dami9527/dsh-image-pathify

dsh-image-pathify

0.2.2 兼容 DeepSeek Harness 0.1.7-rc.1 ~ 0.2.1-rc.2，已在 0.2.1-rc.2 实测。dsh 0.1.5 及以下请继续使用 dsh-image-pathify@0.1.9。

让 deepseek-v4 这类「不能看图」的模型，也能处理你贴进聊天里的图片，并直接调用插件内置的识图工具。

聊天记录和界面里的缩略图不会变。插件只在把消息发给模型前，把图片换成一行本地文件路径；模型再调用 analyze_image 读这个文件，通过你配置的视觉 API 得到文字描述。

你贴一张图  →  聊天里照常显示缩略图
           ↓
发给不能看图的模型前  →  变成：Saved attachments: /某路径/某文件
           ↓
模型调用 analyze_image  →  视觉 API 返回文字描述（多张图一次请求、同一次看见全部）

已经能看图的模型不受影响：图片会原样发给它们，analyze_image 不会出现在它们的工具列表和系统提示里。read_image 在不能看图的模型上会被拒绝，并提示改用 analyze_image。

磁盘上的图片文件是 dsh 自己保存的附件（~/.dsh/attachments/v1/...），不是本插件另存的一份。

安装

dsh plugin --profile web add dsh-image-pathify
dsh web

打开 插件 → 识图 进详情页可配置（插件旧版 0.1.x 在 设置 → 插件 → 识图），填写后点保存：

• API 密钥（写入 $DSH_HOME/.credentials.yaml，不进设置文件）
• 识图模型（默认 deepseek-flash）
• 识图 API 地址（默认 https://api.deepseek.com）
• 禁用思考（默认勾选）。DeepSeek 识图模型（如 deepseek-flash）默认会思考，思考 token 计入输出上限；取消勾选才会走思考模式，开启思考时应增大输出上限

任何 OpenAI 兼容的视觉接口都可以，把地址(部分地址需要后面加/v1)和模型改成你的服务即可。设置页改动保存后立即生效，不用重启。

截图为旧版 0.1.9 的设置页；0.2.x 的入口是顶部 插件 → 识图，字段相同。

更新

已装版本落后于 npm 最新版时，识图卡片 header会显示「发现新版本 x → y」和 复制升级命令，点按钮把命令复制到剪贴板。命令里的 --profile 按当前进程解析，取不到兜底 web。

1. 结束当前正在跑的dsh，例如： dsh web（终端里 Ctrl+C）
2. 执行复制出来的命令：

dsh plugin --profile web add dsh-image-pathify@version

再启动 dsh web

怎么确认可用

1. 插件页里打开 识图，详情上方出现识图设置
2. 给不能看图的模型发一张图：界面里缩略图还在；模型调用 analyze_image 而不是 read_image
3. 给不能看图的模型发本地图片路径或图片URL：应直接调用 analyze_image，不会先 read_image
4. 给能看图的模型发一张图：模型直接回答，不调用 analyze_image
5. 给能看图的模型发本地图片路径或图片URL：应直接调用 read_image，不会先 analyze_image

配置

插件页保存后立即生效。识图字段写在该插件的 Loader 配置里，也就是 $DSH_HOME/profiles/name/cordis.patch.yml（0.1.x 写在 settings.yaml 的 image-pathify 段，不会自动导入，需要在插件页重新填写）；API 密钥仍写在 $DSH_HOME/.credentials.yaml。

选项 · 默认 · 做什么 apiKeyEnv · IMAGE_PATHIFY_API_KEY · 凭据引用名。密钥本身写在 $DSH_HOME/.credentials.yaml，不进设置文件 visionModel · deepseek-flash · 识图模型 id。 visionBaseUrl · https://api.deepseek.com · OpenAI 兼容基址。(部分地址需要后面加/v1) disableThinking · true · 默认勾选。仅 DeepSeek 等支持 thinking 的接口会带上该字段，如果需要思考和详细输出请取消勾选，并增大输出上限，防止输出内容被截断(思考也会占用tokens) maxTokens · 2048 · 输出上限。0 = 不传 max_tokens(不传时各家默认值处理方式并不统一) models · 空 = 全部不能看图的模型 · 只决定哪些模型允许发图。空 = 都能发。填了就只放行名单里的模型 relaxAdmission · true · 允许给不能看图的模型发图。关闭后按模型能力拒绝贴图

apiKeyEnv 未配置时默认指向 IMAGE_PATHIFY_API_KEY, 将 API Key 指向官方环境变量的例子：

- id: dsh-image-pathify
  name: dsh-image-pathify
  config:
    visionModel: deepseek-flash
    visionBaseUrl: https://api.deepseek.com
    apiKeyEnv: DEEPSEEK_API_KEY
  disabled: false

只允许 deepseek-v4 发图的例子：

- id: dsh-image-pathify
  name: dsh-image-pathify
  config:
    models:
      - provider: deepseek-official
        model: deepseek-v4-flash
      - provider: deepseek-official
        model: deepseek-v4-pro

用千问 DashScope 识图：

- id: dsh-image-pathify
  name: dsh-image-pathify
  config:
    visionModel: qwen-vl-plus
    visionBaseUrl: https://dashscope.aliyuncs.com/compatible-mode/v1

模型侧只多一个工具 analyze_image（仅不能看图的模型能看见、能调用，防止与具备识图能力的模型冲突）。

• 一张图：image 填本地路径、file:// URL 或 http(s) 图片 URL（不要带路径前缀）
• 本地相对路径按当前会话工作目录解析；没有会话工作目录时按 dsh 进程目录解析
• 多张图：用 images 一次传入全部路径，插件会在同一次视觉请求里带上所有图片，不必一张一张等
• prompt 可选

同一轮里有多张图时，系统提示会要求模型把所有路径放进一次 analyze_image 调用，而不是循环调用。

PTC 模式下模型只能直接调用 run_code，此时 analyze_image 在 run_code 的 SDK 里调用；插件提示词已经包含这条说明。

开发与构建

pnpm install
pnpm check

pnpm check 会按顺序执行 typecheck、test、build。

License

MIT