@dsh-external/ui-external-vision

介绍

ui-external-vision 是 DSH Web 客户端的“外接模型识图”插件。当当前模型不支持识图但需要识别图片时，它会通过外部 VL 模型（默认 qwen3.5-omni-plus，OpenAI 兼容接口）识别图片并返回文字描述，支持本地图片路径和图片 URL 两种来源。

安装

方式一：超级模组注入器

dev_build_plugin  {"dir": "C:/Users/<user>/.dsh/plugins/ui-external-vision"}
dev_inject_plugin {"dir": "C:/Users/<user>/.dsh/plugins/ui-external-vision"}

打开或刷新 DSH Web，进入“设置 → 外接识图”。

方式二：dsh 命令安装（项目官方方式）

如果你已安装 dsh CLI，可以按项目官方教程使用 dsh plugin 命令安装：

# 从本地插件目录安装
dsh plugin --profile web add C:/Users/<user>/.dsh/plugins/ui-external-vision

# 或从 GitHub 仓库安装
dsh plugin --profile web add github:xiyue718/dsh-ui-external-vision

安装后启动：

dsh --profile web

查看组合配置：

dsh --profile web --dump-config

详细命令说明见项目文档：docs/user/develop/basic/publish.md。

构建产物：host 为 lib/index.js，client 为 lib/client.js，打包文件为 dsh-external-ui-external-vision-0.1.0.tgz。

使用

1. 打开 DSH Web。
2. 进入“设置 → 外接识图”。
3. 填写模型提供方、Base URL、模型名称和 API Key。
4. 点击“保存”。
5. 进入任意会话。
6. 直接发送图片 URL（如 https://example.com/image.png），插件会在当前模型不支持图片输入时自动识别并把描述注入给 AI。
7. 当 AI 调用 read_image 且当前模型不支持图片输入时，插件也会自动调用外部模型识别图片并把结果返回给 AI。

功能

• 在“设置”中新增“外接识图”配置页面。
• URL 自动识别：当用户消息中包含图片 URL、且当前模型不支持图片输入时，插件会自动在模型请求前下载该 URL（仅内存，不写盘），调用外部 VL 模型识别，并把识别结果作为上下文注入给 AI。
• 防盗链兼容：下载图片时会自动携带合适的 Referer（iconfont/alicdn 使用 https://www.iconfont.cn/，其他 URL 使用同源地址），降低 CDN 403 拒绝概率。
• 失败可见：某个 URL 获取或识别失败时，插件会把失败原因注入上下文，不再静默跳过。
• 本地图片自动调用：当 AI 调用 read_image 工具、但当前模型不支持图片输入时，插件会自动调用外部 VL 模型识别图片，并把文字描述作为工具结果返回给 AI。
• read_image 拦截同时支持 file_path 与 url / imageUrl / file_url 参数。
• 不再提供手动“识图”视图。
• API Key 必须由用户手动输入，通过项目凭证服务保存，与“模型”设置页的实现方式一致。
• 模型提供方、Base URL、模型名称通过项目 storage domain 持久化保存，并同步到 host 内存供自动识图使用。
• 保存时会校验：模型提供方不能为空；Base URL 和模型名称不能为空；首次保存时 API Key 不能为空。已配置 API Key 后，再次保存可留空表示保持不变。

Host API

GET /@dsh-external/ui-external-vision/api/status

GET /@dsh-external/ui-external-vision/api/config

POST /@dsh-external/ui-external-vision/api/config
Content-Type: application/json

POST /@dsh-external/ui-external-vision/api/vision
Content-Type: application/json

/api/status 返回默认 Base URL 和默认模型，不返回 API Key。/api/vision 支持 imagePath 或 imageUrl；使用 imageUrl 时，host 会先把远程图片下载到内存并转为 base64 data URL，再发送给外部 VL 模型。

原理

插件由 host 和 client 两部分组成。

Host 侧注册 agent/pre-step 和 tools/execute 两个拦截点：

• 在 agent/pre-step 中，插件检查即将进入模型请求的用户消息，提取图片 URL。随后通过 llm.resolveModelInfo 判断当前模型是否支持图片输入；如果模型不支持图片且已配置 API Key，则下载图片到内存并调用外部 VL 模型，把识别结果包装成一条 source.kind === 'plugin' 的用户消息注入到请求上下文。
• 在 tools/execute 中，当模型调用 read_image 且当前模型不支持图片输入时，插件会拦截该工具调用，读取本地图片或远程 URL，调用外部 VL 模型，并把文字描述作为工具结果返回给 AI。

API Key 通过项目凭证服务读取，不会出现在请求体或浏览器存储中。远程图片 URL 会在 host 内存中下载并转换为 base64 data URL 后发送到外部模型接口，不会写入磁盘。Client 侧负责渲染“外接识图”设置页，并将配置保存到 storage domain 和凭证服务。