dsh-aux-vision DSH 插件

dsh-aux-vision 是一款 DSH 插件，可为任意纯文本大模型添加视觉能力。它自动将图片路由至视觉模型（默认 opencode-go/mimo-v2.5），将图片转换为像素级描述，并将描述注入当前对话轮次供主模型使用。插件无需修改主模型或路由，且通过缓存避免重复视觉调用。

vision skills-workflows

如何安装 dsh-aux-vision DSH 插件

dsh plugin --profile web add github:<owner>/dsh-aux-vision

来源命令需要人工核对。复制不会执行命令。

dsh-aux-vision DSH 插件数据来源

dsh-aux-vision DSH 插件快照日期：2026年8月16日

discovered

dsh-aux-vision DSH 插件能做什么

通过能力申报补丁，为任意纯文本模型声明图片支持
纯文本轮次零视觉调用，历史图片从缓存重写，不消耗模型资源
视觉模型不可用时支持占位文本降级或报错
提供 vision_ask 工具，允许主模型针对指定附件二次提问
描述缓存支持按 provider/model 和附件 ID 缓存，TTL 可配置
原生视觉路由（会话/子代理使用声明 image 的模型）时不重写、不注入

dsh-aux-vision DSH 插件适合哪些场景

在对话中使用纯文本模型（如 DeepSeek-V3）的同时，讨论用户上传的图片
为之前仅支持文本的工作流增加图片分析能力，无需更换主模型
为自定义微调模型添加视觉理解功能
构建多模态 Agent，由文本模型解读独立视觉模型生成的描述

dsh-aux-vision DSH 插件适合谁

希望保留喜爱的纯文本模型但偶尔需要图片理解的 DSH 用户
需要视觉上下文但不想切换至原生视觉模型的开发者，构建 Agent 或工作流

dsh-aux-vision DSH 插件的限制

视觉模型自身可能产生不准确的描述（如 mimo v2.5 偶发质量波动）
能力申报补丁会导致文本模型在 models 目录显示为支持图片（外观副作用）
需要手动配置视觉候选链或依赖自动发现；默认无预配置的降级方案
仅限 DSH 环境下使用，不是独立解决方案

dsh-aux-vision DSH 插件的仓库 README 摘录

以下文字摘自 dsh-aux-vision DSH 插件的上游仓库 XyTT2N2bTc/dsh-aux-vision 的 README，版权归原作者，仅作引用。

DeepSeek Harness 辅助视觉插件：**任意纯文本主模型 + 任意有识图能力的模型**（默认 `opencode-go/mimo-v2.5`）。含图轮次自动让视觉模型看**原图（像素级）**，并把描述以文本注入当前轮供主模型使用；纯文本轮**零视觉调用**。主模型与路由保持完全不变。 ## 核心优势 - **不换主模型**：为任意文本模型补齐图片准入，再由独立视觉模型完成识图。 - **自动且保真**：用户图片、历史图片和 `read_image` 结果都会按需转为像素级描述；会话 UI 仍保留原图。 - **成本可控**：纯文本轮零视觉调用；同图描述按视觉模型和附件缓存，重复图不消耗批次名额。 - **稳定降级**：视觉模型不可用、限流或超时时，可继续对话并注入可识别的占位文本。 - **可定向追问**：`vision_ask` 能让主模型针对指定附件或本地图片再次提问，无须更换当前会话模型。零运行时依赖（不 import 任何 `@deepseek-ai` 包，全部结构调用 `ctx.llm` / `ctx.attachments`），完整复用 DSH 的 llm 服务管线（`resolveModelInfo` / `prepareCall` / 流式协议），不重复实现 provider 适配。 ## 工作原理 ``` 发图(prompt RPC) ── 准入守卫 ──┬─ 通过（① 能力申报：未声明 image 的模型补报 image） └─ 拒绝（未安装插件时的现状） ↓ followup → inbox → 原图消息落日志（**UI 显示原图**） ↓ 请求构建（历史含图消息一并进入请求） ② llm/stream：请求含图 & 路由未声明 image ├─ 有图：视觉模型看原图 → 描述文本原位替换 image 块（改写请求副本）→ 主模型作答 └─ 无图：直通（零视觉调用、零开销） ``` | 环节 | 说明 | | --- | --- | | ① 能力申报 | 补丁 `llm.resolveModelInfo`：凡原方法未声明 `image` 的模型，在返回副本中补入 `image`。prompt 准入守卫 / selectModel 守卫 / read_image 模态闸门因此对任意文本模型放行。pi-ai 适配器线路级检查读 pi-ai 目录，不受影响（最后一道安全网）。卸载/禁用即还原。 | | ② 注入 | `llm/stream`：LOOP 请求含图（用户发图 / read_image 工具结果 / 历史图片）且路由未声明 image 时，把图片块替换为视觉描述（缓存优先）或占位，改写请求副本放行。

阅读完整 README仓库许可: MIT

dsh-aux-vision DSH 插件常见问题

如何安装 dsh-aux-vision？

可以通过 DSH 插件命令安装：`dsh plugin --profile web add github:<owner>/dsh-aux-vision`。也可以手动构建并复制文件到 profile 的 node_modules 目录，具体步骤见 README。

这个插件支持所有纯文本模型吗？

是的，它支持 DSH 支持的所有纯文本模型。插件会修补模型的能力声明，使其显示为支持图片，路由和守卫逻辑会放行图片。实际图片理解由独立的视觉模型完成。

我可以用自己的视觉模型吗？

当然可以。在插件配置中设置 `visionChain` 列表，指定你偏好的视觉模型（provider 和 model 名称）。如果链不可用，插件会自动扫描所有已注册 provider 的图片模型作为兜底。

每张图片都会产生额外费用吗？

不一定。插件会缓存图片描述（按 provider/model 和附件 ID），重复图片（同一图片同一轮或后续轮次）不会触发视觉调用。只有新图片或缓存未命中时才会调用视觉模型。

如果视觉模型不可用或超时怎么办？

默认情况下，插件会插入占位文本（如 '[图片附件 {id}：辅助视觉模型暂不可用]'）并继续对话。你也可以配置为报错。主模型仍会收到消息，对话不会中断。