视觉能力解禁 xiaohui5206/DSH-Vision-Unblock

针对DSH：添加第三方模型时，模型被默认没有视觉能力的问题（DeepSeek Harness小完善计划其三）（DSH视觉封禁解禁）

DSH：具备视觉能力的模型默认被阻止输入图像（DeepSeek Harness 完善计划第三部分——视觉解禁）

DSH（DeepSeek Harness）模型视觉能力开启技能（Agent Skills 标准格式）。

A DSH (DeepSeek Harness) vision capability unblock skill (Agent Skills standard format).

中文文档 · English

中文文档

技能标识：03-vision-input ｜ 系列：DeepSeek Harness 小完善计划（其一：上下文窗口 · 其二：思考强度调节）

这是什么

一个符合 Agent Skills 标准（SKILL.md + YAML frontmatter + references/ 渐进披露）的独立技能仓库。它告诉 AI：当模型本身支持图像输入、但 DSH 的 read_image 工具报 "does not declare image input" 时，如何通过配置声明（模型条目 input 含 image）开启视觉能力——以及开启前如何查证、模型没有视觉时如何兜底。

项目目的

DSH 0.1.0-rc.7 手工接入第三方模型时，能力闸门默认按声明拦截图像输入：即使模型本身支持视觉，read_image 也会报 "does not declare image input"，图片在发送前就被拒绝。

本仓库是一个 Agent Skill——给 AI 看的"维修手册"，不是可执行软件。AI 读完 SKILL.md 后，即可按规程自行查证模型能力并修复 settings.yaml（在模型条目声明 input 含 image，保存即生效）。

⚠️ 前置铁律：先查证模型确实支持视觉，再声明。高估的代价大于低估——高估会让会话反复重发一个必败的请求（详见 SKILL.md 的"核心原理"）。

症状速查

出现以下任一现象，本技能适用：

- read_image 报错：model "" does not declare image input
- 模型本身支持看图，但 DSH 在发送前拒绝发图（能力闸门拦截）
- 消息含图片时适配器报 UNSUPPORTED_CONTENT

仓库结构

03-vision-input/
├── SKILL.md # 技能入口（AI 读这个） ├── README.md # 仓库说明（人读这个） ├── AGENTS.md # 维护守则（给维护本仓库的 AI 看） └── references/ ├── deep-dive.md # 闸门源码、查证细节、无视觉兜底方案、排障表 └── examples.yaml # 完整配置示例

使用方法

1. 安装：把本目录整体放入 AI 的 skills 目录（各 AI 的 skills 目录位置不同，按其文档放置；也可以是项目级技能目录）。
2. 触发：对 AI 描述症状或直接贴报错，例如： read_image 读图时报错：model "" does not declare image input

AI 识别到"模型未声明图像输入"类症状后会自动加载 SKILL.md。
3. AI 会做什么（按 SKILL.md 规程）：
- 查证模型视觉能力（本机 pi-ai 内置目录 / 官方文档）；
- 定位 settings.yaml（跨平台路径见 SKILL.md）；
- 在对应模型条目声明 input: [text, image]（保存即生效，无需重启）；
- 提示验证：用 read_image 读任意 jpg/png，模型能"看图说话"即成功。
4. 用户要配合什么：
- 审批提升权限：settings.yaml 在工作区外，写入需提升权限并经你审批；
- 确认网关透传：中转站网关必须透传图片消息——闸门过了 ≠ 能看图；
- 改完自行备份：通过 DSH 界面改供应商设置可能重写配置、抹掉手工加的字段；
- 模型真没视觉时：参考 references/deep-dive.md 的兜底方案（OCR / PPT 整图提取 / 时间轴对齐）。

版本基线

内容基于 DSH 0.1.0-rc.7 + @earendil-works/pi-ai 0.82.1（2026-08 实战验证）。DSH 升级后字段名可能变化，请按 references/deep-dive.md 的源码定位入口重新核实并更新 frontmatter 的 metadata.baseline。

许可

本文档以 CC BY 4.0 协议发布（署名 4.0 国际）。引用、转载、二次创作请保留署名：xiaohui5206。

Skill ID: 03-vision-input | Series: DeepSeek Harness Improvement Plan (Part 1: Context Window · Part 2: Reasoning Effort)

What This Is
一个遵循 Agent Skills 标准的独立技能仓库（SKILL.md + YAML frontmatter + 通过 references/ 实现渐进式披露）。它告诉 AI：当模型原生支持图像输入，但 DSH 的 read_image 工具却报告“does not declare image input”时，如何通过配置声明（模型条目 input 中的 image）启用视觉能力——以及如何事先验证能力，以及当模型没有视觉能力时该回退到什么方案。

项目目的

在 DSH 0.1.0-rc.7 中手动集成第三方模型时，能力门控默认根据声明拦截图像输入：即使模型原生支持视觉，read_image 也会报告“does not declare image input”，图像在发送之前就被拒绝。

本仓库是一个 Agent Skill——为 AI 编写的“修复手册”，而非可执行软件。阅读 SKILL.md 后，AI 会按照流程验证模型能力并自行修复 settings.yaml（在模型条目的 input 中声明 image；保存即生效）。

⚠️ 铁律：在声明之前，先验证模型确实支持视觉。过度声明的代价高于声明不足——过度声明会让会话反复重发注定失败的请求（参见 SKILL.md 中的“核心机制”）。

症状速查

当出现以下任一情况时，本技能适用：

- read_image 报错：model "" does not declare image input
- 模型原生支持图像输入，但 DSH 在请求发送前拒绝发送图像（能力门控拦截）
- 当消息包含图像时，适配器报告 UNSUPPORTED_CONTENT

仓库结构

03-vision-input/
├── SKILL.md # 技能入口（由 AI 阅读） ├── README.md # 仓库概览（由人类阅读） ├── AGENTS.md # 维护规则（供维护本仓库的 AI 使用） └── references/ ├── deep-dive.md # 门控源码、验证细节、无视觉回退变通方案、故障排查表 └── examples.yaml # 完整配置示例

使用方法

1. 安装：将整个目录复制到你的 AI 的技能目录中（位置因 AI 而异——请遵循其文档；项目级技能目录也可以）。
2. 触发：向 AI 描述症状或直接粘贴错误，例如： read_image 失败并报：model "" does not declare image input

AI 一旦识别出“图像输入未声明”的症状，就会自动加载 SKILL.md。
3. AI 会做什么（按照 SKILL.md 流程）：
- 验证模型的视觉能力（本地 pi-ai 内置目录 / 官方文档）；
- 定位 settings.yaml（SKILL.md 中有跨平台路径）；
- 在模型条目上声明 input: [text, image]（保存即生效，无需重启）。注意：只声明 input——在 0.1.0-rc.7 中，inputModalities 不是配置键；写入它会被静默忽略；
- 提示词验证：用 read_image 读取任意 jpg/png；成功意味着模型开始描述图像。
4. 你需要做什么：
- 批准提权权限：settings.yaml 位于工作区之外；写入需要提权并获得你的批准；
- 确认网关透传：中继网关必须透传图像消息——通过关卡 ≠ 能够看到图像；
- 编辑后备份：通过 DSH UI 更改提供商设置可能会重写配置，并静默移除手动添加的字段；
- 如果模型确实没有视觉能力：请参阅 references/deep-dive.md 中的回退变通方案（OCR / PPT 整页图像提取 / 时间线对齐）。

版本基线

内容基于 DSH 0.1.0-rc.7 + @earendil-works/pi-ai 0.82.1（经实践验证，2026-08）。DSH 升级后字段名可能会变化；请对照 references/deep-dive.md 中的源代码入口点重新验证，并更新 frontmatter 中的 metadata.baseline。

许可证

本文档依据 CC BY 4.0（署名 4.0 国际）发布。引用、转载或创作衍生作品时请保留署名：xiaohui5206。