vision-bridge

@dshp/vision-bridge

DeepSeek Harness（DSH）视觉桥接插件：让纯文本模型也能“看图”——当用户消息中出现图片占位符 [image omitted because this model accepts text only…] 时，模型调用 vision_describe 工具，插件把本轮图片原图引用 + 你的提问一起转交给多模态视觉模型去识别，主模型失败时自动用备用模型重试。配置在设置页完成并通过官方 settings API 持久化到 profile 条目 `dshp-vision-bridge` 的 `config:`，设置页改动即时热更新，重启后不丢。配置只认 dshp-vision-bridge 一个键：历史命名空间与旧 storages/*.json 不再读取、不再迁移（见“更新日志”的迁移提示）。

设计原则：对模型零侵扰、对用户零残留。图片只取 leaf 字段的 owned copy，会话级 LRU 缓存；无密钥、无外部依赖；卸载即干净。

安装

方式一（推荐）：克隆 monorepo 安装 —— 更新只需 git pull，旧版 DSH 可 checkout tag

# 1. 克隆 monorepo（lib/ 构建产物已提交，clone 下来就能用，无需 build）
git clone git@github.com:Yinxe/deepseek-harness-plugins.git
cd deepseek-harness-plugins
pnpm install

# 2. 本地安装到 profile（路径按你执行命令时的 cwd 解析）
dsh plugin --profile web add ./plugins/vision-bridge

# 3. 重启生效
dsh web

• 更新：仓库内 git pull + dsh web（最快——lib 已提交，未改 src 无需 build）；兼容旧版 DSH：按 compat.json 的 tag git checkout 后重跑上面的 add。

DSH 是最新版就到此为止。只有 DSH 停在老版本才需要先 git checkout （对照根目录 compat.json，现在是空的，不用管）。

dsh plugin 会把包写进 profile 的 dsh.profile.bundles —— 无需手动改配置文件。

改源码后：src/host 或 src/client 改完跑 pnpm --filter @dshp/vision-bridge build 重新打出 lib/host.js + lib/client.js，然后 dsh web 重启（client 半强刷页面即可）。

验证：打开 web → 设置 → 视觉模型 能看到卡片；或先发一张图再问“这张图里有什么？”（纯文本模型应自动调 vision_describe）。

一键 AI 安装：把下面这段发给你的 DSH AI 即可：

帮我安装视觉桥接插件（monorepo Yinxe/deepseek-harness-plugins，子目录 plugins/vision-bridge，包名 @dshp/vision-bridge）：
1. git clone monorepo 并 pnpm install
2. dsh plugin --profile web add ./plugins/vision-bridge
3. dsh web 重启，确认无报错，设置页出现「视觉模型」即成功

方式二：从 Release 安装（无需 clone；更新需手动重跑命令）

latest 滚动版（跟随 main 最新构建；滚动更新 = 重跑同一条 add 命令）：

dsh plugin --profile web add \
  https://github.com/Yinxe/deepseek-harness-plugins/releases/download/latest/dshp-vision-bridge-latest.tgz

dsh web   # 重启生效

历史版本（兼容旧版 DSH）

main 永远跟随最新 DSH。老版本 DSH 用户装静态历史版本：按 compat.json 记录的兼容 tag，到 Releases 找对应版本 Release（v* tag 触发，静态存档、永不滚动），资产名 = dshp-vision-bridge-.tgz：

# 以 v0.1.5-rc.1 为例
dsh plugin --profile web add \
  https://github.com/Yinxe/deepseek-harness-plugins/releases/download/v0.1.5-rc.1/dshp-vision-bridge-v0.1.5-rc.1.tgz

dsh web   # 重启生效

更新

三种安装方式对应的更新方式

安装方式 · 更新命令 · 说明 方式一 clone（推荐） · 仓库内 git pull + dsh web · 最快；未改 src 免 build；旧版 DSH 用 git checkout 方式二 Release · 重跑同一条 add 命令 + dsh web · URL 直装对 update 免疫；两个 pnpm 坑见根 README 方式三 git 依赖 · dsh plugin --profile web update @dshp/ + dsh web · 一条命令；git 解析约 35s/插件（实测）

功能

部分 · 内容 Host（`src/host/` → `lib/host.js`） · 注册 vision_describe 模型工具；监听 agent/inbox/inserted + llm/stream 缓存图片（最近 20 张/会话，至多 50 会话）；发现候选视觉模型（setting.yml 中 input: [text, image] 的模型 + llm 服务实时 provider 列表）；vision_describe 执行时完成 hint 过滤（sha 前缀或序号）、maxImages 截尾、buildQuestion 拼装 detail + promptTemplate、主→备 fallback；注入系统提示引导纯文本模型何时调用工具；暴露同源 JSON 路由供设置页（见下）。按 0.1.7 契约导出条目 `Config`（schemastery + volatile 字段），`settings.update` 持久化到 profile 条目 `dshp-vision-bridge` 的 `config:`，设置页一改即热更新；配置只认 dshp-vision-bridge，不读历史 key/旧文件；接管发送门禁（启用且配好主模型时纯文本模型可直接发图，关闭即恢复）。 Client（src/client/ → lib/client.js）** · 「设置 → 视觉模型」配置页：启用开关、主/备模型下拉（候选来自 Host 发现）、详细度（auto/low/high）、单次最多图片（1–8）、追加提示词（失焦保存）、重新读取、检查连通性。UI 全部使用 DSH 官方设计 token（dsw-alias-*），与官方设置页风格一致。无额外依赖。 同源路由 · GET /ext/dshp-vision-bridge/state（模型列表 + 当前配置）、POST /ext/dshp-vision-bridge/config（保存补丁）、GET /ext/dshp-vision-bridge/check（探活主/备路由），均带同源校验（Origin 与 Host 一致或缺失才放行）。 工具 · vision_describe（见参数表），输出 { description, model, fallback_used }，模型侧渲染为纯文本（description）。

模型工具：vision_describe

当你是纯文本模型且用户消息中出现 [image omitted because this model accepts text only…] 占位符时必须调用，不要猜图、不要让用户换模型。

参数 · 类型 · 必填 · 说明 question · string · ✅ · 你想从图片中知道什么，例如“描述这张截图里的报错信息”或“转录图片中的全部文字”。 image_hint · string · · 可选：只分析某一张图。填占位符里的 sha 前缀（附件 attachmentId 前缀）或从 1 开始的序号；留空则分析本轮全部图片（受 maxImages 截尾）。 detail · enum · · 可选：auto 常规描述，low 简要概括（2–3 句），high 逐字转录级详细。不填用设置页的默认值。

返回（output.schema）：

{
  "description": "视觉模型返回的中文描述（已拼装 detail 后缀与追加提示词）",
  "model": "provider/model",
  "fallback_used": false
}

模型侧 render 直接展示 description，便于在对话流中继续推理。

配置项（Host 状态）

字段 · 类型 · 默认 · 说明 enabled · boolean · true · 总开关，关闭后 vision_describe 直接抛错提示去设置页启用。 primary · {provider, model} \ · null · null（首次发现后自动选列表首项） · 主视觉模型。 fallback · {provider, model} \ · null · null（自动选第二项） · 备用模型，主失败时重试一次。设为 null 表示不重试。 detail · 'auto' \ · 'low' \ · 'high' · 'auto' · 默认详细度；high 会追加“逐字转录”后缀，low 追加“简要概括”。 maxImages · 1–8 · 4 · 单次 vision_describe 最多喂给视觉模型的图片张数，超出取末尾若干张（最新）。 promptTemplate · string · '' · 可选追加提示词，每次识别都会拼在问题末尾（截断 500 字符，存储上限 2000）。例如“重点看报错弹窗里的红字”。

与动态版的区别：动态（cordis_define）版本的配置只在内存中，重启进程后恢复默认；标准包版本通过官方 `settings` API 持久化到 profile 条目 `dshp-vision-bridge` 的 `config:`，重启后不丢；设置页改动即时热更新，外部手工编辑条目 config 重启后生效。

发布到 npm（可选，当前未发布）

现在没发 npm，所以上面只能本地装。以后想 pnpm add @dshp/vision-bridge 一键装，才需要发包：先建 npm 组织 @dshp（见根 README），再打 tag 走 CI 的 Trusted Publishing。发完这里的安装方式会同步更新。

配置视觉模型（setting.yml）

本插件的候选来自两个来源的并集去重（按 provider/model 字典序）：

1. 配置层：settings 服务中 llm-pi-ai / llm-deepseek 命名空间下，providers[].models[] 里 input 含 image 的模型。
2. 运行时：llm.listProviders() + llm.listModels(provider) 中 inputModalities 含 image 的模型。

因此你只需在 setting.yml 里给多模态模型加上 input: [text, image]，保存后在设置页点“重新读取”即可出现。请参考现有 setting.yml 中 llm-pi-ai 的写法：

llm-pi-ai:
  providers:
    openrouter:
      models:
        - id: qwen/qwen2.5-vl-32b-instruct
          name: Qwen2.5 VL 32B
          input: [text, image] # ← 关键：声明支持图片输入
        - id: openai/gpt-4o-mini
          name: GPT-4o mini
          input: [text, image]

未配置 input: [text, image] 时，设置页会提示“没有在 setting.yml 里找到 input 含 image 的模型”，且 vision_describe 在无 primary/fallback 时会尝试自动选列表首项；若列表为空会抛“没有可用的视觉模型”并指引去设置页。

推荐：至少配两个视觉模型，一个作 primary，一个作 fallback，主失败时自动重试一次。

使用

1. 发图：在对话里直接粘贴或上传图片（支持一次多张，最多 8 张，受 maxImages 限制）。
2. 提问：纯文本模型看到占位符 [image omitted because this model accepts text only…] 后，会自动调用 vision_describe，把你的问题（如“这里报错是什么意思？”、“把图里的文字都转录出来”）连同图片一起发给视觉模型。
3. 查看结果：vision_describe 返回的 description 会以 tool-result 形式回到模型上下文，模型据此继续回答。你也可以在设置页手动点“检查连通性”验证主/备路由是否可达。

进阶：

• 多图时可用 image_hint 指定某一张：填占位符里显示的 sha 前缀（如 a1b2c3）或序号（1 表示本轮第一张）。
• 需要更详细或更简要时，传 detail: high（逐字转录）或 detail: low（2–3 句概括），或在设置页改默认 detail。
• 有固定偏好（如“总是关注右上角的水印”“转录时保留换行”）可写进设置页的“追加提示词”，每次识别自动拼在问题末尾。

验证（不依赖手工发图）

• 语法自检：

pnpm --filter @dshp/vision-bridge test   # node --check lib/host.js + lib/client.js
  # 或直接：node --check plugins/vision-bridge/lib/host.js && node --check plugins/vision-bridge/lib/client.js

• 设置页自检：打开 http://127.0.0.1:3080（或你的 dsh web 端口）→ 设置 → 视觉模型，查看：
• 模型列表是否出现你配置的 input: [text, image] 模型；
• 保存主/备后刷新页面是否仍保持（持久化）；
• 点“检查连通性”是否显示 ✅ … 路由可解析。
• 端到端：发一张 vision_test.png（仓库根有示例）并问“这张图里有什么？”，观察模型是否调用 vision_describe 且返回非空 description。

工作原理

用户发图（attachment + content: [{type: 'image'}, {type:'text'}]）
  ├─ agent/inbox/inserted 事件 ─┐
  └─ llm/stream 请求消息 ───────┼─→ vision-bridge Host 缓存
                                │   imageCache: Map<sessionId, Array<leafAttachment>>
                                │   仅取 leaf 字段（attachmentId/mediaType/bytes/width/height/name）
                                │   会话 LRU 20 张/50 会话
                                │
纯文本模型看到占位符 → 必须调用 vision_describe({question, image_hint?, detail?})
                                │
                                ├─ 读 sessionId → 取缓存 → hint 过滤（sha 前缀 / 序号） → maxImages 截尾
                                ├─ buildQuestion(question, detail) = question + detail 后缀 + promptTemplate
                                └─ describeWithFallback(images, question)
                                     ├─ 无 primary/fallback 时 → listVisionModels() 首项兜底
                                     ├─ runOneVision(primary) → llm.stream({provider,model,messages:[{image…,text}]})
                                     └─ 失败则 runOneVision(fallback) 重试一次
                                         stream 归一：text-delta 优先，兼容 block-end，finish {kind:error/aborted} 抛错

关键细节：

• 系统提示：systemPrompt.section('dshp-vision-bridge', order: 80) 注入视觉能力说明，模型无需用户提醒即可知道何时调用工具。
• 图片引用：vision_describe 内部把缓存的 attachment 原样作为 content: [{type:'image', attachment}] 发给视觉模型，复用 DSH 附件管线，无需 base64 重编码。
• 流式归一：兼容 text-delta 增量与 block-end 全量，并在 finish 中处理 error/aborted，空返回视为失败以触发 fallback。
• 持久化（官方推荐）：POST /ext/dshp-vision-bridge/config 每次保存后通过 ctx.settings.update('dshp-vision-bridge', patch) 写入 profile 条目 dshp-vision-bridge 的 config:（编辑器保留注释与格式），并以 loader/volatile-update 原地热更新。启动时按 schema 默认值 → composition 继承层 → 条目 config: 三级合并校验。旧版 storages/dshp-vision-bridge.json 与旧 key 自 v1.5.0 起不再读取（不自动改名、不迁移），需要旧值时手工把旧分节内容并到条目 config: 下。

配置（cordis.patch.yml 覆盖）

patch 层可覆盖默认值（可选，设置页保存后持久化会覆盖此处）：

- id: dshp-vision-bridge
  name: '@dshp/vision-bridge'
  config:
    enabled: true
    primary: { provider: 'openrouter', model: 'qwen/qwen2.5-vl-32b-instruct' }
    fallback: { provider: 'openrouter', model: 'openai/gpt-4o-mini' }
    detail: auto # auto | low | high
    maxImages: 4 # 1–8
    promptTemplate: '重点看报错弹窗' # 可选，≤2000 字符

设置页的保存会覆盖同名字段并落盘到 profile 条目 dshp-vision-bridge 的 config:；旧 storages/*.json 与历史旧 key 不会被读取，也不会有任何自动备份/改名（需旧值请手工搬运）。

代码结构

lib/host.js         Host 半：顶部同源小工具（settingsNamespace/json/sameOrigin/readBody，本包自有）+ 图片缓存 + 模型发现 + vision_describe 工具 + 系统提示 + 同源路由 + 持久化
lib/client.js       Client 半：__ModuleLoader__ bundle（单文件 CJS，loader 壳由构建预设拼出），设置页 UI（DSH token 样式，fetch 同源路由）
cordis.patch.yml    bundle 层 patch：仅 insert 挂载行
package.json        包描述 + DSH bundle 声明（dsh.bundle.patch / dsh.client.platform）
README.md           本文件

常见问题

• 纯文本模型下发不出图片（“当前模型不支持图片”）：拦的是服务端发送门禁（MODEL_DOES_NOT_SUPPORT_IMAGES），不是输入框禁用粘贴。本插件 v1.1.0+ 在“启用且配好主视觉模型”时自动接管该门禁（状态卡“发送门禁”显示“桥接接管中”），纯文本模型可直接发图；若显示“未接管”，请先启用桥接并选择主模型。接管只负责放行，真实请求仍按文本模型投影为占位符，再由 vision_describe 桥接。
• 设置页没有“视觉模型”卡片：确认 profile package.json 的 dsh.profile.bundles 含 @dshp/vision-bridge，且依赖已装上；重启 dsh web 后硬刷新浏览器。
• 报“本轮没有找到可用的图片”：图片未作为附件发送（重试一次），或模型连续调用时会话 sessionId 未正确传递。确认图片是“上传/粘贴”而非“图片 URL 文本”，并让模型把占位符里的 sha 前缀填进 image_hint 重试。
• 报“视觉桥接已在设置页关闭”：设置页把“启用视觉桥接”勾上并保存。
• 报“没有可用的视觉模型”：见“配置视觉模型”一节，给视觉模型加 input: [text, image]，然后点“重新读取”。
• “检查连通性”报“提供方未注册”：provider 拼写错误或该 provider 未在 setting.yml 中配置。
• 图片识别总是走 fallback：主模型名/路由错误或余额不足，查看 dsh web 日志中 [dshp-vision-bridge] 相关错误；保存后主模型会持久化在 profile 条目 dshp-vision-bridge 的 config: 里，改对后重新检查。
• `WEB_DUPLICATE_PROVIDER` / 工具重复：同一插件同时存在动态（cordis_define 的 dshp-vision-bridge）与静态（本包）两份，请 cordis_undefine 掉动态版本，再重启 dsh web。
• 报 `MissingSessionID`（`x-opencode-session` 缺失）：opencode 系（go/zen）自 2026-09-06 起强制要求会话头。v1.3.1+ 已把会话 ID 透传给 llm.stream；但 openai-completions 协议的提供方还需在 profile 条目 llm-pi-ai 的 config: 里为 opencode-go / opencode-zen 打开会话亲和头（cordis.patch.yml 手写后重启生效），否则透传的 ID 不会被发到网关：

- id: llm-pi-ai
    config:
      providers:
        opencode-go:
          compat:
            sendSessionAffinityHeaders: true
        opencode-zen:
          compat:
            sendSessionAffinityHeaders: true

保存后重试。等不及可先把主视觉模型切到 bigmodel-vision / glm-4.6v-flash（不走 opencode，不过审此限制）。

• 想改识别风格：设置页“追加提示词”写偏好（如“用中文分点、保留表格”），或调用时传 detail: high / low。

卸载

dsh plugin --profile web remove "@dshp/vision-bridge"
dsh web

remove 会自动从 dsh.profile.bundles 撤下挂载（monorepo 本体不用删）。设置页配置已落盘到 profile 条目 dshp-vision-bridge 的 config:，按需手动清理；旧 storages/*.json 与历史旧 key 不会被读取，可自行删除。

更新日志

• v1.8.0：跟 DSH 0.2.0-rc.2 基线——@deepseek-ai/dsh-client-ui-primitives devDep 升 0.2.0-rc.2（cordis peer 4.0.2 → 4.0.4，仓库 pnpm-workspace.yaml 用 overrides 对齐）。0.2.0 系列的 primitives 对本插件用到的原语是纯新增，源码零改动，只重打 lib/。
• v1.7.0：适配 DSH 0.1.7（rc.1）——Host 按新契约导出条目 Config（schemastery 字段全部 .volatile()），废弃 installSection/setSource；设置页注册改走 settings.configure({ auto: false }, ctx.fiber)；设置改动经 settings.update 写入 profile 条目 dshp-vision-bridge 的 config: 并由 loader/volatile-update 即时热更新（手工编辑条目 config 重启生效）。peer 升 ^0.1.7-rc.1（rc.1 起装载前会校验 peer 范围）。
• v1.5.0：移除全部历史配置迁移——不再把 vision-bridge / dshp-inx-vision-bridge 顶层 key 重命名为 dshp-vision-bridge，也不再读取/备份旧 storages/dshp-inx-vision-bridge.json。配置只认 dshp-vision-bridge：老用户如需保留旧值，请手工把旧分节改名或把内容并到新分节（旧 key 里 {} 之外的字段不会被自动搬运）。
• v1.4.0：组织规范化——包名由 @dshp-inx/vision-bridge 改为 @dshp/vision-bridge（monorepo plugins/vision-bridge），cordis 行 id / settings 命名空间 / /ext/* 路由同步为 dshp-vision-bridge。当时提供 settings.yaml 里 vision-bridge / dshp-inx-vision-bridge 的自动重命名与 storages/dshp-inx-vision-bridge.json 自动迁移（该自动迁移已在 v1.5.0 移除，见上）。升级后请把 profile 的 cordis.patch.yml 里旧 id 换成 dshp-vision-bridge（见“安装”节重装一次最省事）。
• v1.3.0：settings 命名空间跟上插件前缀——settings.yaml key 由 vision-bridge 改为 dshp-vision-bridge，与包名 @dshp/vision-bridge / 路由 /ext/dshp-vision-bridge/* / cordis 行 id / 日志前缀保持一致；启动时自动把旧 vision-bridge 顶层 key 重命名（该自动迁移已在 v1.5.0 移除），旧 storages/dshp-vision-bridge.json 迁移逻辑当时保持不变。
• v1.2.0：命名空间化——cordis 行 id、/ext/* 路由、effect label、日志前缀、系统提示 section、设置 section id、持久化文件统一加 dshp-vision-bridge 前缀（旧 vision_bridge.json 不再读取，可手动删除；默认启用，首次发现模型后自动选中主/备并落盘新文件）；包名 @dshp/vision-bridge 与工具名 vision_describe 保持不变。
• v1.1.0：接管发送门禁——启用且配好主模型时，纯文本模型可直接发送图片（此前被 MODEL_DOES_NOT_SUPPORT_IMAGES 拒收）；设置页状态卡新增“发送门禁”行；GET /ext/dshp-vision-bridge/state 新增 admissionTakeover 字段。

移植说明

Monorepo + TS 版：本目录是 deepseek-harness-plugins monorepo 的标准子项目（plugins/vision-bridge），由 ~/.dsh/plugins/vision-bridge（JS，v1.3.2）等价 TS 重写移植。

- Host：原 lib/index.js（816 行）→ src/host/{types,http,config,cache,vision,index}.ts，tsup 打包为单文件 lib/host.js（ESM，schemastery 内联，运行时零依赖），导出 { name, inject, NS, ConfigSchema, apply } 与原版一致。

- Client：原手写 client.js（374 行）→ src/client/{types,api,components,styles.module.css,VisionSection,index}（.tsx + JSX，不再是 React.createElement 工厂），构建为单文件 lib/client.js（CJS + 构建预设拼的 __ModuleLoader__.load 壳，react / react/jsx-runtime / primitives 运行时注入不打包）。官方组件的 props 类型直接来自 @deepseek-ai/dsh-client-ui-primitives（devDependency，见 docs/client-basics.md）。

构建：pnpm --filter @dshp/vision-bridge build（tsup）→ lib/host.js + lib/client.js；包入口 lib/host.js，./client → lib/client.js。lib/ 已提交（DSH add github: 直接从 git 安装，不跑 build，必须带构建产物）。

免责声明

• 本插件与所有视觉模型提供方（OpenRouter、OpenAI 等）无隶属关系；模型能力与计费以提供方为准。
• 图片仅在本地会话缓存中短暂留存（最近 20 张/会话），随进程重启清空；除转发给视觉模型外不上传至其他远端。
• 请遵守各模型提供方的内容政策与隐私要求，勿发送敏感信息。