dsh-vision：让文本模型在 DSH 中处理带图请求

dsh-vision 是一个 DSH 插件，旨在解决 DeepSeek V4 Flash/Pro 等文本模型无法直接处理图片的问题。当请求包含图片且目标模型不支持视觉输入时，该插件自动调用视觉模型或系统 OCR 对图片进行描述，并将 provider 调用中的图片块替换为文本描述，确保模型能继续处理上下文。会话日志和 UI 界面仍保留原始图片。 插件提供 Auto 和指定模型两种模式。Auto 模式按顺序尝试已声明视觉能力的模型，失败则回退至系统 OCR（macOS 用 Vision，Windows 用 Media.Ocr，其他平台需 Tesseract）。指定模式仅使用配置模型，失败不重试。