dsh-read-image

给 DeepSeek Harness 的纯文本会话模型加一条「读图旁路」：图片发给一个独立的多模态模型， 只把文字结论回灌到当前会话。会话模型不用切换，上下文里也不会塞进图像字节。

装上之后：

• 多一个 vision_read 工具 —— 你说「看看这张图」，模型直接调用它，而不是回答"我看不到图"；
• 输入框旁多一个「视觉」开关和模型下拉 —— 随手开关、随时换模型；
• 多一个 /vision 命令 —— on / off / model <provider::id>。

为什么需要它

DSH 的图像是作为 attachment 进入请求的。当会话模型声明 inputModalities: [text] 时， 图像会被替换成一段占位文本（[image omitted because this model accepts text only]）。 于是纯文本模型对图片只能"看不见"。

本项目不改会话模型，而是在工具侧直连一个视觉模型：工具读到图片、发给视觉模型、 把返回的描述当作工具结果回灌。会话模型始终是它自己。

安装

dsh plugin add dsh-read-image

或在 Harness 的插件管理页里从 npm 安装。安装后可热生效；客户端 UI 需要刷新一次页面。

需要 DSH >=0.2.2-rc.1 <0.3.0-0。

配置

配置写在插件行里（cordis.patch.yml 的 config），全部有默认值：

键	默认	说明
enabled	true	关闭后 vision_read 直接返回「已关闭」
model	deepseek-official::deepseek-v4-flash-vision-exp	用哪个模型读图，格式 provider::model
maxBytes	1048576	单张图上限，超过直接拒绝（不静默压缩）
maxTokens	4000	返回文本预算。推理型视觉模型给小了会返回空正文
anthropicPath	/v1/messages	anthropic-messages 协议的路径
anthropicVersion	2023-06-01	同上
prompt	中文描述提示词	默认问法，可被工具参数 prompt 覆盖
routes	见下	覆盖各 provider 的 baseURL / apiKeyEnv / api

routes 用来告诉插件每个 provider 该往哪儿发、用哪个密钥、走什么协议：

config:
  model: kuaimitu::claude-opus-4.8
  routes:
    kuaimitu:
      baseURL: https://api.52pay.com/
      apiKeyEnv: KUAIMITU_API_KEY
      api: anthropic-messages

内置已知路由（DeepSeek 官方 / xianyu / moonshot / kuaimitu / copilot / copilot-rs / kimi-coding）， 未列出的 provider 回落到顶层默认。

模型清单是动态的

插件不硬编码模型：它用 ctx.llm.listProviders() 拿 provider 列表， 再用 ctx.llm.listModels(providerId) 逐个取模型，并把 inputModalities 含 image 的排在前面。

所以你在 Harness 里新加了 provider 或模型，下拉会自动出现（重新打开开关或发一次 /vision 即可刷新）。

inputModalities 只是声明。很多模型（如 claude-opus、gpt-4o）实际支持视觉但没有声明—— 本插件不据此拦截，你仍然可以选中尝试；声明过的只是排序靠前。

支持的协议

api	请求	用途
openai-completions	POST {base}/chat/completions，Authorization: Bearer，image_url 内容块	DeepSeek 官方、xianyu、moonshot、copilot 等
anthropic-messages	POST {base}/v1/messages，x-api-key + anthropic-version，image 内容块（base64）	kuaimitu 这类 anthropic 风格的转售通道

其它协议（如 openai-responses）会返回明确错误，不会静默失败。

密钥从哪来

1. 进程环境变量（apiKeyEnv 指定的那个）；
2. 否则走 Harness 的凭证服务 ctx.get('credentials').resolve(ref)——也就是你在设置页里存的那份。

密钥不会写进插件配置，也不会出现在日志里。

已知限制

• 开关是会话内状态，不落盘：重启后回落到配置里的默认值。 （写回 profile 的 cordis.patch.yml 是框架禁止的做法，configEditor 服务在本 profile 不可用。）
• 单张图 ≤ 1 MiB。更大请先裁剪——视觉模型自己也有像素预算，超大图细节会被降采样。
• 返回的是文字。看远处小字、细纹理不可靠；需要精确读文字时先裁出那一小块。
• copilot / copilot-rs 指向本机 4141 / 4142 代理，代理没起就会连接失败。

开发记录

DEVLOG.md 记录了实现过程中实测到的 8 个坑（依赖解析、推理模型 token 预算、 ctx.credentials 属性访问抛异常、list slot 注册参数、listProviders 不含模型等）。 如果你要改这个插件，先读它。

License

MIT