前言¶

在 DeepSeek Harness (DSH) 中，許多文本模型（如 DeepSeek）的 inputModalities 只有 text。當嘗試在對話中粘貼圖片時，DSH 的 api-proxy 會在發送階段直接拒絕含圖消息（報錯“當前模型不支持圖片”）。dsh-image-bridge 插件解決了這一限制，使文本模型能夠在 DSH 環境中接收並處理圖片。

插件介紹¶

定位：DSH 插件，由開發者 haitang1 維護。
核心價值：讓文本模型在 DSH 裏也能正常粘貼併發送圖片。

核心功能¶

1. 圖片落盤：圖片會自動寫入會話工作區的 .attachments/ 目錄。
2. 界面展示：對話區顯示圖片縮略圖（可點擊放大），不再顯示文件路徑文字。
3. 模型輸入：模型側會收到 [圖片N]:"<路徑>" 的文本，模型可據此調用已有的視覺或 MCP 工具（例如 vision_glance、mcp__mcp-vision__analyze_image）。
4. 原生支持：本身支持圖片的模型不做任何處理，走原生路徑。
5. 技術實現：
   - 包裝 llm.resolveModelInfo 放行預檢。
   - 在 agent/pre-step 中用 attachments.readImage 落盤。
   - 利用 agent/request-error 解耦顯示與模型輸入。

安裝與啓用¶

本包是 profile bundle（package.json 聲明瞭 dsh.bundle.patch）。在 DSH 源碼 checkout 根目錄執行：

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

安裝成功後，插件會自動加入該 profile 的 dsh.profile.bundles，下次啓動（或長駐 surface 熱載後）生效。

如果 CLI 不可用，可手工等價操作：
1. 編輯 $DSH_HOME/profiles/<profile>/package.json：
- 在 dependencies 添加："dsh-image-bridge": "github:haitang1/dsh-image-bridge#b5c64ea"
- 在 dsh.profile.bundles 數組末尾添加："dsh-image-bridge"
2. 在該 profile 目錄執行 pnpm install。

原理與實現¶

文本模型通常被 api-proxy 拒絕。本插件通過三個步驟實現支持：

1. 放行預檢：包裝 llm.resolveModelInfo，對文本模型補上 image 模態，讓含圖消息進入 agent 流程。
2. 落盤：在 agent/pre-step 裏用 attachments.readImage 讀出圖片字節，寫到工作區 .attachments/<sha256>.<ext>。
3. 解耦顯示與模型輸入：利用 DSH 的 surface replace 機制，在 agent/request-error 裏追加一條“僅模型可見”的替換事件，把圖片塊在模型可見面換成 [圖片N]:"<路徑>"，而人類 transcript 仍渲染原圖。首次調用會因適配器拒絕圖片在本地失敗（無 API 開銷），隨後自動重試。

使用注意¶

1. 命令與圖片混用限制：命令（以 / 開頭）與圖片不要在同一輪混用。DSH 客戶端輸入框的“命令路徑”提交時（如 /plan、/goal 等）不會攜帶草稿圖片，圖片會留在輸入框。變通方式是先發命令，再單獨發圖；或命令與圖片分開兩條消息發送。
2. 歷史圖片處理：會話歷史中殘留的視覺模型產生的圖片塊（未切換前），切迴文本模型後這些歷史圖片不在本插件處理範圍，可能觸發適配器報錯。建議切迴文本模型前清空或壓縮歷史。

總結¶

該插件通過包裝接口和利用 DSH 的 surface replace 機制，使純文本模型也能通過 MCP 工具處理圖片。對於需要視覺能力的文本模型開發場景，這是一個必要的工具。更多詳情請訪問 GitHub。