dsh-deepseek-web-image

带图片输入支持的 DeepSeek Web 插件（非官方）

这是一个针对 y-wi/dsh-deepseek-web 的二次修改版本。 上游 v1.1.1 已经写好图片上传的底层基础设施，但适配层从未接线， 入口反而硬性拒绝图片。本仓库补齐了最后一环，让 DeepSeek Web 真正能看图。

与上游的差异

不只是"能发图"，而是对齐 Harness 的多模态一等公民契约。

	上游 v1.1.1	本仓库
inputModalities	['text']	['text', 'image']
粘贴图片	直接抛 UNSUPPORTED_IMAGE	上传后随请求发送
ref_file_ids	定义了但从不传	已贯通到 client.complete
提示词附件说明	有模板但从不赋值	如实反映本轮附件数
上传失败	—	降级为文字占位，不中断对话
imageRequestPricing	未实现（中性估算）	DeepSeek 视觉 token 精确计价
imageRequestTarget	未实现（基类恒等）	与实际上传尺寸严格一致
模型上下文元数据	无	contextWindow + defaultMaxTokens
工具结果中的图片	丢弃	递归收集并上传
多轮 / 重建会话	历史图片丢失	按计划增量取图，不重传
单消息图片上限	—	16 张，超出保留最新

安装

方式一：插件界面

打开 插件 → 添加插件，粘贴下面这个地址，安装后启用：

https://github.com/dz3197578117-lab/dsh-deepseek-web-image/releases/download/v1.1.1-image.2/dsh-deepseek-web-image-1.1.1-image.2.tgz

方式二：本地 tarball

cd "$env:USERPROFILE\.dsh\profiles\desktop"
pnpm add "file:C:/path/to/dsh-deepseek-web-image-1.1.1-image.2.tgz"

启用后进入 插件 → DeepSeek Web → 使用 DeepSeek 登录，在浏览器窗口完成登录。

需要 DeepSeek Harness 0.2.1-rc.2（>=0.2.1-rc.2 <0.3.0）。旧版 0.1 宿主请用上游 1.0.x。

⚠️ 安装后需重启 DeepSeek Harness，插件在宿主启动时加载。 v1.1.1-image.1 的 tarball 缺少 package/ 前缀、无法安装，请勿使用。

实现要点

改动集中在 lib/index.js 适配层（124409 → 130108 字节）：

第一层：让图片真的发得出去

1. 声明图片能力 — 两个模型 inputModalities: ['text', 'image']
2. 删除入口拦截 — 移除 UNSUPPORTED_IMAGE 的 throw
3. 新增 uploadTurnImages() — 上传图片，按 model:attachmentId 缓存
4. 贯通 refFileIds — executeConversation → completeWithRepair → completeChecked → client.complete（首次发送与 rebuild 重试都带）
5. 注入依赖 — adapter 增加 resolveAttachments: () => ctx.get('attachments')

第二层：对齐多模态一等公民契约

1. imageRequestPricing() — 移植 DeepSeek 官方视觉 token 算法 （14px patch 网格、3:1 降采样、544×544 放大下限、1024 token 上限）， 277 种几何尺寸与 Harness 官方实现逐值比对，零偏差
2. imageRequestTarget() — 暴露与实际上传严格一致的尺寸与字节目标， 让 Harness 的 token 计量、截图消费方看到真实值
3. 模型上下文元数据 — contextWindow: 131072 + defaultMaxTokens: 8192
4. 工具结果图片 — 通用递归收集（带环路与深度保护），不再丢弃
5. 增量取图 — 按 planConversation 结果决定收集范围：续聊只取增量， 重建才取全量，避免重复上传
6. 上限与保留策略 — 单消息 16 张，超出时保留最新（丢最旧）

设计取舍

• 缓存：同一张图（同 attachmentId + model）不重复上传
• 失败降级：单张上传失败只会让 prompt 少一句 "Treat them as visual input"， 并明确告知模型「N 张不可见」——绝不因为图片问题让整轮对话失败
• 中止透传：signal.aborted 时错误正常上抛，不吞掉
• 不计费幻觉：未上传成功的图片 visualTokens 记为 0，不虚报

验证

层级	项目	结果
语法	node --check	✅
单元（基础）	19 项（notice / collect / target / media）	✅ 19/19
单元（新增）	15 项（递归收集 / 环路 / token 边界）	✅ 15/15
集成	16 项（缓存 / 降级 / 上限 / 中止 / 保留策略）	✅ 16/16
token 一致性	277 种几何 vs 官方实现	✅ 零偏差
端到端（单图）	上传 PNG → ref_file_ids → 描述	✅
端到端（多图）	两张图分别上传 → 分别描述	✅

单图端到端实际输出：

A red circle, a blue square, and a green triangle are arranged on a white background.

多图端到端实际输出（两张独立图片）：

Image 1: A red circle, a blue square, and a green triangle are arranged on a white background.
Image 2: A yellow circle is centered inside a black rectangular frame on a white background.

两张图内容完全不同，模型分别准确描述，证明多附件链路正确。

已知边界

• 改的是构建产物 lib/index.js，不是 TypeScript 源码。上游源码修复后本仓库即无必要
• contextWindow / defaultMaxTokens 是保守取值，非上游权威声明
• 只支持 image/png、image/jpeg、image/webp、image/gif
• 未实现 image/offload 事件协议（超限走本地保留策略而非 Harness 的 compaction 流程）

许可证与声明

MIT，见 LICENSE。原始代码版权归上游贡献者所有。

本插件通过兼容层访问 DeepSeek Web，不是官方 Open Platform 适配器， 不绕过 CAPTCHA / WAF 或账号访问控制。请遵守 DeepSeek 的使用条款， 仅供个人学习使用。