前言¶
用 DeepSeek Harness（DSH）做智能體開發時，你大概率遇到過這個問題：內置的 read_image 工具會把圖片塊直接塞進當前模型的上下文，只有當前主模型本身支持圖片才能用。如果你的主模型是 deepseek v4 flash 這類純文本模型，調用 read_image 會被直接拒絕——主模型看不見圖，讀圖這條路徑就斷了。
dsh-auto-vision 換了一條路：由插件內部把圖片轉發給一個多模態模型識別，主模型全程只看到文本。本文介紹它的原理、安裝和配置方式。
這是什麼¶
dsh-auto-vision 是一個 DSH 插件，由 NormanFxxkingRockwell 維護，MIT 協議開源，當前版本 0.4.0（2026-08-24 發佈）。它的定位一句話可以說清：自動發現你已配置的多模態模型，給純文本主模型裝上 vision 工具，識別結果以純文本返回，零配置，一條命令安裝。
前提是你的 dsh 裏至少配置了一個聲明瞭圖片輸入的多模態模型。沒有的話，插件會在啓動時報錯並給出處理建議。
核心工作方式¶
插件做了三件事：
1、自動隱藏 read_image。純文本主模型的會話裏，插件會藏掉必然失敗的 read_image，讓模型只能走 vision，不會先撞一次失敗再換路。切到多模態主模型時，原生 read_image 自動恢復，兩者互不干擾。
2、vision 工具調用多模態模型。主模型給你一個圖片文件路徑（或讓它訪問某個圖片文件），它會自動調 vision，插件把圖片轉給多模態模型，識別結果以純文本返回。
3、圖片不進主會話。圖片塊只存在於插件內部的視覺請求中，主模型上下文裏不會有任何圖片，不會被污染、不會報錯。
識別請求走的是宿主自己的模型運行時（ctx.llm），用你已配置的 key 和重試策略，不需要任何額外的 API key 或服務。整個插件零運行時依賴，不依賴任何 npm 包，只用宿主服務。
自動發現與 failover¶
默認零配置。插件把已註冊 provider 中所有聲明 image 模態的模型列爲候選，按「顯式 prefer → 你在 settings 配置的 provider → 其餘已註冊 provider」排序。
候選模型按序嘗試，遇到空內容、報錯或中止會自動切換下一個——目錄裏聲明瞭 image 但實際不可用（比如未配 key 的官方佔位模型）不會被卡住。插件還會記錄上次成功的模型，下次優先使用它。
啓動時有預檢：如果手動指定的模型不支持圖片，或自動發現落空，插件會在啓動時就報出可操作的錯誤，而不是等你調用時才崩。
vision 工具的參數：
file_path：單圖路徑file_paths：多圖路徑數組，一次請求最多 10 張，按編號逐張描述instruction：可選，識別要求
它與 read_image 共用同一套附件管線和大小限制。
安裝¶
兩種方式任選。方式一，npm 安裝（推薦）：
dsh plugin --profile <你的profile名> add dsh-auto-vision
方式二，GitHub 源碼安裝（純 JS、零構建步驟，無需構建授權）：
dsh plugin --profile <你的profile名> add github:NormanFxxkingRockwell/dsh-auto-vision
裝好後直接用，不需要額外配置。
配置（均可選）¶
所有配置項都是可選的，不配置也能通過自動發現工作。
在 profile 的 cordis.patch.yml 裏覆蓋插件配置，比如手動指定視覺模型：
- id: dsh-auto-vision
config:
provider: bailian
model: qwen3.7-plus
可用配置項：
| 配置項 | 說明 |
|---|---|
provider + model |
手動指定視覺模型，兩個必須成對給出，啓動時校驗確實支持圖片，否則報錯 |
prefer |
自動發現時優先嚐試的 provider 順序，例如 prefer: [bailian] |
discovery: false |
關閉自動發現，此時必須手動指定 provider/model，否則插件報錯 |
autoHideReadImage: false |
關閉「自動隱藏 read_image」 |
transcribeImages: false |
關閉「粘貼圖片轉述」（實驗性功能，見下文） |
自動發現靠的是「模型聲明瞭 image 模態」。如果你的模型還沒聲明，在 settings.yaml 裏給支持圖片的模型加上 input: [text, image]：
providers:
bailian:
models:
- id: qwen3.7-plus
name: Qwen3.7-Plus
contextWindow: 100000
input: [text, image]
典型用法¶
裝好後，在主對話裏直接說：
讀這張圖
C:\path\to\image.jpg描述一下
主模型會自動調用 vision 工具，把識別結果以文本形式返回給你。多張圖也一樣，把多個路徑放進 file_paths，一次請求最多 10 張，按編號逐張描述。
有一點要明確：在聊天框直接粘貼圖片，目前無法自動讀。dsh 官方在消息准入層硬編碼拒絕了純文本模型攜帶圖片（報錯 MODEL_DOES_NOT_SUPPORT_IMAGES），這一步發生在任何插件鉤子之前，且沒有公開擴展點。所以請把圖片保存爲文件，再把文件路徑給模型——文件路徑讀圖這段是全自動的。
插件已經實現了「粘貼圖片自動轉述」（agent/pre-step 鉤子，把會話內消息的圖片塊轉述爲【圖片轉述】開頭的文字，帶緩存），但受上述准入限制，該路徑當前不可達，屬於實驗性功能，等官方開放後可自動生效。
適用場景與注意¶
這個插件適合的場景很明確：主模型用純文本模型（如 deepseek v4 flash），但手頭有其他已配置的多模態模型（如 qwen3.7-plus），想讓前者獲得讀圖能力，又不想改主模型或加服務。
使用前注意三點：
1、必須已配置至少一個聲明瞭圖片輸入的多模態模型，否則插件啓動即報錯。
2、手動指定視覺模型時，provider 與 model 必須成對給出，且啓動時會校驗該模型確實支持圖片。
3、插件以當前 dsh 進程的權限運行，安裝前建議先檢查源碼與許可證。dsh-auto-vision 是 MIT 協議，源碼在 GitHub 上可查。
結尾¶
dsh-auto-vision 解決的是一個具體問題：純文本主模型讀不了圖。它不引入新服務、不加新 key，靠自動發現你已有的多模態模型，把文件路徑讀圖變成一條命令裝好就能用的能力，且啓動時就把配置錯誤報出來。如果你在 DSH 裏用純文本主模型，又偶爾需要讀圖，值得一試。
- GitHub：https://github.com/NormanFxxkingRockwell/dsh-auto-vision
- 社區目錄頁：https://www.skillhub.cn/plugins/NormanFxxkingRockwell/dsh-auto-vision （獨立社區站點，與 DeepSeek / 幻方無官方從屬關係）
