dsh-plugin-glm-vision

给 DSH (DeepSeek Harness) 加上"看图"能力的插件。

即使你用的模型本身不支持图片（比如纯文本的 DeepSeek），装了这个插件后，用户发送的图片会被自动转发给智谱 GLM-4V-Flash 视觉模型，生成的文字描述会注入对话中，让模型"看到"图片内容。

它能做什么

• 自动图片翻译：用户上传图片 → 插件拦截 → 调用 GLM-4V-Flash 生成描述 → 作为文本发给模型
• image_query 工具：模型可以主动调用这个工具来分析任意图片（支持多张）
• 图片缓存：相同图片不会重复请求 API（SHA-256 去重）
• 多图支持：一条消息里发多张图片，每张都会被分别描述
• 旧对话兼容：已在进行中的对话也能识别新发的图片

安装

前提条件

• DSH 已安装且可正常运行
• pnpm 已安装
• 智谱 AI 的 API Key（申请地址）

第一步：安装插件

dsh plugin --profile web add git+https://github.com/baldovinmarques391-design/dsh-plugin-glm-vision.git

安装后需要手动将 dsh-plugin-glm-vision 添加到 bundles 列表。编辑 $DSH_HOME/profiles/web/package.json，在 dsh.profile.bundles 数组中加入 "dsh-plugin-glm-vision"：

"dsh": {
  "profile": {
    "bundles": [
      "@deepseek-ai/dsh-base",
      "@deepseek-ai/dsh-web-app",
      "dsh-plugin-glm-vision"
    ]
  }
}

第二步：配置 API Key

在 $DSH_HOME/.credentials.yaml 中添加：

GLM_API_KEY: 你的智谱API密钥

第三步：重启 DSH

重启后，控制台应出现以下日志，表示插件加载成功：

dsh-plugin-glm-vision: loaded (model: GLM-4V-Flash, cache: 0 entries).
dsh-plugin-glm-vision: image translation layer active.
dsh-plugin-glm-vision: all modules active.

配置项

插件安装后会自动在 DSH 设置界面中显示配置项。也可通过 cordis.patch.yml 手动配置：

配置项	默认值	说明
glmApiKeyEnv	GLM_API_KEY	存放 API Key 的环境变量名
toolTimeoutMs	120000	image_query 工具超时时间（毫秒）
model	GLM-4.1V-Thinking-Flash	使用的 GLM 模型名
autoTranslate	true	是否自动翻译图片
enableTool	true	是否注册 image_query 工具

工作原理

用户发送图片
    ↓
插件拦截消息，提取图片
    ↓
调用 GLM-4V-Flash API 生成图片描述
    ↓
用文字描述替换原始图片
    ↓
模型收到文字描述，正常回复

同时，插件会注册 image_query 工具，模型可以在任何时候主动调用来分析图片。

测试结果

场景	结果
单张图片	✅ 正确识别并描述
两张图片同时发送	✅ 分别描述每张图片
旧对话中发新图片	✅ 描述图片 + 保持上下文
纯文本对话	✅ 正常工作，不影响
进程稳定性	✅ 无崩溃

已知限制

• GLM-4V-Flash 的 max_tokens 上限为 1024，图片描述可能不够详细
• 需要对 DSH 内置的 LLM 适配器进行源码级 patch（插件启动时自动处理，但 DSH 更新后 patch 会丢失）

许可证

MIT