视觉桥接插件ShaineDemo/dsh-vision-pro-bridge

dsh-vision-pro-bridge

让纯文本的 DeepSeek-V4-Pro 真正“看见”图片 —— 不用切换模型、不用 Ollama、不用第二个 key。

解决的问题

deepseek-v4-pro（以及 deepseek-v4-flash）是纯文本模型：DeepSeek API 不接受图片字节。在 DeepSeek Harness 里，往 Pro 会话里贴图会报“不支持图片”。官方唯一的选择，是把整个会话切到（编码能力较弱的 Flash 档）deepseek-v4-flash-vision-exp。

这个插件做什么

它注册一条孪生路由 deepseek-vision-pro（模型 deepseek-v4-pro-vision）并声明支持图片。你贴图后，插件先用 deepseek-v4-flash-vision-exp 把图片转成文字（复用你已有的 DEEPSEEK_API_KEY），再把文字 + 本地路径交给 deepseek-v4-pro。DeepSeek 的对话路由永远收不到图片，V4-Pro 保留编码能力、同时“看得见”。

贴图 → [图片块被放行]
→ deepseek-v4-flash-vision-exp 转写为文字
→ 文字 + 本地路径 → deepseek-v4-pro 回答

为什么选这个（优势）

- 零第三方依赖：只复用 Harness 自带的 @deepseek-ai/dsh-llm 与 @deepseek-ai/dsh-llm-deepseek。没有 openai、没有 sharp、没有 schemastery、没有 Ollama。
- DeepSeek 专属、单一供应商：图片只发给 DeepSeek（deepseek-v4-flash-vision-exp），走同一个 DEEPSEEK_API_KEY。没有第二个 VLM 厂商、没有本地模型、没有匿名免费端点。
- 官方图片管线、逐字节一致：继承官方 DeepSeekAdapter，图片规范化、Files API 上传、inline-base64 回退都与官方行为完全一致，不手写 HTTP。
- 极简、可审计：单文件、约 250 行，易读、易验、易 fork。
- 内容寻址落盘：图片存到 ~/.dsh/vision-pro-bridge/images/，稳定本地路径会传给模型，V4-Pro 可继续引用。
- Pro 专精：只暴露一个模型 deepseek-v4-pro-vision —— 保留 V4-Pro 编码能力，外加视觉。

安装

dsh plugin --profile web add dsh-vision-pro-bridge
重启 dsh web

使用

1. 模型选择器里选 DeepSeek-V4-Pro (视觉桥)。
2. 粘贴/拖入截图，正常提问。

设为新会话默认（~/.dsh/settings.yaml）：

agent-default-model:
provider: deepseek-vision-pro
model: deepseek-v4-pro-vision

配置（环境变量）

| 变量 | 默认 | 作用 |
| --- | --- | --- |
| DEEPSEEK_API_KEY | credentials 服务 | DeepSeek key（与官方路由同源） |
| DEEPSEEK_BASE_URL | https://api.deepseek.com | 端点（与官方路由同源） |
| DSH_VISION_PRO_BRIDGE_PROMPT | 内置英文转写提示词 | 覆盖转写提示词（例如改为中文 UI 分析） |

已知限制

- 转写是有损的：布局/OCR 足够，精确像素坐标不如真视觉。
- 转写模型固定为 deepseek-v4-flash-vision-exp。
- 端点从 DEEPSEEK_BASE_URL 解析，不读设置页里 llm-deepseek 的自定义项。
- 无降级链：转写失败时图片变成占位文本，对话继续。

备选

需要更完整功能（VLM 降级链、本地 Ollama、设置页、图片降采样）请看 dsh-vision-proxy。本插件是同一思路的极简、纯 DeepSeek、零依赖版本。

License

MIT