dsh-vision-bridge

1. 安装并启动 DeepSeek Harness：npx @deepseek-ai/dsh web
2. 在终端执行上面的安装命令（CLI 会解析插件并核验来源）
3. 用 dsh plugins list 确认已安装，必要时重启 Harness 生效

插件以当前 dsh 进程的权限运行，安装时可能执行代码。请先通读仓库源码与许可证，确认无破坏性命令与越权访问；本站只做索引，不对第三方插件安全性作担保。

事实信息来自公开插件目录快照（2026-10-01），介绍文案由本站再加工。

以下为插件仓库 README 全文（原始内容，由公开目录抓取整理）。

# dsh-vision-bridge 👀

给 DeepSeek Harness 的纯文本模型配一副眼镜：主对话留在 DeepSeek，图片自动交给视觉模型翻译成文字，再拿回来接着聊。DeepSeek 全程只看到文字——它自己不知道，你也别告诉它。🤫

免费、MIT、无界面、无魔法。就是一个认真做二传手的 LlmAdapter。🧤

## 它绕过了什么 🔓

DSH 对图片有准入检查：模型声明 `inputModalities` 不含 `image` 时，图片在发送阶段就被拦下。DeepSeek 官方适配器是纯文本的，所以图片永远进不了会话——问题不在于模型不会看图，而在于**图片连门都进不去**。🚪💥

本插件注册自己的路由 `auto-hybrid/auto`，声明支持图片，然后在请求层做两件事：

1. 带图轮次先把图片交给视觉模型做有界分析（固定提示词 + 输出上限）；🖼️➡️📝
2. 把图片块替换成分析文本，再委托给 DeepSeek 完成整轮推理。

于是图片进得来，DeepSeek 看到的仍是纯文本，整轮推理不换模型，使用者全程无感。🤯

顺带一提：图片分析是"有界子任务"（`maxVisionTokens` 兜底），视觉模型只负责描述，不负责接管你的人生。🗣️

## 特性 ✨

- 纯文本轮次直接委托 DeepSeek，零额外开销 💸🚫
- 图片分析按内容缓存：同一张图只分析一次，历史里重复出现不重复花钱 💰
- 文本大脑与视觉大脑都可配置，换 `deepseek-v4-pro` 或任意已注册渠道都行 🧠🔁
- 委托目标不支持推理档位时自动不转发 `reasoningEffort`，不会莫名报错 🙅
- 密钥由视觉渠道自己的适配器解析，本插件不接触任何凭据 🔑🤐

## 安装 📦

```powershell
# npm
dsh plugin --profile web add @acc1143/dsh-vision-bridge

# 或 GitHub（按 tag）
dsh plugin --profile web add github:Acc1143/dsh-vision-bridge#v0.1.1

# 或本地 tgz
dsh plugin --profile web add .\dsh-vision-bridge-0.1.1.tgz
```

装完重启 dsh web。🔁

## 配置 ⚙️

`settings.yaml` 加两行，保存即热生效：

```yaml
vision-bridge:
  visionProvider: openai      # 你配的视觉渠道
  visionModel: gpt-4o         # 该渠道下的视觉模型
```

想换文本大脑（可选）：

```yaml
vision-bridge:
  delegateProvider: deepseek-official
  delegateModel: deepseek-v4-pro
```

## 它怎么工作 🗺️

```
传图 → auto-hybrid（声明 text+image）
        ├─ 无图：直接委托 DeepSeek
        └─ 有图：视觉模型 → 分析文本 → 委托 DeepSeek（推理/工具/作答）
```

## 同类参考 🫂

生态里其他思路的视觉方案，可互补： [modlens](https://github.com/liustack/modlens)（图片 → 结构化 JSON 证据）、[dsh-vision-toolkit](https://github.com/Anionex/dsh-vision-toolkit)（长截图 OCR / UI 还原等工具集）。不打架，各干各的。🤝

## 技术细节 🔬

完整配置项、已知限制、故障排查见 [README-fake.md](./README-fake.md)。那份文档很正经，这份负责搞笑，分工明确。📑

## 检索关键词 🔍

`DeepSeek Harness` `DSH` `vision` `multimodal` `图片` `双模型路由` `LlmAdapter` `auto-hybrid` `dsh-plugin`

MIT License —— [LICENSE](./LICENSE) 💚