前言¶

在 DSH（DeepSeek Harness）里用文本模型对话时，想贴一张截图、一段报错界面或一张表格照片，通常只有两条路：换一个原生多模态模型接管整个对话，或者在对话之外手动把图片描述成文字再粘贴进来。前者等于换掉对话大脑，后者每次都要重复操作。

DSH 的理念是「一切皆插件」，这件事也可以交给插件解决。下面介绍的 dsh-vision-recognizer 做的就是：保持 DeepSeek 作为对话大脑，随时附加图片，并可在 设置 → 插件 里随时切换识图供应商。

这是什么¶

dsh-vision-recognizer 是 kaixinbaba 维护的 DSH 视觉插件，MIT 许可证，当前版本 0.2.0，要求 node >= 22.19.0、dsh >= 0.1.0-rc.8。

它注册一条 adaptive provider 路由（默认 id 为 vision-recognizer，在模型选择器中显示为「DeepSeek + 智能识图」），包裹所配置的对话供应商，DeepSeek 是默认被包裹的对话供应商。这条路由始终放行图片附件，再按实际选中的模型分流：

粘贴图片 ─▶ vision-recognizer 路由 ─▶ 选中的模型支持图片输入？
                                        ├─ 是 → 原生图片请求，直接透传图片块
                                        └─ 否 → 调用所配置视觉模型转译为文字，
                                                纯文本模型收到 [图片转译] 结果

也就是说，原生多模态模型看到的是原始图片块，纯文本模型收到的是识图模型转译好的文字，对话大脑始终不变。

核心功能¶

供应商与协议¶

内置 15+ 国内外供应商：OpenAI、Anthropic Claude、Google Gemini、OpenRouter、Azure OpenAI、Ollama（本地）、阿里 DashScope、QwenCloud (Intl)、智谱 GLM、百度千帆、讯飞星火、Moonshot Kimi、腾讯混元、火山引擎豆包、SiliconFlow；任意 OpenAI 兼容端点可通过自定义供应商接入。

协议上同时支持 OpenAI 兼容（/chat/completions）与原生 Anthropic Messages，Claude 开箱即用。

防挂起与回退链¶

• 本地 / 匿名端点有硬性 20s 超时上限；
• HTTP 429 快速失败；
• 失败端点冷却 60s；
• 无 key 且无本地 Ollama 时快速失败，并给出可操作的指引，而不是把请求挂住。

主模型失败后，插件按序尝试 fallbackModels 里的每个条目（每项可指向不同厂商），全部失败才报错，并列出每一次尝试。

缓存与本地路径¶

• 内容哈希缓存：同一张图片每进程最多转译一次（进程内缓存，上限 200 条）；
• autoLocalOllama（默认开启）会探测 http://localhost:11434，把运行中的 Ollama 前置到回退链中，图片不出本机。

安装与启用¶

安装只需一条命令，插件无构建脚本、完全无原生依赖（不需要 sharp 审批）：

dsh plugin --profile web add dsh-vision-recognizer

npm 源慢时，可以指定镜像：

dsh plugin --profile web add dsh-vision-recognizer --registry=https://registry.npmmirror.com

本地开发安装：

dsh plugin --profile web add file:/path/to/dsh-vision-recognizer

注意必须带 file: 前缀。裸写 add . 或 add link: 会让 pnpm 以符号链接方式安装包，插件的 schemastery 依赖会从源码目录解析而找不到，导致失败。这是 pnpm symlink 安装的通用问题，不是插件本身的 bug。

重启 dsh web 后，做三件事：

1、在模型选择器选择「DeepSeek + 智能识图」；
2、打开 设置 → 插件 → Vision，选择回退视觉供应商、填入 API key 并保存；
3、在对话中粘贴图片——原生多模态选中模型直接接收原图，纯文本选中模型收到 [图片转译] 结果。

选中原生多模态模型时不需要回退 key；纯文本模型且既无 key 也无本地 Ollama 时，该轮对话会快速失败并给出指引，而不是挂起。

配置入口与存储¶

设置 → 插件 → Vision 里可以完成全部配置：选择供应商、填写 API key、覆盖 model / endpoint / token 上限 / 超时 / marker，保存后立即生效，无需重启。

UI 保存的配置写入 $DSH_HOME/vision-recognizer.json，启动时合并到打包默认值之上；cordis.patch.yml 只承载出厂默认值，用户 cordis.patch.yml 的覆盖仍可作为组合期回退。

有一个 patch 语义要留意：插件包自带的 - insert: 会把这行追加进条目列表，如果你在自己的 cordis.patch.yml 里再写同 id（dsh-vision-recognizer）的 - insert:，适配器会被重复注册（未定义行为）。想覆盖个别键，应写单个顶层 - id: dsh-vision-recognizer 条目，更好的做法是直接用设置 UI。

Key 的解析顺序是：UI 填写的 key → 供应商环境变量 → $VISION_API_KEY / $DASHSCOPE_API_KEY。

另外，各供应商的默认模型只是起点，模型 id 会随时间漂移，可在设置 UI 中覆盖 Model。

适用范围与已知限制¶

自适应回退只在选中「DeepSeek + 智能识图」这条包裹路由时生效；选择其他供应商路由会直接调用该路由。rc8 未暴露可以给所有现有路由统一加回退行为的公共 decorator hook。

rc8 还有两个已知限制：能力查找与已准备目标分发是分离的公共操作，在这个小窗口内被 HMR 替换的目标适配器可能与路由决策竞态；嵌套的目标委托也会进入 llm/stream 瀑布（README 在该处的描述被截断，细节以仓库为准）。

适用场景与安装前注意¶

适合的人群：

• 主要用 DeepSeek 做对话大脑，但希望随时能贴图的用户；
• 想在多家识图供应商之间随时切换、或优先用本地 Ollama 让图片不出本机的用户；
• 固定只用某一家原生多模态模型的用户则不需要这条包裹路由，直接选择该供应商路由即可。

安装前注意：插件以当前 dsh 进程的权限运行，建议先到 GitHub 仓库检查源码与许可证（本项目为 MIT）再安装。

小结¶

dsh-vision-recognizer 用一条自适应包裹路由解决了「想贴图又不想换对话大脑」的问题：多模态模型直接收图，纯文本模型自动落到识图转译，供应商可在设置里随时切换，本地 Ollama 开箱可用。

• 插件目录页：https://www.skillhub.cn/plugins/kaixinbaba/dsh-vision-recognizer
• GitHub 仓库：https://github.com/kaixinbaba/dsh-vision-recognizer

目录页为社区维护的独立站点，与 DeepSeek / 幻方无官方从属关系。