dsh-auto-vision：为不支持图片输入的模型提供视觉桥接

DeepSeek Harness (DSH) 采用插件化架构，允许扩展原生不支持的功能。如果你在 deepseek-v4-pro 或 deepseek-v4-flash 等不支持图片输入的模型上发送截图，消息会被网关直接拒绝。dsh-auto-vision 插件解决了这个问题，它拦截图片，利用配置的视觉模型进行识别，将图片描述作为折叠的上下文条目写入会话历史，而你的原始消息保持不变。

插件简介¶

dsh-auto-vision 是由 soarGuo 维护的 DSH 插件，属于模型推理类别。它不修改 DSH 源码，通过纯插件配置实现功能。其核心价值在于：让不支持图片输入的模型也能接收截图，并持久化视觉上下文。

核心功能¶

自动补全模型输入声明：默认开启 autoDeclareInput，插件会自动给已配置的模型补全 input: [text, image] 声明，满足网关准入检查。
拆分消息处理：将图片识别为文本描述，作为独立的“notice”上下文消息追加在原消息后。模型可以引用这些历史描述，实现持久化记忆。
请求级剥离：在发送给模型请求时，将图片数据替换为短占位符，确保图片不会实际到达网关，避免被拒绝。
识图路由跟随分组：识图模型的选择自动跟随当前会话模型的分组（如 sub2api 或官方路由），保证密钥和配置的一致性。
递归识别工具结果：不仅识别顶层消息图片，还能递归识别工具结果（如 read_image）中内嵌的图片。

安装与启用¶

使用 DSH 官方插件命令进行安装：

dsh plugin --profile web add github:soarGuo/dsh-auto-vision

安装完成后，重启 DSH 进程即可生效。插件依赖 DSH 的公开模块，无需额外运行时依赖。

典型配置¶

默认配置¶

插件安装后即可使用默认配置，无需手动修改 settings.yaml：

auto-vision:
  visionProvider: deepseek-official
  visionModel: deepseek-v4-flash-vision-exp
  nativeVision:
    [
      { provider: deepseek-official, model: deepseek-v4-flash-vision-exp },
      { provider: deepseek, model: deepseek-v4-flash-vision-exp }
    ]
  autoDeclareInput: true

手动声明¶

如果关闭了 autoDeclareInput，或者需要使用非默认的视觉模型，需在 settings.yaml 中手动声明：

llm-deepseek:
  models:
    - id: deepseek-v4-pro
      input: [text, image]

注意事项¶

GUI 显示与实际行为：声明 input: [text, image] 后，GUI 会显示模型支持图片，但实际图片由插件桥接，不会发送到网关。
插件停用后：如果停用插件，不要向被桥接的模型发送图片，否则图片会直达网关并被拒绝。此时应切换到原生视觉模型或恢复插件。
官方路由模型：使用官方路由（如 deepseek-official）的模型进行桥接时，同样需要在 llm-deepseek.models 中声明 input: [text, image]。
失败处理：识图失败（网络或网关错误）不会阻塞消息，仅会在描述条目中标记失败；用户取消则原样中止。

总结¶

dsh-auto-vision 通过插件方式，为非视觉模型提供了视觉能力。它将图片转换为文本描述并持久化到历史记录中，使得模型能够像原生视觉模型一样处理多模态输入。若需了解最新版本或源码，可访问 GitHub 仓库。