DSH Multimodal 插件介紹
`dsh-multimodal` 插件旨在解決 DeepSeek Harness (DSH) 中原生文本模型無法處理圖片及非文本文件的問題。該插件在會話模型前攔截輸入，通過配置獨立的處理模型鏈，將圖片、視頻和音頻轉換爲文本描述後再進行處理。功能支持多預設管理、智能回退、自定義提示詞及大小限制。用戶可通過 CLI 安裝，並在設置中開啓以通過粘貼、拖拽或附件路徑發送多模態內容。此外，插件提供了靈活的失敗策略與文本原生直通能力。
閱讀全文dsh-multimodal：給 DeepSeek Harness 接入視覺轉寫、OCR 與圖像生成
dsh-multimodal 是 DeepSeek Harness (DSH) 的插件，旨在解決文本對話中處理截圖、報錯圖及設計稿需先轉文字的痛點，並將生成的圖片直接集成在會話中。該插件提供視覺轉寫、OCR 及文本生圖三大核心功能，通過 OpenAI 兼容後端調用用戶自配的視覺提供方和圖像服務。 在視覺處理上，插件支持圖片逐字轉寫後由 DeepSeek 繼續處理，具備 LRU 緩存、多圖並行、故障切換及基於成本的路由能力。OCR 支持多種輸出格式及場景化預設。生圖功能支持在會話內顯示卡片，具備放大、下載及重試功能，並支持自定義後端接入。 插件支持接入 Zhipu、Bailian 等主流平臺及本
閱讀全文