poiuyjie/dsh-vision-opencode

dsh-vision-opencode

中文 ｜ English

DeepSeek 不认图？OpenCode 多模态平替方案：给纯文本主模型加一个可配置的识图模型。

它能做什么

- 聊天里发图 → 先交给视觉模型（如 MiMo-V2.5）转成文字，主模型照常回复，不用换模型
- 输入框右侧「识图模型」下拉，自动列出所有供应商中支持图片的模型
- 设置 → Vision 独立管理模型；vision_read_image 工具 / vision-image-analysis skill 支持 OCR、图表、截图理解
- 异常兜底：单次 60s 超时、失败重试 1 次、重试耗尽降级为占位文本，不拖垮回合

安装

方式一（DSH 原生，推荐）：

dsh plugin --profile web add -w github:poiuyjie/dsh-vision-opencode

方式二：一键脚本（Ubuntu install.sh / Windows install.ps1）：

curl -fsSL https://raw.githubusercontent.com/poiuyjie/dsh-vision-opencode/main/scripts/install.sh | bash

装完重启 dsh，在输入框右侧选择识图模型。

卸载：dsh plugin --profile web remove -w dsh-vision-opencode（或 uninstall.sh）。

卸载前先备份包含图片的会话——卸载后这些旧会话可能无法再发给纯文本主模型。

配置

编辑 ~/.dsh/settings.yaml（也可用设置 → Vision 图形化管理）：

vision-opencode:
provider: ''       # 识图模型供应商；空 = 未选择
model: ''          # 识图模型 id；空 = 未选择
autoConvert: true  # 发图自动转换开关；出问题可改 false 关掉

插件自动识别纯文本主模型并接管图片；原生多模态模型保留 DSH 原生链路，无需改模型目录。

渠道状态圆点

设置 → Vision 的渠道（提供方分组）名称旁有状态圆点，与官方「模型」页同款：

- 🟢 已配置 API 密钥（宿主路由的 apiKeyEnv 或插件写入的 _API_KEY 任一可用即绿）
- 🔴 明确未配置密钥
- 不显示 = 状态未知（凭据服务不可用等）

识图模型的推理关闭

设置 → Vision 里每个模型有一行「推理」策略：

| 选项 | 含义 |
|---|---|
| 默认 | 跟随供应商默认档位，正常思考 |
| 关闭 | 不思考，更快更省；仅当供应商真实声明 off 时提供（如 hy3 off:"none"） |
| 强制关闭 | 尽力关掉思考（如 reasoning_effort:"none"），不保证成功；MiMo 这类未声明 off 的只能选这个 |

有「关闭」档的模型很少，没有时界面显示「默认 / 强制关闭」并标注「不保证成功」。关掉思考一般能明显降低首 token 延迟和花费（MiMo 实测 reasoning_effort:"none" 可真正关掉）。

⚠️ 各供应商对「关闭思考」的声明很混乱（off:"none" / off:null / 无字段各不相同），插件只能尽力按厂商目录区分「关闭」与「强制关闭」并试参数，不保证每个供应商都能真正关掉。

常见问题

- 只想关掉自动转换（保留工具和选择器）：vision-opencode.autoConvert: false 后重启
- 图片转换异常/选择器不出现：多半是识图模型未选或版本差异，看浏览器控制台报错发 issue
- 纯文本与多模态主模型自动区分，切换供应商无需再改配置

开发规范

- 每次推送必须打 tag：git push 前先创建对应版本的 tag 并推送（如 git tag v0.4.0 && git push origin v0.4.0），保证远端每次更新都有可追溯的版本标记。

License

MIT