前言¶

在 DSH（DeepSeek Harness）裏用文本模型對話時，想貼一張截圖、一段報錯界面或一張表格照片，通常只有兩條路：換一個原生多模態模型接管整個對話，或者在對話之外手動把圖片描述成文字再粘貼進來。前者等於換掉對話大腦，後者每次都要重複操作。

DSH 的理念是「一切皆插件」，這件事也可以交給插件解決。下面介紹的 dsh-vision-recognizer 做的就是：保持 DeepSeek 作爲對話大腦，隨時附加圖片，並可在 設置 → 插件 裏隨時切換識圖供應商。

這是什麼¶

dsh-vision-recognizer 是 kaixinbaba 維護的 DSH 視覺插件，MIT 許可證，當前版本 0.2.0，要求 node >= 22.19.0、dsh >= 0.1.0-rc.8。

它註冊一條 adaptive provider 路由（默認 id 爲 vision-recognizer，在模型選擇器中顯示爲「DeepSeek + 智能識圖」），包裹所配置的對話供應商，DeepSeek 是默認被包裹的對話供應商。這條路由始終放行圖片附件，再按實際選中的模型分流：

粘貼圖片 ─▶ vision-recognizer 路由 ─▶ 選中的模型支持圖片輸入？
                                        ├─ 是 → 原生圖片請求，直接透傳圖片塊
                                        └─ 否 → 調用所配置視覺模型轉譯爲文字，
                                                純文本模型收到 [圖片轉譯] 結果

也就是說，原生多模態模型看到的是原始圖片塊，純文本模型收到的是識圖模型轉譯好的文字，對話大腦始終不變。

核心功能¶

供應商與協議¶

內置 15+ 國內外供應商：OpenAI、Anthropic Claude、Google Gemini、OpenRouter、Azure OpenAI、Ollama（本地）、阿里 DashScope、QwenCloud (Intl)、智譜 GLM、百度千帆、訊飛星火、Moonshot Kimi、騰訊混元、火山引擎豆包、SiliconFlow；任意 OpenAI 兼容端點可通過自定義供應商接入。

協議上同時支持 OpenAI 兼容（/chat/completions）與原生 Anthropic Messages，Claude 開箱即用。

防掛起與回退鏈¶

• 本地 / 匿名端點有硬性 20s 超時上限；
• HTTP 429 快速失敗；
• 失敗端點冷卻 60s；
• 無 key 且無本地 Ollama 時快速失敗，並給出可操作的指引，而不是把請求掛住。

主模型失敗後，插件按序嘗試 fallbackModels 裏的每個條目（每項可指向不同廠商），全部失敗才報錯，並列出每一次嘗試。

緩存與本地路徑¶

• 內容哈希緩存：同一張圖片每進程最多轉譯一次（進程內緩存，上限 200 條）；
• autoLocalOllama（默認開啓）會探測 http://localhost:11434，把運行中的 Ollama 前置到回退鏈中，圖片不出本機。

安裝與啓用¶

安裝只需一條命令，插件無構建腳本、完全無原生依賴（不需要 sharp 審批）：

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

npm 源慢時，可以指定鏡像：

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

本地開發安裝：

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

注意必須帶 file: 前綴。裸寫 add . 或 add link: 會讓 pnpm 以符號鏈接方式安裝包，插件的 schemastery 依賴會從源碼目錄解析而找不到，導致失敗。這是 pnpm symlink 安裝的通用問題，不是插件本身的 bug。

重啓 dsh web 後，做三件事：

1、在模型選擇器選擇「DeepSeek + 智能識圖」；
2、打開 設置 → 插件 → Vision，選擇回退視覺供應商、填入 API key 並保存；
3、在對話中粘貼圖片——原生多模態選中模型直接接收原圖，純文本選中模型收到 [圖片轉譯] 結果。

選中原生多模態模型時不需要回退 key；純文本模型且既無 key 也無本地 Ollama 時，該輪對話會快速失敗並給出指引，而不是掛起。

配置入口與存儲¶

設置 → 插件 → Vision 裏可以完成全部配置：選擇供應商、填寫 API key、覆蓋 model / endpoint / token 上限 / 超時 / marker，保存後立即生效，無需重啓。

UI 保存的配置寫入 $DSH_HOME/vision-recognizer.json，啓動時合併到打包默認值之上；cordis.patch.yml 只承載出廠默認值，用戶 cordis.patch.yml 的覆蓋仍可作爲組合期回退。

有一個 patch 語義要留意：插件包自帶的 - insert: 會把這行追加進條目列表，如果你在自己的 cordis.patch.yml 裏再寫同 id（dsh-vision-recognizer）的 - insert:，適配器會被重複註冊（未定義行爲）。想覆蓋個別鍵，應寫單個頂層 - id: dsh-vision-recognizer 條目，更好的做法是直接用設置 UI。

Key 的解析順序是：UI 填寫的 key → 供應商環境變量 → $VISION_API_KEY / $DASHSCOPE_API_KEY。

另外，各供應商的默認模型只是起點，模型 id 會隨時間漂移，可在設置 UI 中覆蓋 Model。

適用範圍與已知限制¶

自適應回退只在選中「DeepSeek + 智能識圖」這條包裹路由時生效；選擇其他供應商路由會直接調用該路由。rc8 未暴露可以給所有現有路由統一加回退行爲的公共 decorator hook。

rc8 還有兩個已知限制：能力查找與已準備目標分發是分離的公共操作，在這個小窗口內被 HMR 替換的目標適配器可能與路由決策競態；嵌套的目標委託也會進入 llm/stream 瀑布（README 在該處的描述被截斷，細節以倉庫爲準）。

適用場景與安裝前注意¶

適合的人羣：

• 主要用 DeepSeek 做對話大腦，但希望隨時能貼圖的用戶；
• 想在多家識圖供應商之間隨時切換、或優先用本地 Ollama 讓圖片不出本機的用戶；
• 固定只用某一家原生多模態模型的用戶則不需要這條包裹路由，直接選擇該供應商路由即可。

安裝前注意：插件以當前 dsh 進程的權限運行，建議先到 GitHub 倉庫檢查源碼與許可證（本項目爲 MIT）再安裝。

小結¶

dsh-vision-recognizer 用一條自適應包裹路由解決了「想貼圖又不想換對話大腦」的問題：多模態模型直接收圖，純文本模型自動落到識圖轉譯，供應商可在設置裏隨時切換，本地 Ollama 開箱可用。

• 插件目錄頁：https://www.skillhub.cn/plugins/kaixinbaba/dsh-vision-recognizer
• GitHub 倉庫：https://github.com/kaixinbaba/dsh-vision-recognizer

目錄頁爲社區維護的獨立站點，與 DeepSeek / 幻方無官方從屬關係。