前言¶

在 DeepSeek Harness (DSH) 的開發場景中，如果主對話模型不支持視覺模態，直接發送圖片字節會佔用大量上下文，或者直接導致請求失敗。dsh-view-image 插件通過引入獨立的 OpenAI 兼容視覺模型，解決了這個問題：主對話歷史只保留純文本描述，圖片字節不進上下文，從而讓純文本模型也能讀取圖片。

是什麼¶

dsh-view-image 是一個 DSH 插件，由 johnoooooo 維護。它允許用戶配置獨立的視覺模型來識別圖片，並將識別結果以純文本形式插入主對話歷史，使純文本模型具備讀圖能力。

核心功能¶

1. 純文本模型也能讀圖：主對話歷史只保留「工具調用 + 純文本結果」，圖片字節不進模型上下文。
2. Web 粘貼圖片即用：輸入框直接粘貼圖片即可，純文本路由下自動落庫爲持久附件並改寫爲文本標記。
3. 聊天流內聯縮略圖：用戶消息內聯顯示粘貼圖（右對齊、240px、object-fit cover），支持點擊放大、懸停「複製」按鈕一鍵加入輸入框、拖拽回輸入框。
4. 終端 / headless 讀圖：模型傳文件路徑即可讀圖，適合腳本化場景。
5. 界面語言跟隨 dsh：按鈕和反饋文案隨 dsh 界面語言實時切換。
6. 識別行爲可配置：默認提示詞、intent 後綴、主模型 intent 軟引導均可在 profile 配置層覆蓋。
7. 附件持久化：內容尋址（sha256）、同圖去重、完整性校驗，會話可恢復。
8. 視覺模型可插拔：支持 OpenAI 兼容端點（如 Ollama、vLLM、LiteLLM 等）。

安裝與啓用¶

克隆倉庫並安裝到目標 profile（把 web 換成你的 profile 名）：

git clone https://github.com/johnoooooo/dsh-view-image.git
cd dsh-view-image
dsh plugin --profile web add file:$PWD

安裝完成後重啓 dsh 生效。

配置視覺模型¶

插件依賴獨立的視覺模型。配置文件爲 vision-model.json，默認位置爲 ~/.dsh/vision-model.json。

複製示例配置文件並編輯：

cp vision-model.example.opencode.json ~/.dsh/vision-model.json

在配置文件中填入 OpenAI 兼容端點的信息：

• baseUrl：OpenAI 兼容端點地址（如 Ollama /v1、vLLM、阿里雲百鍊等）。
• apiKey：端點 API Key。
• model：視覺模型名稱。
• api：協議類型，默認爲 openai-completions。
• maxTokens：最大輸出 token。

配置缺失時插件正常加載但不註冊 view_image 工具，補齊後重啓或執行 /reload 生效。

使用方法¶

Web 界面

1. 在輸入框直接粘貼圖片（Ctrl+V）。
2. 純文本路由下，插件將圖片落庫爲持久附件，替換成文本標記發給模型——不再彈「當前模型不支持圖片」。
3. 模型看到標記後自動調用 view_image，返回純文本描述。聊天流內會顯示圖片縮略圖，支持點擊放大、懸停複製、拖拽回輸入框等操作。

終端 / headless

模型會自動調用 view_image 工具讀取圖片：

dsh --profile headless "用 view_image 工具查看 /path/to/img.png 並描述內容"

附件存儲與注意¶

附件存儲在 ~/.dsh/attachments/v1/objects/。文件按 sha256 內容尋址，同圖去重。

注意：插件沒有自動垃圾回收（GC）機制。刪除會話不會清理附件，如需清空請手動刪除該目錄。