DSH Multimodal 插件介绍
`dsh-multimodal` 插件旨在解决 DeepSeek Harness (DSH) 中原生文本模型无法处理图片及非文本文件的问题。该插件在会话模型前拦截输入，通过配置独立的处理模型链，将图片、视频和音频转换为文本描述后再进行处理。功能支持多预设管理、智能回退、自定义提示词及大小限制。用户可通过 CLI 安装，并在设置中开启以通过粘贴、拖拽或附件路径发送多模态内容。此外，插件提供了灵活的失败策略与文本原生直通能力。
阅读全文dsh-multimodal：给 DeepSeek Harness 接入视觉转写、OCR 与图像生成
dsh-multimodal 是 DeepSeek Harness (DSH) 的插件，旨在解决文本对话中处理截图、报错图及设计稿需先转文字的痛点，并将生成的图片直接集成在会话中。该插件提供视觉转写、OCR 及文本生图三大核心功能，通过 OpenAI 兼容后端调用用户自配的视觉提供方和图像服务。 在视觉处理上，插件支持图片逐字转写后由 DeepSeek 继续处理，具备 LRU 缓存、多图并行、故障切换及基于成本的路由能力。OCR 支持多种输出格式及场景化预设。生图功能支持在会话内显示卡片，具备放大、下载及重试功能，并支持自定义后端接入。 插件支持接入 Zhipu、Bailian 等主流平台及本
阅读全文