@zzdream67/dsh-vision-bridge：让纯文本模型在 DeepSeek Harness 中读取图像

前言¶

在 DeepSeek Harness 中，直接向仅支持文本的模型粘贴图片会被拒绝，报错提示不支持图像输入。@zzdream67/dsh-vision-bridge 插件通过拦截 llm/stream 流水线，在请求到达上游提供商之前，将图像块替换为视觉模型的转录文本。这使得纯文本模型能够接收包含图片描述的文本，从而完成推理任务。

安装与启用¶

安装该插件需要确保环境已安装 dsh 命令和 pnpm（dsh plugin 内部依赖 pnpm）。推荐使用 npm 安装预构建版本。

安装 pnpm（如果尚未安装）：

    npm install -g pnpm

*注：`corepack enable pnpm` 在 Windows 上有时会因为写入权限问题失败，直接通过 npm 全局安装更为可靠。*

执行安装命令：

    dsh plugin --profile web add @zzdream67/dsh-vision-bridge

核心功能¶

该插件主要实现以下能力：
* 图像拦截与替换：拦截 LLM 流水线，将图片内容替换为视觉模型的转录。
* 模型声明注入：自动为被桥接的模型添加 input: [text, image] 声明，使其能通过 DeepSeek Harness 的准入检查。
* Web 设置页面：在 Web 设置页面注册自定义区域，提供可视化的配置界面。

配置与使用¶

插件会在 Web 设置页面的 settings.section 中注册一个自定义区域。在该页面中，可以通过三个按钮管理视觉模型：

测试并启用：向选定的视觉模型发送一张 16x16 的 PNG 图片。只有当该模型接受图片时，才会写入声明；失败则自动撤回。
直接启用：跳过测试步骤，直接写入声明。适用于已确认模型具备视觉能力的场景。
重新加载：从磁盘重新读取配置。由于桌面端没有重新加载手势，这是更新配置的唯一方式。

字段说明¶

在配置区域中，可调整以下参数：

字段	默认值	说明
`enabled`	`true`	总开关。关闭时插件保留加载但不再介入，并撤回声明。
`visionProvider`	`''`	视觉路由 ID。留空则插件不生效。
`visionModel`	`''`	视觉路由中的模型 ID。留空则插件不生效。
`prompt`	-	发送给视觉模型的提示词。
`bridge`	`[]`	需要桥接的纯文本模型 ID 列表。
`manageDeclarations`	`true`	是否让插件自动写入/撤回模态声明。
`cacheSize`	`64`	缓存的转录结果数量。设为 0 可禁用缓存。
`timeoutMs`	`120000`	单张图片转录的超时时间。

声明机制¶

DeepSeek Harness 的准入门（dsh-host-apiproxy）会检查模型的 inputModalities。如果模型未声明支持图像，请求会被拒绝，插件无法介入。

当 manageDeclarations 开启时，插件会自动为 bridge 列表中的模型添加 input: [text, image] 声明。
当插件启用且模型被桥接时，该模型实际上可以接收图像输入，因为转换发生在调用提供商之前。
声明是“准入标签”。它只影响主机层是否允许图像进入会话，不影响 Token 计数、上下文窗口或采样行为。

注意事项与实现细节¶

表单渲染：仅靠主机端的架构注册不会自动渲染表单。该插件通过手动编写浏览器端 bundle 来实现 UI。
卸载行为：
- 插件会记录声明前的输入状态。如果卸载时检测到输入被手动修改为错误格式，插件会保留该修改。
- 如果模型或路由已被删除，插件会跳过该条目（不会凭空重建）。
- 插件会尝试恢复所有其他路由的声明状态。
源码与许可证：该插件使用 MIT 许可证。安装前建议检查源码以确保符合安全要求。

总结¶

该插件解决了 DeepSeek Harness 中纯文本模型无法处理图片输入的痛点。通过在 LLM 流水线中插入视觉转录层，它让文本模型能够间接地理解图像内容。相关文档与源码可在 GitHub 查看。