前言¶

DeepSeek Harness（DSH）的官方线路是纯文本。在 Web 里粘贴图片时，可能会遇到：

当前模型不支持图片

对智能体开发者来说，这个报错会把截图、报错图、界面图等输入直接挡在外面。dsh-plugin-multimodal 处理的是这个入口问题：先让图片附件不被拒绝，再把图片内容转成文字交给主模型。

这是什么¶

dsh-plugin-multimodal 由 shinjiyu 维护，许可证为 MIT。Node 引擎要求如下：

>=18

它的一句定位是：

Vision sidecar for DeepSeek Harness: accept image attachments on text-only models, describe them, then send text to the main model.

也就是说，当主模型本身是纯文本模型时，插件先在 GUI 侧收下图片，再调用能看图的 sidecar 生成文字描述，最后把文字发送给主模型。

核心功能¶

1. 主模型本身收图时，原样把图交给模型，不转文字。
2. 主模型是纯文本时，GUI 先收下图，sidecar 转成文字再发给主模型。
3. 提供用于磁盘截图的入口：

   see_image

4. 用于 Web 粘贴图片的贴图准入，避免当前模型不支持图片时直接拒绝。
5. 支持通过以下环境变量配置视觉 sidecar：

   DSH_VISION_BASE_URL
   DSH_VISION_API_KEY
   DSH_VISION_MODEL
   DSH_VISION_PROMPT

6. 未设置 DSH_VISION_* 时，回退：

   OPENAI_BASE_URL
   OPENAI_API_KEY

7. 支持在 profile 的 cordis.patch.yml 中配置 dsh-plugin-multimodal。

安装与启用¶

先安装到指定 profile：

dsh plugin --profile web add github:shinjiyu/dsh-plugin-multimodal

如果使用本地目录：

dsh plugin --profile web add D:\tempWorkspace\dsh-plugin-multimodal

安装后重启 DSH Web 进程：

dsh web

旧会话的工具表不会更新，需要在新会话里验证。

配置¶

环境变量方式：

DSH_VISION_BASE_URL=https://api.example/v1
DSH_VISION_API_KEY=...
DSH_VISION_MODEL=glm-4.5v
DSH_VISION_PROMPT=...

• DSH_VISION_BASE_URL：视觉接口。
• DSH_VISION_API_KEY：该接口的 key。
• DSH_VISION_MODEL：需要是真能看图的模型。
• DSH_VISION_PROMPT：可选。

未设置 DSH_VISION_* 时，回退 OPENAI_BASE_URL / OPENAI_API_KEY。

也可以在 profile 的 cordis.patch.yml 中写：

- id: dsh-plugin-multimodal
  name: dsh-plugin-multimodal
  inject: [llm, tools, attachments, systemPrompt]
  config:
    model: glm-4.5v
    apiKeyEnv: DSH_VISION_API_KEY

apiKeyEnv 写的是环境变量名，key 本身不要写进仓库。

典型用法¶

先做一次验收：

1. 主模型使用官方纯文本模型。
2. 配置一个真能看图的 sidecar。
3. 在 Web 中粘贴一张报错截图，并问“红字说了什么”。
4. 通过标准：不再出现“当前模型不支持图片”，主模型能引用图上的文字。

磁盘文件场景：

如果截图已经是磁盘上的文件，可以让它调用：

see_image

适用场景与注意¶

适合：

• 主模型走 DSH 官方纯文本线路。
• 需要在 Web 里粘贴截图，并让主模型基于文字继续处理。
• 需要处理磁盘上的截图文件。
• 希望保持主模型纯文本输入，同时补上图片入口。

注意：

• 不要把 sidecar 指到 GLM-5.2-FP8 这类文本模型。
• 不要把 sidecar 指到 deepseek-v4-flash 或其他纯文本模型。
• 不要把 key 写进仓库。
• 不要改 runtime/ 或官方 DeepSeek adapter。
• 不要把它宣传成视觉工具箱；它的定位是贴图准入，不是视觉工具箱。
• 插件以当前 dsh 进程权限运行，安装前应检查源码与许可证。
• 微信群不是官方群。README 中提到的本张微信群码有效期到 2026-08-23；按 2026-09-01 的日期看可能已过期，是否可用以仓库内最新说明为准。

结尾¶

dsh-plugin-multimodal 补的是 DSH 纯文本会话里的贴图入口：它不改主模型的文本路线，而是用 sidecar 先把图片转成文字。

DSH 插件生态的社区目录是独立站点，与 DeepSeek / 幻方无官方从属关系；目录页入口以仓库 README 中给出的说明为准。

GitHub：

https://github.com/shinjiyu/dsh-plugin-multimodal