一句话定位

给 DSH 的纯文本主模型配一个独立的识图模型：聊天里发的图片会先被识图模型"翻译"成文字描述，再交给主模型，主模型不用切也能"看"图；原生多模态主模型则完全走 DSH 原生链路，不会被插件干涉。

核心能力

• 聊天发图自动转文字：纯文本主模型也"看"得到图，图片被识图模型分析成一段"图片内容分析"文本后注入上下文，原图仍留在会话历史里（UI 可见）
• 原生多模态模型自动放行：插件通过 resolveModelInfo 实时识别路由的图片输入能力，自带 image 能力的主模型完整保留 DSH 原生图片链路
• vision_read_image 工具：模型可显式调用，按 PNG/JPEG/WebP/GIF 路径直接读图、分析、回传文本（OCR、图表、截图场景）
• 输入框右侧"识图模型"下拉 + 设置→Vision：自动列出所有供应商里支持图片输入的模型，可设置"关闭思考/强制关闭"等推理策略
• 内置兜底：识图失败 → 60s 超时 → 1 次退避重试 → 重试耗尽降级为占位文本，主模型回合不会被识图失败拖垮
• 旧版本 modelOverrides 自动还原：升级前写入的 llm-pi-ai 图片闸门在首次启动时由插件根据内置 gateState 所有权记录精确还原

技术实现

• 语言: JavaScript（ESM，type: module）
• 关键依赖: @deepseek-ai/dsh-llm（BlockAssembler / createUserMessage / freezeMessage）、@deepseek-ai/dsh-tools（defineTool）、@deepseek-ai/dsh-settings（settingsNamespace）、@deepseek-ai/schemastery（运行时校验）
• 架构模式: Cordis 插件；后端 index.js 通过 ctx.on('llm/stream') 拦截含图请求、用 Symbol('vision-bypass') 短路自递归、tools.guard 拒绝内置 read_image 在纯文本主模型上注入真图；前端 client.js 通过 window.__ModuleLoader__.load 注入 React 组件到 conversation.input.right slot；core.js 暴露纯函数供 host/client 复用
• 入口文件: index.js（后端，注入 llm/stream / tools / settings / webServer），client.js（前端，识别模型选择器 + 设置页），core.js（图片计数、替换、模型信息兼容层）

适用场景

当你用 DSH 配的是纯文本主模型（比如早期 DeepSeek 系列、开源 Qwen2.5 等），但又希望聊天里能直接发截图、菜单截图、图表让 AI 看到时，这个插件让你不用把主模型换成多模态也能"看图"——所有供应商里支持图片输入的模型都能被指定为辅助识图模型，搭配"强制关闭思考"还能省下首 token 延迟。如果你的主模型本身是原生多模态（如 Vision 系列），本插件不会做任何事，原生链路直接生效。

前置依赖与兼容性

安装方式

dsh plugin --profile web add github:poiuyjie/dsh-vision-opencode

也可选 scripts/install.sh（Ubuntu 一键脚本，支持 --vision-provider / --vision-model / --proxy 等参数）或 scripts/install.ps1（Windows 脚本）。装完重启 dsh，浏览器硬刷新（Ctrl+Shift+R），输入框右侧会出现"识图模型"下拉。

配置项

设置页（Settings → Vision）会基于上述 schema 自动生成表单；同时也支持直接编辑 ~/.dsh/settings.yaml。

常见问题

Q: 装了之后必须挑一个识图模型吗？

A: 强烈建议。设置→Vision 或输入框右侧下拉里挑一个；没挑时插件以占位文本提示"未配置识图模型"，主模型仍能正常回答但看不到图——这相当于"装了一半"。

Q: 只想关掉自动转换、保留工具和选择器可以吗？

A: 可以。~/.dsh/settings.yaml 把 vision-opencode.autoConvert 改为 false 再重启 dsh；vision_read_image 工具和输入框右侧的识图模型下拉都还在，只有聊天发图自动转文字这条链路被停用。

Q: 图片转换失败 / 选择器不出现怎么办？

A: 十有八九是识图模型没选，或选了不被插件当多模态模型识别的 id。先看 settings 里 provider 和 model 字段都填了，再打开浏览器开发工具看 Console 报错，最后去插件仓库 issue 区贴日志发问题。

Q: 切到原生多模态主模型（比如带 image 输入的）会受影响吗？

A: 不会。插件挂着 resolveModelInfo 钩子，识别到当前路由原生支持图片（inputModalities 含 image）时直接放行，走 DSH 自带图片链路，不会被拦截重转。

Q: "关闭思考"真的能省吗？

A: 取决于供应商是否真的为该模型声明了关闭档位。极少数模型有真"关闭"档（hy3 off:"none" 之流）；大多模型只能在"强制关闭"档顺序试 thinking:{type:disabled} / reasoning_effort:"none" / enable_thinking:false 三种 wire 参数，插件逐个试并记住哪个对该供应商标 0 reasoning_tokens 后复用，但不能保证每个供应商都能跑通。

Q: 卸载前需要注意什么？

A: 先备份包含图片的会话。卸载后旧会话里的图片辅助分析会被清掉，纯文本主模型重启后拿不到那些分析结果；如果不重新发图，模型就不知道那张图原来是什么。

Q: 支持哪些图片格式？

A: PNG / JPEG / WebP / GIF 四种。vision_read_image 工具和聊天发图都用这同一份白名单；其他格式在 attachments 服务层就直接被拒。

Q: 能在 DSH CLI / 桌面端用吗？

A: 不能。仓库在 package.json 把 dsh.client.platform 显式声明为 web，HTTP 端点（/vision-opencode/config 等）、SSE 进度推送（/vision-opencode/events）、设置面板与 React 组件都绑定 DSH Web 客户端。

上手难度

入门 — 安装一行命令、重启 DSH、刷新浏览器，然后从输入框右侧下拉里选一个识图模型即可；想完全自定义时再进 Settings → Vision 调 schema 表单。

已知问题与限制

• "关闭思考"靠供应商目录 / adapter 元数据判断：插件尽力区分"真申报 off"与"未申报（仅返回思考档位）"，但 pi-ai 形态变化（JSON 文件 vs 模块导出）时可能触发 warn 日志并回退适配器面值（index.js:594）；强制关闭通过直连网关试三种参数，不能保证每个供应商都能真正关掉
• 主模型若非 dsh-llm-pi-ai 适配器（典型如 dsh-llm-deepseek）：插件 warn 后跳过图片提交闸门兼容层安装（index.js:229），这种主模型上的图片提交仍可能直接被 DSH 拒绝
• 60s 强制超时 + 1 次退避重试（index.js:508-512）：超长 OCR 或大型图表识别可能被打断；当前内置 attachments.imageLimits 决定图片像素上限（index.js:1746-1764），大图会被先在服务层裁切
• 内置 read_image 工具在纯文本主模型上被强制拦截（index.js:251-265）：返回的"工具结果"会引导模型改用 vision_read_image，但若模型坚持调用，会不断收到"blocked"提示而非真实图
• 旧版本（≤0.3.2）写过 llm-pi-ai.modelOverrides：升级时插件用 gateState 所有权记录精确还原，还原失败时保留 gateState 等待下次重启重试（index.js:458-462）
• 卸载走 POST /vision-opencode/uninstall（需带 X-Vision-Opencode-Action: uninstall 自定义头）：仅清理本插件 settings 与旧 modelOverrides；DSH 本身的依赖、profile 目录、cordis.patch.yml 里的 insert 条目需手动卸载（index.js:1671-1674）
• 仅支持 DSH Web 客户端：dsh.client.platform: "web" 在 package.json:49 显式声明，CLI / 桌面端 / 移动端等其他宿主没有对应 bundle
• 跨版本兼容：DSH 升级换 hash 前缀时，前端组件能通过扫描 document.styleSheets 自动适配（client.js:63-105），但若官方 React slot 名发生变化，组件可能需要重新定位注入位置

DeepSeek 不认图？OpenCode 多模态平替方案：给纯文本主模型加一个可配置的识图模型。

它能做什么

• 聊天里发图 → 先交给视觉模型（如 MiMo-V2.5）转成文字，主模型照常回复，不用换模型
• 输入框右侧「识图模型」下拉，自动列出所有供应商中支持图片的模型
• 设置 → Vision 独立管理模型；vision_read_image 工具 / vision-image-analysis skill 支持 OCR、图表、截图理解
• 异常兜底：单次 60s 超时、失败重试 1 次、重试耗尽降级为占位文本，不拖垮回合

安装

方式一（DSH 原生，推荐）：

dsh plugin --profile web add -w github:poiuyjie/dsh-vision-opencode

方式二：一键脚本（Ubuntu install.sh / Windows install.ps1）：

curl -fsSL https://raw.githubusercontent.com/poiuyjie/dsh-vision-opencode/main/scripts/install.sh | bash

装完重启 dsh，在输入框右侧选择识图模型。

卸载：dsh plugin --profile web remove -w dsh-vision-opencode（或 uninstall.sh）。

卸载前先备份包含图片的会话——卸载后这些旧会话可能无法再发给纯文本主模型。

配置

编辑 ~/.dsh/settings.yaml（也可用设置 → Vision 图形化管理）：

vision-opencode:
  provider: ''       # 识图模型供应商；空 = 未选择
  model: ''          # 识图模型 id；空 = 未选择
  autoConvert: true  # 发图自动转换开关；出问题可改 false 关掉

插件自动识别纯文本主模型并接管图片；原生多模态模型保留 DSH 原生链路，无需改模型目录。

识图模型的推理关闭

设置 → Vision 里每个模型有一行「推理」策略：

有「关闭」档的模型很少，没有时界面显示「默认 / 强制关闭」并标注「不保证成功」。关掉思考一般能明显降低首 token 延迟和花费（MiMo 实测 reasoning_effort:"none" 可真正关掉）。

⚠️ 各供应商对「关闭思考」的声明很混乱（off:"none" / off:null / 无字段各不相同），插件只能尽力按厂商目录区分「关闭」与「强制关闭」并试参数，不保证每个供应商都能真正关掉。

常见问题

• 只想关掉自动转换（保留工具和选择器）：vision-opencode.autoConvert: false 后重启
• 图片转换异常/选择器不出现：多半是识图模型未选或版本差异，看浏览器控制台报错发 issue
• 纯文本与多模态主模型自动区分，切换供应商无需再改配置

License

MIT