsh-vision-toggle · 模型视觉能力开关插件

English | 中文

为 DeepSeek Harness (dsh) 提供模型视觉开关：让用户自主控制每个配置的模型是否支持图片输入——拨动开关即可按模型开启/关闭视觉能力，无需手改配置文件、无需重启。web 端与官方桌面端均可使用。

功能概览

| 功能 | 说明 | |---|---| | 模型列表 | 读取 llm-pi-ai provider 路由中声明的所有模型，按 provider 分组展示 | | 视觉开关 | 逐模型切换图片输入：开启为 ['text','image']，关闭为 ['text'] | | 即时生效 | 写入官方配置，llm-pi-ai 检测到变化后重新注册，无需重启即可生效 | | 乐观更新 | 开关立即切换；若 host 写入失败则自动回滚 | | 国际化 | 中英双语，跟随 dsh 客户端语言设置 |

背景

dsh 官方已支持多模态（图片理解），内置 deepseek-v4-vision-exp 模型。但设置页无法配置自定义 provider / 第三方模型的输入模态（input）。如果你添加自己的 provider（如通过 LM Studio / vLLM / Ollama 提供的 OpenAI 兼容服务），即便其模型实际支持视觉，发送图片仍会报：

当前模型不支持图片

目前唯一的绕法是手动编辑 settings.yaml，给对应模型加上 input: [text, image]——既脆弱又易出错。

本插件消除了这个摩擦点：它操作官方 llm-pi-ai 设置命名空间，在设置页为每个模型提供一个「支持图片」开关，拨动开关即可替你把模型的 input 模态写好。

安装

前置条件

• DeepSeek Harness (dsh) >= 0.1.6-alpha.2：web 端（dsh web）或官方桌面端
• Node.js >= 18

安装到 web 端

dsh plugin --profile web add @lijian-ui/dsh-vision-toggle

然后重启客户端（dsh web）。--profile 是必填项——不加会直接报错。

安装到桌面端

CLI 会刻意拒绝操作 desktop profile（error: profile "desktop" is managed exclusively by the Electron application），所以要在桌面应用内安装：

1. 打开桌面端 → 桌面插件
2. 在包名输入框填入 @lijian-ui/dsh-vision-toggle，点 安装
3. 重启桌面端

profile 之间相互隔离。 每个 profile（web、desktop …）都有自己独立的 node_modules，位于 $DSH_HOME/profiles/<name>。装到其中一个，不会让插件在另一个里出现。

本地开发

# 克隆并进入插件仓库
git clone https://github.com/lijian-ui/dsh-vision-toggle.git
cd dsh-vision-toggle

# 安装依赖
npm install

# 构建
npm run build

# 监听模式
npm run watch

# 类型检查
npm run typecheck

构建产物在 lib/ 目录下。每次构建后需重启客户端加载新 bundle。

使用方式

1. 打开 dsh（web 端或桌面端）
2. 进入 设置 → 模型视觉能力（位于其他设置分节之后）
3. 该分节列出所有已配置模型，按 provider 分组，每个模型右侧有一个「支持图片」开关：
   • 开启：模型可接收图片输入，聊天时即可发送图片
   • 关闭：模型为纯文本

拨动开关只是把该模型的 input 设为 ['text','image'] 或 ['text']，正好命中 dsh 判断「模型是否支持图片」的逻辑。

技术架构

目录结构

dsh-vision-toggle/
├── src/
│   ├── index.ts                    # Host 端入口（注册 remote 服务 + typert 契约）
│   ├── remote.ts                   # Host 端 RPC：listModels / setVision（读写 llm-pi-ai 配置）
│   └── client/
│       ├── index.ts                # Client 端入口（SECTION_ID、RPC 注册、inject）
│       ├── VisionToggleSection.ts  # 设置页组件（按 provider 分组的模型列表 + 开关）
│       └── client-i18n.ts          # 客户端国际化（中/英）
├── lib/                            # 构建产物（index.js + client.js）
├── package.json
├── tsdown.config.ts
└── cordis.patch.yml

Host 端（src/remote.ts）

提供以下 RPC 方法：

| 方法 | 功能 | |---|---| | listModels() | 列出所有 providers[*].models 中声明的模型，含当前 input 模态与是否支持视觉 | | setVision(provider, modelId, enabled) | 将指定模型的 input 改写为 ['text','image']（开）或 ['text']（关）并持久化 |

配置读写

插件操作的是 官方 llm-pi-ai 设置命名空间（settingsNamespace('llm-pi-ai')，由 @deepseek-ai/dsh-llm-pi-ai 拥有）——正是支撑模型选择与「当前模型不支持图片」错误的那份配置：

• 读：settings.get('llm-pi-ai') 返回 provider 路由；在已移除 get 的 dsh 版本上会回退到 settings.describe('llm-pi-ai')。每个模型的实际 input 缺省时回退到 provider 的 defaultInput。
• 写：使用 settings.update('llm-pi-ai', { providers: ... }) 并传入重建的完整 models 数组。因为基于路径操作的 settings.mutate API 无法定位数组索引（会把整个数组替换掉），所以这里改为重建数组。

由于 llm-pi-ai 每次请求都会解析 input 并在配置变化时重新注册，因此拨动开关即时生效，无需重启。

开关机制

用户点击开关
  → client 乐观更新该行（立即切换状态）
  → RPC 调用 host 端 setVision(provider, modelId, enabled)
  → host: 读取配置，重建 models[]，settings.update('llm-pi-ai', …)
  → llm-pi-ai 检测到变化并重新注册模型路由
  → 配置写入 settings.yaml；下一条消息即按新模态处理

若 host 写入失败，client 会恢复开关原状并提示错误。

国际化

支持中文和英文两种语言，翻译文件在 src/client/client-i18n.ts 中。语言切换跟随 dsh 客户端的语言设置。

技术栈

• 语言：TypeScript
• 构建：tsdown (rolldown)
• 前端：React 18
• RPC：@deepseek-ai/dsh-typert-protocol / @deepseek-ai/dsh-typert-registry（host remote）
• 配置：@deepseek-ai/dsh-settings（命名空间 llm-pi-ai）

许可证

MIT

相关链接

• DeepSeek Harness (dsh)