dsh-auto-vision：爲不支持圖片輸入的模型提供視覺橋接

DeepSeek Harness (DSH) 採用插件化架構，允許擴展原生不支持的功能。如果你在 deepseek-v4-pro 或 deepseek-v4-flash 等不支持圖片輸入的模型上發送截圖，消息會被網關直接拒絕。dsh-auto-vision 插件解決了這個問題，它攔截圖片，利用配置的視覺模型進行識別，將圖片描述作爲摺疊的上下文條目寫入會話歷史，而你的原始消息保持不變。

插件簡介¶

dsh-auto-vision 是由 soarGuo 維護的 DSH 插件，屬於模型推理類別。它不修改 DSH 源碼，通過純插件配置實現功能。其核心價值在於：讓不支持圖片輸入的模型也能接收截圖，並持久化視覺上下文。

核心功能¶

自動補全模型輸入聲明：默認開啓 autoDeclareInput，插件會自動給已配置的模型補全 input: [text, image] 聲明，滿足網關准入檢查。
拆分消息處理：將圖片識別爲文本描述，作爲獨立的“notice”上下文消息追加在原消息後。模型可以引用這些歷史描述，實現持久化記憶。
請求級剝離：在發送給模型請求時，將圖片數據替換爲短佔位符，確保圖片不會實際到達網關，避免被拒絕。
識圖路由跟隨分組：識圖模型的選擇自動跟隨當前會話模型的分組（如 sub2api 或官方路由），保證密鑰和配置的一致性。
遞歸識別工具結果：不僅識別頂層消息圖片，還能遞歸識別工具結果（如 read_image）中內嵌的圖片。

安裝與啓用¶

使用 DSH 官方插件命令進行安裝：

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

安裝完成後，重啓 DSH 進程即可生效。插件依賴 DSH 的公開模塊，無需額外運行時依賴。

典型配置¶

默認配置¶

插件安裝後即可使用默認配置，無需手動修改 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

手動聲明¶

如果關閉了 autoDeclareInput，或者需要使用非默認的視覺模型，需在 settings.yaml 中手動聲明：

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

注意事項¶

GUI 顯示與實際行爲：聲明 input: [text, image] 後，GUI 會顯示模型支持圖片，但實際圖片由插件橋接，不會發送到網關。
插件停用後：如果停用插件，不要向被橋接的模型發送圖片，否則圖片會直達網關並被拒絕。此時應切換到原生視覺模型或恢復插件。
官方路由模型：使用官方路由（如 deepseek-official）的模型進行橋接時，同樣需要在 llm-deepseek.models 中聲明 input: [text, image]。
失敗處理：識圖失敗（網絡或網關錯誤）不會阻塞消息，僅會在描述條目中標記失敗；用戶取消則原樣中止。

總結¶

dsh-auto-vision 通過插件方式，爲非視覺模型提供了視覺能力。它將圖片轉換爲文本描述並持久化到歷史記錄中，使得模型能夠像原生視覺模型一樣處理多模態輸入。若需瞭解最新版本或源碼，可訪問 GitHub 倉庫。