前言¶
在 DeepSeek Harness（DSH）里，很多已配置的对话模型是纯文本接口：聊天页发图会被「当前模型不支持图片」拦住。换一套多模态 provider 能看图，但日常又希望继续用原来的模型名、路由和习惯。社区插件 dsh-vision-tool 走另一条路：为每个 provider 注册「原名 + 识图」孪生路由，并把看图交给独立的视觉模型，通过 recognize_images 工具把识别结果回传给会话里的语言模型。下面介绍它的定位、能力与启用步骤。
这是什么¶
dsh-vision-tool 由维护者 wxy123-ctrl 发布，在 SkillHub 社区目录中归类为「模型推理」。仓库说明写明：本插件参考 dsh-vision-router，但砍掉全部视觉后端、路由与兜底逻辑，只保留「孪生路由 + 识图工具 + 设置页」的最小组合。简介与 README 一致——为纯文本模型注册「+ 识图」孪生路由与 recognize_images 工具，经用户选定的视觉模型代看图；README 标明为社区作品，与 DeepSeek / 深度求索无隶属或官方背书关系。
核心功能¶
「+ 识图」孪生路由¶
插件为每个已配置的模型 provider（例如智谱 GLM）自动注册一条 <provider>-vision 孪生路由，目录里显示为「原名 + 识图」，并声明可接收图片。在聊天页右下角选择带「+ 识图」的条目后，发送图片不再被宿主拦截。
真正调用模型时，插件会把消息里的图片块（含 tool-result 嵌套）改写成文本标记（附件 id 与指引），语言模型因此去调用 recognize_images：图片不进入语言模型上下文，由语言模型经工具转发给识图模型。会话日志仍保留原图，Web UI 照常展示。provider 增删时经 llm/adapters-updated 同步孪生。
孪生分组里哪些模型出现在目录，由「设置 → 识图模型」页中每个模型的开关控制（默认全部关闭）。孪生 listModels 只放行已打开的模型；某 provider 下全部关闭时，空组被目录丢弃，整条「+ 识图」条目消失。自带多模态能力的模型在默认关闭时也不再出现在该列表中。
recognize_images 工具¶
会话模型可一次传入 1–10 张图片。参数 images 支持三种形态：
- 本会话上传图片的完整附件 ID（
sha256:+ 64 位十六进制）； - 该 ID 的十六进制短摘要（前 ≥8 位，例如
sha256:a5303c40；纯文本会话里宿主占位文本常带 8 位形态，按唯一前缀匹配，零命中或多命中时返回候选完整 ID 列表供模型自纠）； - 本地图片路径（png / jpeg / webp / gif）。
插件将图片转发给设置页选定的识图模型，并附上固定的识别要求（客观描述、文字原样转录、多图分「图1/图2」、不臆测、默认中文）以及调用方的具体要求，返回识别文本；所有图片在一次模型调用中发送。
工具按会话门控：只有选中「+ 识图」孪生时，system-prompt/assemble 流程才会把该工具载入该会话的 tools。选中非孪生模型时，请求里不含 recognize_images，纯文本模型即便看到 8 位占位摘要也无法借它看图——需要发图时应切换到已打开开关的「+ 识图」条目。在孪生会话中，历史里若只剩 8 位摘要，工具仍可通过唯一前缀匹配成功，对须经 run_code 调用工具、长 ID 易截断的场景较友好。
设置页与维护¶
「设置 → 识图模型」与「Agent 预设」并列（order 21），配置写入宿主 settings 的 vision-tool 命名空间：
- 「+ 识图」模型选项开关列表（位于识图模型下拉框上方）：为每个已接入模型（目录分组、排除孪生）提供 Switch，默认全关；逐项经嵌套路径
mutate写入twinEnabled，按 revision 围栏避免连续切换互相覆盖。 - 识图模型下拉：从「设置 → 模型」里已配置的 provider/model 中选择真正执行识图的模型（自动排除「+ 识图」孪生），选中即保存。
浏览器侧用 MutationObserver 将本节导航行的齿轮图标协调为与 ic_ds 同风格的眼睛 SVG（16×16、currentColor），不删除 React 管理的节点；插件卸载时还原。
设置页还提供一键清理附件库：扫描未归档会话日志中仍被引用的 sha256 id，删除 DSH_HOME/attachments/v1/objects 下未被引用且写入超过 5 分钟的对象，并回收 tmp 下超龄残留；已归档会话不计入引用来源。操作经同源 POST 到宿主路由 /plugins/dsh-vision-tool/cleanup-attachments，采用与官方 /api 类似的 Host/Origin 信任围栏，仅 POST。
安装与启用¶
官方 README 给出的 bundle 安装方式如下（需先取得仓库目录的绝对路径）：
git clone https://github.com/wxy123-ctrl/dsh-vision-tool.git
# plugin_manager install_bundle target=<克隆目录绝对路径>
# 或在 DSH Web 端「设置 → 插件」按该目录路径安装
package.json 声明 dsh.bundle.patch 指向 cordis.patch.yml（插入 {id: vision-tool, name: dsh-vision-tool}），profile 以 link 方式挂上目录并由 bundle 层合成补丁，无需手工编辑 profile 的 cordis.patch.yml。依赖 @deepseek-ai/schemastery 由 pnpm 安装；开发目录内可先执行 pnpm install 再跑冒烟测试。浏览器半边随 HMR 热更新，宿主半边改动需热重组或重启 DSH。卸载使用 remove_bundle。
当前 package 版本为 0.1.3，许可证 MIT，Node >=18。
验证示例：
dsh web --dump-config | Select-String 'id: vision-tool'
plugin_manager list_plugins # include:vision-tool fiberPhase=active
GUI 上：设置 → 插件 → 插件清单应显示 vision-tool fiber active；左侧出现「识图模型」页；打开某模型的「+ 识图」开关后，聊天页模型选择里出现对应条目。
典型用法¶
经过上面的安装与验证，可按 README 中的使用流程操作：
- 打开「设置 → 识图模型」：为需要发图的纯文本模型打开「+ 识图」开关，并在下拉框中选择一个视觉模型（如 GLM-4.6V、Qwen-VL 等，须已在「设置 → 模型」中配置）；
- 在聊天页右下角模型选择器切换到「\<你的 provider> + 识图」（仅已打开开关的模型会出现）；
- 发送图片与问题：语言模型收到图片标记后会调用
recognize_images，识图结果以工具返回形式进入对话。
若会话仍选中不带「+ 识图」的模型，请求中不会携带该工具，发图场景应显式切换到孪生条目。
适用场景与注意¶
适合已在 DSH 中配置纯文本对话模型、又希望在同一会话流程里偶尔发图、且愿意单独指定一个视觉模型承担识图任务的开发者。与完整 vision-router 类方案相比，本插件刻意不做视觉后端与复杂路由，维护面更小，但识图质量与延迟取决于所选视觉模型及 provider 配置。
安装前请自行阅读 GitHub 仓库 源码与 MIT 许可证。插件在 DSH 宿主进程权限下运行，清理附件等操作会触及本地 DSH_HOME/attachments；README 提醒 npm 上同名第三方包 dsh-vision-tool 与本仓库无关联，应以 GitHub 分发为准。
结尾¶
dsh-vision-tool 用孪生路由解除纯文本模型的发图拦截，用 recognize_images 把看图与对话模型解耦，适合在 DSH「一切皆插件」的生态里做最小化的识图补位。目录页：https://www.skillhub.cn/plugins/wxy123-ctrl/dsh-vision-tool；源码与说明：https://github.com/wxy123-ctrl/dsh-vision-tool。
