前言¶
在 DeepSeek Harness (DSH) 的开发场景中，如果主对话模型不支持视觉模态，直接发送图片字节会占用大量上下文，或者直接导致请求失败。dsh-view-image 插件通过引入独立的 OpenAI 兼容视觉模型，解决了这个问题：主对话历史只保留纯文本描述，图片字节不进上下文，从而让纯文本模型也能读取图片。
是什么¶
dsh-view-image 是一个 DSH 插件，由 johnoooooo 维护。它允许用户配置独立的视觉模型来识别图片，并将识别结果以纯文本形式插入主对话历史，使纯文本模型具备读图能力。
核心功能¶
- 纯文本模型也能读图：主对话历史只保留「工具调用 + 纯文本结果」，图片字节不进模型上下文。
- Web 粘贴图片即用：输入框直接粘贴图片即可，纯文本路由下自动落库为持久附件并改写为文本标记。
- 聊天流内联缩略图：用户消息内联显示粘贴图（右对齐、240px、object-fit cover），支持点击放大、悬停「复制」按钮一键加入输入框、拖拽回输入框。
- 终端 / headless 读图：模型传文件路径即可读图，适合脚本化场景。
- 界面语言跟随 dsh：按钮和反馈文案随 dsh 界面语言实时切换。
- 识别行为可配置：默认提示词、intent 后缀、主模型 intent 软引导均可在 profile 配置层覆盖。
- 附件持久化：内容寻址（sha256）、同图去重、完整性校验，会话可恢复。
- 视觉模型可插拔：支持 OpenAI 兼容端点（如 Ollama、vLLM、LiteLLM 等）。
安装与启用¶
克隆仓库并安装到目标 profile（把 web 换成你的 profile 名）：
git clone https://github.com/johnoooooo/dsh-view-image.git
cd dsh-view-image
dsh plugin --profile web add file:$PWD
安装完成后重启 dsh 生效。
配置视觉模型¶
插件依赖独立的视觉模型。配置文件为 vision-model.json，默认位置为 ~/.dsh/vision-model.json。
复制示例配置文件并编辑：
cp vision-model.example.opencode.json ~/.dsh/vision-model.json
在配置文件中填入 OpenAI 兼容端点的信息：
baseUrl：OpenAI 兼容端点地址（如 Ollama/v1、vLLM、阿里云百炼等）。apiKey：端点 API Key。model：视觉模型名称。api：协议类型，默认为openai-completions。maxTokens：最大输出 token。
配置缺失时插件正常加载但不注册 view_image 工具，补齐后重启或执行 /reload 生效。
使用方法¶
Web 界面
- 在输入框直接粘贴图片（Ctrl+V）。
- 纯文本路由下，插件将图片落库为持久附件，替换成文本标记发给模型——不再弹「当前模型不支持图片」。
- 模型看到标记后自动调用
view_image，返回纯文本描述。聊天流内会显示图片缩略图，支持点击放大、悬停复制、拖拽回输入框等操作。
终端 / headless
模型会自动调用 view_image 工具读取图片：
dsh --profile headless "用 view_image 工具查看 /path/to/img.png 并描述内容"
附件存储与注意¶
附件存储在 ~/.dsh/attachments/v1/objects/。文件按 sha256 内容寻址，同图去重。
注意：插件没有自动垃圾回收（GC）机制。删除会话不会清理附件，如需清空请手动删除该目录。
