图片输入解锁 FrostLeafKEE/dsh-image-unlock

🐳 dsh-image-unlock

解除 DeepSeek Harness Web GUI 的图片输入限制，让图片附件在不支持图片的上游（Console Go）下可用。

[version]()
[license]()
[platform]()
[whale girl approved]()

✨ 一张图看懂

🖼️ 上传图片 │ ▼ 🚪 准入闸门 ←── bundle patch：defaultInput: [text, image] │ （未声明 input 的模型继承图片能力，不再被拒） ▼ 🔧 图片文本化 ←── code patch：textifyImageBlocks() │ （图片块 → [图片附件: ] 文本标记） ▼ 🤖 agent 看到标记 → 👁️ vision skill 识图（vision.js 魔数嗅探 MIME）

🧩 问题

Harness 在 API 层（dsh-host-apiproxy）、LLM 层（dsh-llm-pi-ai）都根据模型的 inputModalities（来自 llm-pi-ai 的模型 input 声明）判断能否接收图片。
默认声明只有 text，因此未声明 input 的模型（如 deepseek-v4-flash）在发图时会被拒绝（"Model does not support image input"）。

但只放行还不够：dsh-llm-pi-ai 会把 durable 图片块转成 { type: "image", data: base64 } 部件，pi-ai SDK 序列化为 image_url 发送给上游。Console Go 上游协议只接受 text，于是报：

400 invalid_request_error: Failed to deserialize the JSON body into the
target type: messages[605]: unknown variant image_url, expected text

也就是说：声明图片能力是"准入"，但上游根本不收图片。正确做法是准入后把图片块转成带附件路径的文本标记，识别交给 vision skill。

⚙️ 方案（两部分）

1. Bundle patch：准入（cordis.patch.yml）

给 llm-pi-ai 的 opencode-go provider 加上 defaultInput: [text, image]，让未显式声明 input 的模型继承 image 输入能力，从而通过 API 层 / LLM 层的图片闸门。显式声明 input: [text] 的模型保持原样（用户层优先）。

2. 代码 patch：图片文本化（scripts/patch-pi-ai.mjs）

dsh-llm-pi-ai 的序列化没有配置开关，请求对象又是深度冻结的（llm/stream waterfall 无法改写），所以对本地安装的包做一次代码补丁（已用 [dsh-plugin-image-unlock] 标记注释标注）：

- 在 stream() 中，对 opencode-go 路由先调用 textifyImageBlocks()：把 durable 图片块（含 tool-result 内嵌套的）替换为文本标记；是否执行由运行时开关 globalThis.__dsh_image_unlock_textify 控制（见下节）。

[图片附件: ] 附件已保存到 /attachments/v1/objects//（当前模型不能直接查看图片，请用 claude-vision-skill 识别该路径；无法访问时用 --clipboard 回退）

- 附件对象文件没有扩展名，claude-vision-skill/vision.js 已支持按魔数嗅探 MIME（png/jpeg/webp/gif），可直接识读该路径；剪贴板回退仍然可用。

这样：上传不再被拒（第 1 部分）、请求不再 400（第 2 部分）、agent 看到 [图片附件: ...] 标记后按 vision skill 流程识别（配套 skill 已更新文档）。

📦 安装

方式一：本地目录（开发调试用）

dsh plugin --profile web add

方式二：从 GitHub 直接安装

dsh plugin --profile web add https://github.com/FrostLeafKEE/dsh-image-unlock.git

dsh plugin 会把参数转发给 profile 目录里的 pnpm，两种方式等价；安装后
dsh.profile.bundles 会自动登记 @dsh-external/dsh-image-unlock。

安装后还需要在 profile 的 cordis.patch.yml 中插入插件条目（见下节），并打一次代码补丁（见"重装/升级后重新打补丁"）。

🎛️ 开关（skill 驱动：禁用 skill = 原生视觉模型）

开关与 claude-vision-skill 的启停绑定，全部即时生效、无需重启：

- 启用 skill（默认）：claude-vision-skill 目录在 .agents/skills 下 → 文本化开启，图片转成文本标记，agent 走 vision.js 识图流程（适合当前 text-only 的 opencode-go 模型）。
- 禁用 skill（用原生视觉模型）：把 /.agents/skills/claude-vision-skill 目录移出（例如移到 /.dshskin/ 下）→ 文本化自动关闭，模型收到真实图片部件。想切回 vision-skill 流程就放回原处。

插件会监视 skills 目录，目录移动即刻切换，无需重启。

附加覆盖（profile 的 cordis.patch.yml 插件条目）：

- insert:
- id: image-unlock
name: '@dsh-external/dsh-image-unlock'
disabled: true # 整体关闭：取消注释这一行 config: textifyImages: true # 强制关文本化：改成 false（即使 skill 在） skillDir: '' # 自定义 skill 目录位置（默认自动探测）

注意：bundle patch 的 defaultInput 声明不受上述开关影响（只影响未声明 input 的模型；视觉模型应通过 settings 声明自己的 input: [text, image]，其声明优先于 defaultInput）。

运行时标志：插件把开关写入 globalThis.__dsh_image_unlock_textify； dsh-llm-pi-ai 补丁代码在每次请求时读取它（=== true 才文本化）。条目被禁用、插件被移除、或 skill 目录不存在时标志被清除，文本化随之关闭。

🔄 重装/升级后重新打补丁

第 2 部分是针对 node_modules 的代码补丁，pnpm install / 升级 @deepseek-ai/dsh 会把它冲掉。重装后执行（幂等，已打补丁会直接跳过）：

node scripts/patch-pi-ai.mjs

默认在以下位置寻找目标文件（也可用参数指定绝对路径）：

- /../../DeepSeekHarness/node_modules/@deepseek-ai/dsh-llm-pi-ai/lib/index.js
- /../DeepSeekHarness/node_modules/@deepseek-ai/dsh-llm-pi-ai/lib/index.js
- /../../../node_modules/@deepseek-ai/dsh-llm-pi-ai/lib/index.js

⚠️ 注意

- 这只放行图片附件并文本化；模型本身不支持图像输入。实际识图请配合 vision skill（claude-vision-skill，通过 vision.js 调用外部 vision API）。
- 文本化只影响 opencode-go 路由，其它 pi-ai 路由行为不变。
- 若某天 opencode-go 路由真的挂上了原生视觉模型，用上面的开关关闭文本化即可；彻底移除的话：删掉插件条目、dsh plugin remove、并手动删除 dsh-llm-pi-ai/lib/index.js 中两处 [dsh-plugin-image-unlock] 标记的代码。

🐳 头图由 wan2.7-image-pro 生成 · DeepSeek 鲸鱼娘风格 MIT License · dsh-plugin · deepseek-harness