dsh-vision：DeepSeek Harness 識圖路由插件

DeepSeek Harness 的核心設計理念是「一切皆插件」。在構建智能體或工作流時，經常會遇到純文本路由模型（如 DeepSeek）需要處理圖片附件的場景。直接發送圖片會導致模型報錯或無法理解，強行轉爲 Base64 又會增加 Token 消耗。dsh-vision 插件解決了這一痛點，通過一個橋接層，讓純文本模型也能「看」懂圖片。

插件介紹¶

dsh-vision 是一個用於 DeepSeek Harness 的 Vision Bridge 插件，由用戶 lakeofsky347 維護。它通過將用戶上傳的圖片交給專門的視覺模型生成文字描述，再將描述回填給純文本模型，從而避免內容不支持導致的整輪對話失敗。

核心功能¶

圖片轉文字：自動將圖片塊交給視覺模型（默認 xiaomi/mimo-v2-omni）生成描述，替換原圖片塊。
記憶化緩存：按 (session, 附件 ID) 記憶描述，歷史回放複用文本，避免重複計費。
容錯降級：視覺模型調用失敗時，降級爲佔位文本，保證 DeepSeek 回合不中斷。
併發隔離：使用 WeakSet 標記不同回合，無全局狀態，互不干擾。
Bundle 模式：安裝後自動插入插件行，無需手動編寫配置。
零開銷透傳：請求中無圖片塊或路由模型原生支持圖片時，原樣透傳。

安裝與啓用¶

插件以 Bundle 模式發佈，安裝命令如下：

dsh plugin --profile web add github:lakeofsky347/dsh-vision

注意事項¶

環境要求：需安裝 pnpm 版本 ≥ 10。
構建權限：首次從 GitHub 安裝時，git 依賴的 prepare 腳本默認被禁止，安裝會失敗。此時需在 profile 的 pnpm-workspace.yaml 中添加 allowBuilds.dsh-vision: true，然後重新執行安裝命令。
許可協議：MIT 許可證。

配置與使用¶

安裝後，插件會自動插入配置行。需要在本地 ~/.dsh/profiles/<name>/cordis.patch.yml 文件中覆蓋配置，指定視覺模型的 provider 和 model：

- id: vision
  name: dsh-vision
  config:
    provider: xiaomi-token-plan-cn
    model: mimo-v2.5

配置項說明如下：

配置項	默認值	說明
`provider`	`xiaomi`	視覺模型所在的路由
`model`	`mimo-v2-omni`	視覺模型 ID
`prompt`	(見源碼)	隨圖發給視覺模型的指令
`cache`	`true`	是否按會話和附件記憶化描述
`maxTokens`	-	視覺調用輸出 token 上限（可省略）

在純文本模型會話中直接處理圖片附件，插件會自動介入並完成轉換。

技術原理¶

插件在 llm/stream waterfall 上註冊監聽器，根據不同情況採取不同策略：

無圖片塊：直接調用 next() 原樣透傳（零開銷）。
原生支持圖片：如果路由模型聲明瞭 image 輸入模態（如直接路由到 mimo），請求原樣放行。
純文本模型 + 圖片：插件否決鏈並返回惰性異步生成器：
- 解析路由模型的輸入模態。
- 遍歷消息，對攜帶圖片塊的內容調用一次視覺模型（基於 (session, 附件 ID) 緩存）。
- 將圖片塊替換爲 [用戶附件圖片的視覺描述] 文本塊後重建請求。
- 帶重入標記重新進入 ctx.llm.stream()，防止再次觸發監聽。

適用場景與注意¶

該插件適用於需要在純文本路由模型中處理圖片附件的場景。由於插件以當前進程權限運行，安裝前請務必檢查源碼與許可證。更多細節可參考插件目錄頁或 GitHub 倉庫。

插件目錄 | GitHub 倉庫