视觉插件 Fu3rte/dsh-sight

dsh-sight

为纯文本 DeepSeek Harness（dsh） 模型提供插件式视觉能力——直接粘贴图片，通过内置 VLM 后端获得文字描述，无需切换模型。

English → README.md

特性

- 内置 VLM 预设 — OpenCode Zen（免费、免 key）和 Gemini Flash（免费额度），另有自定义模式可接任意 OpenAI 兼容端点。在网页设置页选一个即可。
- 多图批量分析 — vision 工具一次调用最多接受 10 个路径/URL，单次请求完成全部描述，按图标注。

工作原理

1. 提示准入覆写 — dsh 会拒绝纯文本模型接收粘贴图片。dsh-sight 包装 apiProxy.sessions.prompt：接受粘贴，图片字节落地到 /tmp/dsh-sight/image{N}/{hash}.png，图片块在进入历史前变成路径提示。任何 provider 都可用——无需切换模型变体。
2. vision 工具 — 模型拿着提示路径（或任意本地路径 / http(s) URL）调用它；插件读取字节并通过配置好的 OpenAI 兼容 VLM 后端作答。
3. 系统提示词分节 — 教会模型"提示 → vision 工具"的流程。
4. 网页设置页（Settings → 视觉模型）— 后端来源（预设或自定义端点）、生效配置预览（显示实际请求目标）、API key 输入框、高级参数。走标准 settings RPC 保存，即时生效、无需重启（通过 $DSH_HOME/settings.yaml 的 dsh-sight: 分节热加载）。
5. 缓存清理 — 粘贴图片存放于 /tmp/dsh-sight/image{N}/，MD5 去重，LRU 上限（maxImages，默认 200）。启动时清扫超过 7 天的 image 目录（DSH_SIGHT_MAX_AGE_DAYS），只动插件自己的目录；系统重启也会清空 /tmp。
6. 安全设置 — API key 是 role('secret')，绝不随 settings 响应返回。本地读取上限 25 MiB；URL 抓取限 30s 超时、25 MiB 上限、且必须声明 image/ 类型。远程内容先下载再内联——vision API 永远收不到你的 URL（无 SSRF 面）。只接受 png/jpeg/webp/gif/bmp。

使用方法

1. 安装并配置 — dsh plugin --profile web add dsh-sight，打开 Settings → 视觉模型，选一个预设（或自定义端点）保存即可。
2. 粘贴图片 — 图片自动保存到插件存储目录，聊天里的图片块会变成携带完整路径的提示，如 [Image #1 auto-saved to /tmp/dsh-sight/image1/xxxx.png]。存储根目录因系统而异（Linux 是 /tmp，macOS 是 /var/folders/…，Windows 是 %TEMP%），但提示文本里总是真实完整路径。
3. 或直接调用 vision — paths 数组填上一步提示里的路径（或任意本地路径 / http(s) URL），可附带 question：

{ "paths": ["/tmp/dsh-sight/image1/xxxx.png"], "question": "这个图表讲的是什么？" }

4. 批量分析 — 一次最多 10 张图，单次请求完成全部描述。

效果演示

vision 工具的 paths 数组每次最多 10 张（本地路径或 URL，单张上限 25 MiB）。一次请求，逐图标注：

--- Image 1 ---

--- Image 2 ---

安装

交给你的 AI Agent（推荐）——把这句话复制给你的 Agent：

帮我安装 dsh-sight：https://raw.githubusercontent.com/Fu3rte/dsh-sight/master/install.md

或者手动安装（npm registry，推荐）：

dsh plugin --profile web add dsh-sight

或者从 GitHub：

dsh plugin --profile web add github:Fu3rte/dsh-sight

也可以直接 clone 下来：

git clone https://github.com/Fu3rte/dsh-sight.git
cd dsh-sight && pnpm install
dsh plugin --profile web add ./

GitHub 下载慢或不稳定（如中国大陆网络）？用上面的 npm 安装即可。再把 pnpm 指到国内镜像，整个安装（包本体 + 依赖）都不走 GitHub：pnpm config set registry https://registry.npmmirror.com

配置

打开 dsh 网页 → Settings → 视觉模型：

1. 选择后端来源：
- 预设（opencode-zen / gemini-flash）——model / base URL 自动填充；或
- 自定义端点——自行填写模型名、Base URL（OpenAI 兼容）和 API key。
2. 查看生效配置卡片——它显示 vision 工具实际使用的模型 / 端点 / key 状态。
3. 需要 key 时粘贴 API key，点保存——立即生效。

| 预设 | Provider | Key 环境变量 | 价格 |
| opencode-zen | OpenCode Zen | _（免 key）_ | 免费层 |
| gemini-flash | Google AI Studio（OpenAI 兼容） | GEMINI_API_KEY | 免费额度 |
| custom | 任意 OpenAI 兼容端点 | 自己的 key（或 DSH_SIGHT_API_KEY） | 你的端点 |

免 key 预设点一下保存即可。接任意其他 OpenAI 兼容端点（阿里云百炼 Qwen、OpenAI、本地模型等）时，选择自定义端点并填写模型名 / Base URL / API key。如果手动修改了预设的 model / Base URL，页面会提示"预设已被覆盖"，并可一键切换为自定义端点。

无 GUI / Headless 兜底

配置分层（优先级从高到低）：

1. settings.yaml 的 dsh-sight: 分节（编辑即热加载）
2. DSH_SIGHT_* 环境变量（DSH_SIGHT_PROVIDER、DSH_SIGHT_API_KEY、DSH_SIGHT_MODEL、DSH_SIGHT_BASE_URL、DSH_SIGHT_TIMEOUT_MS、DSH_SIGHT_MAX_TOKENS、DSH_SIGHT_MAX_IMAGES、DSH_SIGHT_CONFIG）
3. ~/.config/dsh-sight/config.json（mtime 变化时重读）
4. profile 的 cordis.patch.yml 中插件行配置
5. 预设默认值

API key 是 role('secret')：绝不随 settings 响应返回；UI 渲染为只写输入框，仅提示是否已保存。

致谢

设计借鉴自 modlens 和 dsh-eyes。

DeepSeek Harness：官方网站 · GitHub

License: MIT