DSH Plugins Marketplace

DSH Plugins

Plugins

/

Tools & Capabilities

/

dsh-vision-bridge

d

dsh-vision-bridge

Manifest valid

DSH Image-Recognition Bridge Plugin: Enable Pure-Text Model Sessions Like DeepSeek to Send Images — Images are automatically routed to an external vision model (Alibaba Cloud Bailian qwen-vl) for recognition before entering the model, and the recognition results are fed to the current model in text form.

hasBundlePatch

dsh-vision-bridge

GitHub: https://github.com/342949145/dsh-vision-bridge · License: MIT

适用范围:本插件只服务网页版 DSH(~/.dsh,如 profiles/web/)。桌面版 Deepseek Harness EAC(当前 DeepSeek 会话所在形态)由内置插件 dsh-tool-vision 接管识图,配置在 %DSH_HOME%\settings.yaml 的 tool-vision 命名空间(当前模型 qwen3.7-plus / 阿里云百炼),无需安装本插件;两套配置互不相通,排查识图问题时先确认 DSH 形态。

让 DeepSeek 等纯文本模型 的 DSH 会话也能正常发送图片:图片在进入模型之前自动交给外部视觉模型(阿里云百炼 qwen-vl)识别,识别结果以文字形式喂给当前模型。无需切换模型、无需手动运行任何命令。

用户发图片 ──▶ DSH 会话(不再提示“当前模型不支持图片”)──▶ 本插件自动识图 ──▶ 文字描述 ──▶ DeepSeek 模型

解决的问题

DSH 将 DeepSeek 系列模型的输入能力声明为仅文本(inputModalities: ["text"]),因此:

  • 发送带图片的消息会被拒绝:“当前模型不支持图片,请切换支持图片的模型”(错误码 MODEL_DOES_NOT_SUPPORT_IMAGES);
  • read_image 工具同样被模型能力检查拦截;
  • 即使放行,DeepSeek API 本身也不接收图片。

本插件从两个层面解决:

  1. 放行:包装 ctx.llm.resolveModelInfo,对目标 provider(默认 deepseek)的模型补充声明 image 输入能力,使所有模型能力检查通过;
  2. 转译:包装目标 provider 适配器的 stream 方法,在消息进入序列化之前把 image 块逐个取出,调用百炼视觉 API 识图,替换为文字块——模型最终收到的始终是纯文本。

纯服务端插件,GUI 无需任何改动。不修改会话记录,不拦截原生支持图片的模型(如 pi-ai)。

安装

方式一:npm 安装(推荐,桌面版插件市场同款)

npm install dsh-vision-bridge

然后在 DSH profile(如 ~/.dsh/profiles/web/)中启用:

# ~/.dsh/profiles/web/cordis.patch.yml
- insert:
    - id: dsh-vision-bridge
      name: "dsh-vision-bridge"

或把 dsh-vision-bridge 加入 package.json 的 dsh.profile.bundles 列表。

方式二:本地开发挂载(link)

npm install link:./tools/dsh-vision-bridge   # 或 npm link

配置

配置优先级:环境变量 > 插件目录 .env > VISION_SKILL_DIR 指向目录的 .env / vision.js。

变量必填默认说明
DASHSCOPE_API_KEY✅—阿里云百炼 API Key(申请)
DASHSCOPE_BASE_URLhttps://dashscope.aliyuncs.com/compatible-mode/v1OpenAI 兼容端点
VISION_MODELqwen-vl-max视觉模型(如 qwen-vl-plus、qwen3.7-flash-2026-07-15)
VISION_FALLBACK_MODELSqwen-vl-plus,qwen3.7-flash-2026-07-15主模型失败时的回退列表(网络错误/限流/5xx 自动回退,认证与参数错误不重试)
VISION_PROMPT请用中文简洁描述这张图片的内容。识图提示词
VISION_MAX_TOKENS256识别结果长度上限
VISION_MAX_EDGE512图片压缩最长边(像素)
VISION_JPEG_QUALITY80图片压缩质量
VISION_PROVIDERSopencode-go,deepseek-official,deepseek接管哪些纯文本 provider(逗号分隔;opencode-go 为 pi-ai 实际路由,deepseek-official 为官方 DeepSeek 适配器路由)
VISION_CACHEtrue识别结果缓存(内存 + 落盘 %DSH_HOME%/storages/,跨会话/重启复用)
VISION_GEN_MODELqwen-image文生图模型(generate_image 工具)
VISION_GEN_SIZE1024x1024文生图尺寸(1024x1024 / 720x1280 / 1280x720)
VISION_SKILL_DIR—复用 claude-vision-skill 配置的目录;自动读取其 .env / vision.js 中的 Key 与模型,无需重复填写

与内置 dsh-tool-vision 的图片桥冲突(重要):新版 DSH 内置插件 dsh-tool-vision 默认开启 bridgeTextOnly 图片桥(挂在 agent/pre-step 钩子),会把会话日志里的顶层 image 块替换成文本提示([User sent an image…, exported to: …]),结果是 GUI 永远不渲染图片、本插件的 generate_image 生成图也看不到。若 DSH 启用了 dsh-tool-vision,必须在 %DSH_HOME%/settings.yaml 的 tool-vision 段设置 bridgeTextOnly: false(settings.yaml 被 chokidar 实时监听,改动无需重启即热生效)。关闭后识图转换由本插件在 adapter.stream 层完成:日志保留 image 块(GUI 正常显示),发给模型的请求仍是纯文本。

最小配置示例(复制 .env.example 为 .env):

DASHSCOPE_API_KEY=sk-xxxxxxxx

本插件不包含任何真实 API Key 或本机路径,可安全开源;请通过 .env(已在 .gitignore 中)或环境变量提供配置。

设置页集成:插件注册了 dsh-vision-bridge 设置命名空间(%DSH_HOME%/settings.yaml),DSH 设置页可编辑;运行时优先级:设置页 > 环境变量 > .env > claude-vision-skill。

能力清单

能力说明
图片上传放行DeepSeek 等纯文本模型会话可正常附加图片(不再提示"当前模型不支持图片")
自动识图转文字图片(含 read_image 工具结果、tool-result 嵌套、历史重放)自动经视觉模型识图后喂给模型
模型回退链qwen-vl-max → qwen-vl-plus → flash,可恢复错误自动回退
文生图(generate_image)对模型说"画一张…"即调用百炼 Qwen-Image 生成图片并保存为附件,模型可看到生成结果
识别缓存同图不重复调用 API(内存 + 落盘)
URL / OCR / 多图对比lib/vision.js 导出 describeImageUrl、ocrPrompt、describeImagesCompare、dataUrlFor 供复用

与 claude-vision-skill 的关系

claude-vision-skill 提供独立的 vision.js 识图脚本(手动运行 node vision.js <图片>)。本插件内置了等价的识图实现(压缩 + 百炼 API),并可通过 VISION_SKILL_DIR 自动复用其 API Key 与模型配置,两者互不干扰:

  • Codex / 手动场景:继续使用 claude-vision-skill;
  • DSH 会话场景:由本插件自动接管,发图即识图。

兼容性

  • 已验证 DSH 版本:0.1.0-rc.6(网页版 DSH 与 Deepseek Harness EAC 桌面版内置版本一致);
  • 上游 DSH 处于开发者预览期,如有破坏性变更请关注本仓库 Release 与 Issues。

工作原理

session.prompt(带图片)
  └─▶ ctx.llm.resolveModelInfo(插件包装)→ inputModalities 含 "image" → 检查放行
  └─▶ agent-loop prepareCall().stream(request)
        └─▶ adapter.stream(插件包装)
              ├─ 逐条检查 user 消息的 image 块
              ├─ attachments.readImage(ref) 读取图片字节
              ├─ 压缩(Windows PowerShell System.Drawing)→ data URL
              ├─ 调百炼 chat/completions(qwen-vl)→ 文字描述
              └─ 替换为 text 块 → 原始 adapter 继续

测试

node --test test/

License

MIT

Comments

Loading…

From the same category

reactive-resume

DeepSeek Harness plugin for Reactive Resume: bridges your resumes and job applications into a Harness session over MCP.

Tools & CapabilitiesManifest valid

★ 41.7k

↓ 121/wk

MIT

Aug 24, 2026

dsh plugin --profile web add dsh-plugin-reactive-resume

by dsh-market

The plugin market inside DeepSeek Harness — browse, search, one-click install · DSH 可视化插件市场

Tools & CapabilitiesManifest valid

★ 11.6k

↓ 321.4k/wk

MIT

TypeScript

Aug 25, 2026

dsh plugin --profile web add dshmarket

by Tencent

Let AI agents use your real, logged-in browser without interrupting your work. CLI + extension for browser automation across any shell-capable AI agent.

Tools & CapabilitiesManifest valid

★ 8.6k

↓ 15.4k/wk

MIT

TypeScript

Aug 25, 2026

dsh plugin --profile terminal add @wxg-prc-cpg/browser-skill-dsh-plugin

by superdesigndev

OpenRouter for agent tools. Join community here: https://discord.gg/6mQYYfFMAn

Tools & CapabilitiesManifest valid

★ 7.8k

NOASSERTION

Python

Aug 25, 2026

dsh plugin --profile web add treg-dsh

by yjh051108

dsh-routing-suite — injector + router-standard kit: install the runtime injector first, then the task-aware reasoning-mode router preset (measured P1-P23).

Tools & CapabilitiesManifest valid

★ 7k

MIT

JavaScript

Aug 24, 2026

dsh plugin --profile web add @dsh-external/dsh-super-injector

by Q00

Agent OS: the agent gets smarter on its own. We just hold the line: Interview-gated, staged evaluation, budgeted evolution loop. MCP server, 14 runtimes: Claude Code, Codex CLI, Gemini CLI, OpenCode,

Tools & CapabilitiesManifest valid

★ 6.2k

MIT

Python

Aug 25, 2026

Index only — not installable