dami9527/dsh-image-pathify

dsh-image-pathify

需要 DeepSeek Harness >= 0.1.1-rc.1（已在 0.1.5-rc.1 验证）。更早的宿主请继续使用 dsh-image-pathify@0.1.8。

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 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。

设置 → 插件 → 识图

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。

更新

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. 设置 → 插件里出现 识图 卡片
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

给不能看图的模型发图，模型调用 analyze_image

配置

设置页保存后立即生效。识图字段写在 $DSH_HOME/settings.yaml 的 image-pathify 段；API 密钥写在 $DSH_HOME/.credentials.yaml，不进设置文件。

| 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：

image-pathify:
visionModel: deepseek-flash
visionBaseUrl: https://api.deepseek.com
apiKeyEnv: DEEPSEEK_API_KEY

只允许 deepseek-v4 发图的例子：

image-pathify:
models:
- provider: deepseek-official
model: deepseek-v4-flash
- provider: deepseek-official
model: deepseek-v4-pro

用千问 DashScope 识图：

image-pathify:
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 填本地绝对路径或 http(s) 图片 URL（不要带路径前缀）
- 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。

开发与构建

pnpm install
pnpm check

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

License

MIT