前言¶
DeepSeek Harness (DSH) 的设计理念是“一切皆插件”。当活跃的文本模型无法直接处理图像输入时，zh-u-hb/dsh-vision-bridge 插件能够介入。它监听 DSH 的消息处理流水线，在文本模型报告不支持图像输入时，将图像消息转发至用户配置的 OpenAI 兼容视觉模型，并将返回的文本替换回对话流中。
插件简介¶
这是一个由 Zh-U-hB 维护的联网工具类插件。它提供了一个 Web 设置页面，允许用户配置 OpenAI 兼容的 API 端点和密钥。当激活时，插件会拦截图像消息，将其发送给配置的视觉模型，并将返回的文本替换回对话流中。
核心功能¶
- 托管与配置：提供宿主插件和 Web 设置页面。
- 消息路由：监听
agent/pre-step流水线，在活跃文本模型报告不支持图像输入时，将图像消息转发至外部端点。 - 提示词合成：自动要求文本模型编写针对图像的提示词，并将系统提示词与图像数据组合发送。
安装与启用¶
安装脚本会将插件安装到默认的 web 配置文件中。安装后需重启服务。
- 执行安装命令：
./install.sh
若需安装到其他配置文件，可使用环境变量：
DSH_PROFILE=myprofile ./install.sh
- 重启 DSH Web 服务：
dsh web
配置步骤¶
通过 Web 设置页面进入 vision-bridge 命名空间下的 Vision 部分。
必须配置以下字段才能启用桥接：
* enabled：是否启用图像桥接功能。
* url：OpenAI 兼容 API 的基础地址（或完整地址，需以 /chat/completions 结尾）。
* apiKey：用于认证的 Bearer Token。
* model：指定要调用的视觉模型 ID。
设置页面对 API Key 进行了脱敏处理，空白字段会被视为“保留已保存的密钥”。
工作原理¶
插件监听 agent/pre-step 流水线。在消息被追加到会话日志之前，系统会检查消息是否包含图像内容块。
- 如果当前活跃的模型明确支持图像输入，消息原样通过。
- 如果模型仅支持文本，且配置了端点，插件会执行以下操作：
* 请求当前文本模型根据消息文本编写一个精确的视觉提示词。
* 组装系统提示词。
* 向配置的 OpenAI 兼容端点发送 POST 请求，内容包含系统提示、编写的提示词以及 Base64 编码的图像数据。
* 将返回的文本替换原始图像块。
注意事项与限制¶
- 仅支持 OpenAI 协议：仅支持标准的
/chat/completions端点。 - 图像来源限制：仅处理在
agent/pre-step阶段收到的图像消息。如果图像已经通过其他路径（例如工具执行结果）到达会话日志，插件不会重写它。 - 前置条件：需要活跃的模型在元数据中明确声明为
text-only才会触发桥接。如果模型未声明模态信息，消息将保持不变。 - 密钥管理：Web 界面无法直接清除已保存的 API Key，需要直接编辑原始配置文档。
总结¶
该插件通过在 DSH 的流水线中注入逻辑，解决了文本模型无法直接处理图像的问题。配置完成后，它能够无缝地将图像分析任务委托给外部视觉模型，同时保持对话记录的可重构性。
