dsh-image

让纯文本的 DeepSeek 也能「读图」的 DeepSeek Harness 插件。

原理

DeepSeek 官方适配器（deepseek-official/deepseek-v4-pro）只声明 text 输入，所以发图片会被「当前模型不支持图片」拦下。

本插件注册一个对外声明支持 image 的新 provider，在选择器里显示为 「多模态LLMs」：

| 字段 | 值 | | --- | --- | | provider | deepseek-vision | | model | deepseek-v4-pro-vision | | 显示名 | 多模态LLMs |

当请求消息里含图片时，它会：

1. 先用用户配置的多模态模型（默认 Moonshot moonshotai/kimi-k2.5）把图片转成文字描述；
2. 再把这段纯文字请求转发给真正的 DeepSeek（deepseek-official/deepseek-v4-pro）。

于是 DeepSeek 适配器永远只看到文字，不会再抛「不支持图片」；图片准入检查也自然通过（这个 provider 声明了 image），read_image 读文件图同样可用。

配置（可 Tweak 的 UI）

转图所用的多模态 provider/model 不再写死在代码里，改在 Web 界面的「设置 → 多模态LLMs」页面配置：

• Provider / Model 两个下拉框，选项来自已注册的多模态 provider（llm-pi-ai 段）及其模型；
• 选择结果持久化在 settings.yaml 的 vision-bridge: 命名空间（热加载，保存后下一次请求即生效）；
• API Key 仍由 settings + credentials 提供（llm-pi-ai.providers.<provider>.apiKeyEnv → .credentials.yaml），本插件不接触任何密钥。

一键添加推荐 provider

页面下半部分内置了三个推荐的多模态 provider，填入 API Key 点「添加」即可（写入 llm-pi-ai.providers.<key> + 本机 credentials，随即出现在上面的 Provider 下拉框）：

| Provider | baseURL | 模型 | 说明 | | --- | --- | --- | --- | | 智谱 GLM (BigModel) | https://open.bigmodel.cn/api/paas/v4 | glm-4.6v-flash（免费）/ glm-4.6v（付费） | 128K 上下文、视觉推理，注册拿 key 即用 | | 阿里百炼 DashScope | https://dashscope.aliyuncs.com/compatible-mode/v1 | qwen3-vl-flash / qwen3.7-plus / qwen3.8-max | 最便宜 VL 线，高精度 OCR；GUI 截图用 3.7-plus，难图用 3.8-max | | 火山豆包 (Ark) | https://ark.cn-beijing.volces.com/api/v3 | doubao-seed-2-1-turbo-260628 | Ark 模型 ID 带日期后缀，短名会 404 |

对应的 API Key 环境变量名：ZHIPU_API_KEY / DASHSCOPE_API_KEY / ARK_API_KEY。

默认值（组合 base）为 moonshotai / kimi-k2.5，即 Moonshot 的 Kimi K2.5（支持 text + image）。

安装

作为宿主（host）插件装进你的 profile。以 web profile 为例：

dsh plugin --profile web add dsh-image

若手动安装：

1. 把本包放进 profile 的 pnpm workspace（如 ~/.dsh/profiles/web/packages/dsh-image）；
2. pnpm-workspace.yaml 里加上 packages/dsh-image；
3. 在 profile 的 package.json 依赖里加 "dsh-image": "workspace:*"；
4. 在 cordis.patch.yml 里插入一行：

- insert:
    - id: dsh-image
      name: dsh-image

5. cd ~/.dsh/profiles/web && pnpm install，然后重启 DSH。

客户端半部（lib/client.js + dsh.client）由 Web 组合的模块系统（dsh-client-modules）扫描 exports["./client"] 自动挂载；@deepseek-ai/schemastery 与 @deepseek-ai/dsh-settings 通过 $DSH_HOME/profiles/node_modules 的平铺回退目录解析（已在 peerDependencies 中声明）。

使用

重启后：

1. 在「设置 → 模型」里确认已配置好一个多模态 provider（如 Moonshot）并填入 API Key；
2. 到「设置 → 多模态LLMs」选择要用的 provider + model，点保存；
3. 在会话顶部的模型选择器里选 「多模态LLMs」（deepseek-vision / deepseek-v4-pro-vision），或把它设为默认模型；
4. 直接发图即可：图片会被自动转成文字交给 DeepSeek。

发布

npm publish

发布前请按需：

• 改包名 / 加 scope（name 字段）；
• 确认 version、description、license；
• 若改动了对 DSH 包的依赖（@deepseek-ai/schemastery、@deepseek-ai/dsh-settings），在 peerDependencies 里同步对应版本。

已知边界 / 后续

• 图片描述是「先转文字再交给 DeepSeek」，因此对图片里精确的文字/图表细节，识别精度取决于所配置的视觉模型。
• 转图 provider/model 下拉列表来自 llm.models 的宿主目录（排除了 deepseek-vision 自身与纯文本的 deepseek-official）；是否真的支持 image 由所选 provider 决定，选到不支持图片的模型时，转图会以「图片描述失败」降级为占位文字。
• 设置页当前只做保存/回读，不含 provider/model 列表的实时推送刷新；改动 provider 后重新打开页面即重新拉取。
• settings 命名空间暴露机制：DSH 的 web 配置 API（settings.describe/settings.update）只对「可配置 provider 的 settingsNs + 内置白名单」开放，白名单硬编码在 shipped 的 apiproxy 包里、第三方插件无法扩展（官方注释标注为 deferred work）。本插件因此用 llm.registerConfigurableProviders() 把 vision-bridge 挂进目录来暴露它；副作用是「设置 → 模型」页会把 deepseek-vision 这一行渲染成一张「unknown family」卡片（模型页按 llm-pi-ai/llm-deepseek 两个命名空间识别编辑布局），但不影响「设置 → 多模态LLMs」页的读写。等官方支持 settings.register() 暴露后，可去掉这个目录注册。