前言¶

在 DeepSeek Harness (DSH) 中，许多文本模型（如 DeepSeek）的 inputModalities 只有 text。当尝试在对话中粘贴图片时，DSH 的 api-proxy 会在发送阶段直接拒绝含图消息（报错“当前模型不支持图片”）。dsh-image-bridge 插件解决了这一限制，使文本模型能够在 DSH 环境中接收并处理图片。

插件介绍¶

定位：DSH 插件，由开发者 haitang1 维护。
核心价值：让文本模型在 DSH 里也能正常粘贴并发送图片。

核心功能¶

1. 图片落盘：图片会自动写入会话工作区的 .attachments/ 目录。
2. 界面展示：对话区显示图片缩略图（可点击放大），不再显示文件路径文字。
3. 模型输入：模型侧会收到 [图片N]:"<路径>" 的文本，模型可据此调用已有的视觉或 MCP 工具（例如 vision_glance、mcp__mcp-vision__analyze_image）。
4. 原生支持：本身支持图片的模型不做任何处理，走原生路径。
5. 技术实现：
   - 包装 llm.resolveModelInfo 放行预检。
   - 在 agent/pre-step 中用 attachments.readImage 落盘。
   - 利用 agent/request-error 解耦显示与模型输入。

安装与启用¶

本包是 profile bundle（package.json 声明了 dsh.bundle.patch）。在 DSH 源码 checkout 根目录执行：

pnpm dsh plugin --profile web add 'github:haitang1/dsh-image-bridge#b5c64ea'

安装成功后，插件会自动加入该 profile 的 dsh.profile.bundles，下次启动（或长驻 surface 热载后）生效。

如果 CLI 不可用，可手工等价操作：
1. 编辑 $DSH_HOME/profiles/<profile>/package.json：
- 在 dependencies 添加："dsh-image-bridge": "github:haitang1/dsh-image-bridge#b5c64ea"
- 在 dsh.profile.bundles 数组末尾添加："dsh-image-bridge"
2. 在该 profile 目录执行 pnpm install。

原理与实现¶

文本模型通常被 api-proxy 拒绝。本插件通过三个步骤实现支持：

1. 放行预检：包装 llm.resolveModelInfo，对文本模型补上 image 模态，让含图消息进入 agent 流程。
2. 落盘：在 agent/pre-step 里用 attachments.readImage 读出图片字节，写到工作区 .attachments/<sha256>.<ext>。
3. 解耦显示与模型输入：利用 DSH 的 surface replace 机制，在 agent/request-error 里追加一条“仅模型可见”的替换事件，把图片块在模型可见面换成 [图片N]:"<路径>"，而人类 transcript 仍渲染原图。首次调用会因适配器拒绝图片在本地失败（无 API 开销），随后自动重试。

使用注意¶

1. 命令与图片混用限制：命令（以 / 开头）与图片不要在同一轮混用。DSH 客户端输入框的“命令路径”提交时（如 /plan、/goal 等）不会携带草稿图片，图片会留在输入框。变通方式是先发命令，再单独发图；或命令与图片分开两条消息发送。
2. 历史图片处理：会话历史中残留的视觉模型产生的图片块（未切换前），切回文本模型后这些历史图片不在本插件处理范围，可能触发适配器报错。建议切回文本模型前清空或压缩历史。

总结¶

该插件通过包装接口和利用 DSH 的 surface replace 机制，使纯文本模型也能通过 MCP 工具处理图片。对于需要视觉能力的文本模型开发场景，这是一个必要的工具。更多详情请访问 GitHub。