dsh-image-bridge

一句话定位

为 DSH Web 中不支持原生图片输入的纯文本模型提供图片桥接：把粘贴的图片保存到会话工作区的隐藏目录，用一段包含路径和「自己调用视觉工具」指引的文本替换原生图片，让模型自己到技能/工具目录里挑能力来读图。

核心能力

• 在纯文本模型会话的输入框右侧注入「桥接发送图片」按钮（多模态模型下自动隐藏）
• 接管发送回车：纯文本模型下含图消息在原生门禁前被自动改写为桥接文本，与按钮等效
• 图片落到会话工作区的隐藏目录 <cwd>/.dsh-image-bridge/，文件名带时间戳与序号
• 按宿主 attachments.imageLimits 校验数量、媒体类型与单张/总大小
• 桥接文本中明确告诉模型先看自己目录里的视觉/OCR/grounding 工具，零技能绑定
• 自动清理：24 小时 TTL、总大小超过 512 MB 时按最旧优先清理，每 6 小时巡检

技术实现

• 语言: JavaScript（ES Modules，type: "module"），客户端用 React
• 关键依赖: zod（Wire 契约 schema）、@deepseek-ai/dsh-typert-protocol（Host/Client RPC 桥接）、@deepseek-ai/cordis ^4.0.1
• 架构模式: 服务端注册 TypertRemoteService 暴露 bridgeState / bridgeSend 两个 RPC，并包装 apiProxy.sessions.prompt 在原生门禁前自动改写含图消息；客户端在 conversation.input.right slot 注册按钮，通过 connection.rpc 调用宿主 typert 端点，订阅 modelDirectories store + 1s 兜底轮询感知模型切换
• 入口文件: lib/index.js（服务端 Cordis 插件）、lib/client.js（浏览器端 ModuleLoader 注入）、lib/typert.js（Wire 契约 schema）、cordis.patch.yml（DSH bundle patch）

适用场景

当你用纯文本模型（成本低或没有视觉档位）但又想让它看图时使用：粘贴图片后点「桥接发送图片」或直接回车，插件会把图片保存到本地、用文本标记告诉模型图片在哪、然后让模型去调用它自己目录里的视觉能力。适合希望复用现有会话模型而不必为图片切换到贵价多模态模型、且模型已经配置了视觉类技能/工具的用户。

前置依赖与兼容性

安装方式

dsh plugin --profile web add github:kbpoyo/dsh-image-bridge

配置项

本插件无需额外配置。cordis.patch.yml 中 config: {} 为空对象；运行时一切参数（桥接目录根、清理 TTL/上限、模型能力查询、消息路径与尺寸提取）均从宿主服务（sandboxPolicy.workspaceRoot、attachments.imageLimits、llm.resolveModelInfo）获取。

常见问题

Q: 装好之后必须先配置什么才能用吗？

A: 不需要。cordis.patch.yml 中 config 默认为空；npm 安装后重启 dsh web 即可生效。纯文本模型会话里粘贴图片后会出现「桥接发送图片」按钮；也可运行 dsh --profile web --dump-config 确认插件配置层已挂载。

Q: 支持哪些图片格式和大小？

A: 跟随宿主 attachments.imageLimits 配置：支持 PNG / JPEG / WebP / GIF（其他 image/* 类型回退保存为 .png），单张大小、单消息总大小、单消息图片张数都由宿主定义，按钮在 onClick 时按这些限制做完整校验，超限会直接显示错误并不发送。

Q: 桥接产生的临时图片存在哪里？会一直留着吗？

A: 落到当前会话工作区下的隐藏目录 <cwd>/.dsh-image-bridge/（点号开头，常规文件管理器默认不显示）。超过 24 小时未访问的文件会被自动删除；目录总大小超过 512 MB 时按最旧优先清理；插件卸载时也会清理。手动删除该目录也无影响，下次桥接会自动重建。

Q: 切换到多模态模型后按钮会消失吗？

A: 会。客户端订阅官方模型目录 store（事件驱动）并叠加 1 秒兜底轮询，切换瞬间按钮立即隐藏；多模态模型下图片直接走原生发送，插件完全静默，不做拦截或改写。

Q: 模型真的能"看到"图片吗？需要我指定视觉工具吗？

A: 取决于模型自身目录里是否有视觉类（通用 VQA）、OCR 或 grounding 工具——插件不绑定、不调用任何具体工具，只在文本标记里写明「先查看当前可用技能与工具再调用」。你不需要指定工具；如果模型目录里没有视觉能力，它会如实告知「请安装视觉技能或切换到多模态模型」。

Q: 自定义供应商的纯文本模型下按钮一直显示，怎么办？

A: 适配器只在模型声明含 input: ['text','image']（或主动上报 image 能力）时才会上报为多模态。settings 配置的自定义供应商若模型声明里没写 input，适配器一律按纯文本上报，插件忠实读取——这是配置层事实不是 bug。解决办法是在模型声明里补 input: ['text','image']，或改用适配器托管目录、正确上报能力的模型。

Q: 发了图片之后能切回纯文本模型吗？

A: 不能，这是 DSH 原生限制（会话日志一旦含原生图片就禁止切回纯文本模型）。要切回需要执行 /compact 或开新会话；本插件不绕过这个限制。

Q: 父代理向子代理发图会自动桥接吗？

A: 不会。父代理向子代理发送的含图消息不经 session.prompt，本插件的 apiProxy.sessions.prompt 包装只覆盖主会话发送，子代理发图仍会撞上原生门禁 MODEL_DOES_NOT_SUPPORT_IMAGES。

上手难度

入门 — 用户只需要在 Web 客户端粘贴图片并点按钮（或直接回车），不需要任何配置；安装后立即可见效果，模型侧能力判定与切换感知均由插件自动处理。

已知问题与限制

• 自定义供应商（settings 配置）若模型声明未含 input: ['text','image']，适配器一律上报为纯文本，桥接按钮会如实显示——需在模型声明里补 input 字段（README.md:87-89）
• 发送原生图片后无法切回纯文本模型（DSH 原生限制），需 /compact 或新会话，插件不绕过（README.md:90）
• 父代理向子代理发图不在覆盖范围：subagent 路径不经 session.prompt，仍走原生门禁（README.md:91）
• apiProxy.sessions.prompt 启动时若不可用（宿主加载时序），自动桥接被跳过（仅按钮流程仍生效），会在控制台打印一行说明（lib/index.js:307-309）
• 任意桥接失败（如桥接目录不可写、磁盘满）会回退到原生行为并在控制台打 error 日志，前端 onClick 路径会显示错误提示（lib/index.js:166-171 / lib/client.js:201-205）

DSH（DeepSeek Harness）Web 插件：为不支持原生图片输入的纯文本模型提供图片桥接能力，让纯文本模型也能"看图"。

纯文本模型无法直接接收图片（DSH 原生会以 MODEL_DOES_NOT_SUPPORT_IMAGES 拒绝）。本插件把图片落盘到会话工作区，以文本标记把图片路径与处理指引注入对话，由模型自主发现并调用其技能（skill）/工具（tool）目录中的视觉类能力（通用视觉问答 / OCR / grounding）来查看图片。插件不绑定任何具体技能或工具——能力发现完全由模型自行完成。

功能

• 一键桥接：纯文本模型下，输入框粘贴图片后出现「桥接发送图片」按钮，点击即可发送，模型能读到图片。
• 回车兜底：不点按钮、直接回车发送图片，也会在发送入口自动改写为桥接标记发送，与按钮等效。
• 多模态直通：多模态模型下按钮自动隐藏、图片原生发送，插件零干预。
• 即时感知：会话中切换模型，按钮立即显隐，不闪烁、不跳动。
• 自动清理：桥接产生的临时图片定时自动清理，无需手动管理。

安装

DSH 插件通过 dsh plugin 命令安装进 profile（dsh web 对应 web profile）。

方式一：从 npm 安装（推荐）

dsh plugin --profile web add @kbpoyo/[email protected]

装完重启 dsh web 即可生效。该命令会在 profile 中安装插件并自动挂载为配置层，无需手动编辑任何配置文件。

验证：重启后，纯文本模型会话中粘贴图片出现「桥接发送图片」按钮即生效；也可用 dsh --profile web --dump-config 确认插件配置层已挂载。

方式二：手动安装（本地调试用）

1. 将本包放置到 DSH profile 的 node_modules/ 下（如 ~/.dsh/profiles/web/node_modules/@kbpoyo/dsh-image-bridge/）；
2. 在 profile 的 cordis.patch.yml 的 - insert: 列表追加：

    - id: dsh-image-bridge
      name: '@kbpoyo/dsh-image-bridge'
      config: {}

3. 重启 DSH（插件为启动期扫描加载）。

卸载

• npm 安装的：dsh plugin --profile web remove @kbpoyo/dsh-image-bridge，然后重启 dsh web。
• 手动安装的：删除 node_modules/@kbpoyo/dsh-image-bridge/ 目录，并移除 cordis.patch.yml 中对应的 @kbpoyo/dsh-image-bridge 行，然后重启。

使用说明

1. 在会话中选择纯文本模型（如 deepseek-v4-flash）；
2. 粘贴或拖入图片，点击「桥接发送图片」按钮发送（直接回车发送也会自动桥接）；
3. 模型会自主调用其视觉类技能/工具（通用视觉问答 / OCR / grounding）查看图片并回答，无需你手动指定工具；
4. 需要 OCR 时请在提问中明确说明（如「识别图中文字」），否则默认走通用视觉问答；
5. 切换到多模态模型（如 mimo-v2.5）后按钮自动消失，图片原生直通。

工作原理

• 落盘：图片写入会话工作区的隐藏目录 <cwd>/.dsh-image-bridge/（点号开头，常规文件管理器不显示；文件名 img-<时间戳>-<序号>.<ext>），发送前校验 attachments.imageLimits（数量 / 类型 / 单张与总大小）。
• 文本化注入：原生图片被替换为三段文本标记：[图片附件]（路径 / 尺寸 / 类型）+ [用户提问] + [处理指引]（默认优先通用视觉问答，OCR 仅在用户明确要求或文字不清晰时使用）。
• 发送入口自动改写：宿主侧包装 session.prompt，纯文本模型下含图消息在原生门禁（MODEL_DOES_NOT_SUPPORT_IMAGES）之前改写为桥接标记；多模态模型直通；改写失败（如桥接目录不可写）回退原生行为，与按钮流程等效。
• 零技能绑定：插件不调用、不绑定任何具体技能/工具，由模型从自身目录自主发现视觉能力。
• 能力判定与切换感知：判定来源为客户端上报当前模型（与官方模型选择器同通路，最新鲜）→ 会话最近一次请求 → 默认模型；模型切换由事件驱动即时感知（订阅官方模型目录 store），另有图片挂载期间每 1s 的兜底轮询覆盖事件漏网场景（如跨标签页切换）。
• 自动清理：TTL 24 小时；总大小超过 512MB 时按最旧优先清理；每 6 小时巡检，插件卸载时清理超龄文件。

常见问题

1. 按钮没出现？ 当前模型被上报为支持图片（多模态模型），按钮按设计隐藏；或 Host 端点不可用（安全降级）。请确认会话当前模型。

2. 直接回车发送图片会怎样？ 会自动桥接，与点击按钮等效；仅当桥接失败（如磁盘不可写）时才回退原生行为并报错。

3. 模型真的能"看到"图片吗？ 取决于模型自身的视觉技能/工具目录——插件只负责把图片送达，不保证所有模型都具备视觉能力；模型无可用视觉能力时会如实告知。

4. 图片会一直留在磁盘吗？ 不会。桥接目录为隐藏目录 <cwd>/.dsh-image-bridge/，图片 24 小时自动清理；总大小超过 512MB 时按最旧优先清理。如需手动清理，直接删除该目录即可（插件会在下次桥接时自动重建）。

5. 自定义供应商模型下按钮一直显示？ 配置层未声明 input: ['text','image'] 时，适配器一律将模型上报为纯文本，插件忠实读取——需在模型声明中补 input 字段，见「已知限制」。

6. 发图后切不回纯文本模型？ 这是 DSH 原生限制（会话日志含原生图片后禁止切回），需 /compact 或开新会话，插件不绕过。

7. 切换模型后按钮没反应？ 刷新页面后重试；正常情况下切换瞬间生效（事件驱动 + 轮询双通道）。

已知限制

• 自定义供应商模型的能力上报：凡经 settings 配置的自定义供应商（provider），其模型声明未包含 input: ['text','image']（或适配器未上报 image 能力）时，适配器一律将其上报为 inputModalities=['text']。此类模型下桥接按钮会如实显示（插件忠实读取适配器上报，无法判定其为视觉模型）——这是配置层事实，与插件无关。要让这类模型正确隐藏按钮，需在模型声明中补 input 字段，或改用适配器托管目录、正确上报能力的模型。
• 原生门禁不绕过：DSH 原生"会话日志含原生图片后禁止切回纯文本模型"的限制保持不变（切回需 /compact 或新会话）。
• subagent 传图不在覆盖范围：父代理向子代理发送的含图消息不经 session.prompt，仍走原生门禁。

License

MIT