dsh-image-to-text

配置

插件行支持以下 config 字段：

字段	默认	说明
pythonPath	Windows 自动探测 C:\Program Files\Python313\python.exe，否则 python	Python 可执行文件路径或 PATH 命令
providers	内置 7 个 provider 模板	按 name（可再按 model）覆盖或新增 provider
bypassImageGate	true	是否包装 llm.resolveModelInfo 放行图片准入
rewriteImageBlocks	true	是否把图片块改写为本地路径再发给纯文本模型

自定义 API URL / key（插件配置）

- insert:
    - id: image-to-text
      name: 'dsh-image-to-text'
      config:
        pythonPath: 'python'
        providers:
          # 覆盖内置 provider：只要 name（和可选 model）就能覆盖 key/endpoint
          - name: zhipu
            apiKey: '你的智谱 key'
            endpoint: 'https://open.bigmodel.cn/api/paas/v4/chat/completions'
          # 新增一个完全自定义的 OpenAI 兼容 provider
          - name: my-vision
            model: 'vision-model'
            apiKey: 'sk-xxx'
            endpoint: 'https://api.example.com/v1/chat/completions'
            format: openai
            priority: 1

内置模板中的 provider name：zhipu、gemini（多个 Gemini 模型共用）、grok。新增 provider 需要完整给出 name/model/apiKey/endpoint/format/priority。

自定义 API URL / key（环境变量）

按 provider 名字符串（非字母数字转 _、全大写）命名：

IMAGE_TO_TEXT_API_KEY_ZHIPU=your-key
IMAGE_TO_TEXT_ENDPOINT_ZHIPU=https://open.bigmodel.cn/api/paas/v4/chat/completions

环境变量在每次调用时读取，不会写入磁盘。

自定义 API URL / key（插件配置）

- insert:
    - id: image-to-text
      name: 'dsh-image-to-text'
      config:
        pythonPath: 'python'
        providers:
          # 覆盖内置 provider：只要 name（和可选 model）就能覆盖 key/endpoint
          - name: zhipu
            apiKey: '你的智谱 key'
            endpoint: 'https://open.bigmodel.cn/api/paas/v4/chat/completions'
          # 新增一个完全自定义的 OpenAI 兼容 provider
          - name: my-vision
            model: 'vision-model'
            apiKey: 'sk-xxx'
            endpoint: 'https://api.example.com/v1/chat/completions'
            format: openai
            priority: 1

内置模板中的 provider name：zhipu、gemini（多个 Gemini 模型共用）、grok。新增 provider 需要完整给出 name/model/apiKey/endpoint/format/priority。

使用

用户在会话中上传图片，或模型在上下文中看到图片时，调用 image_to_text：

{
  "images": ["C:\\path\\to\\image.png"]
}

可选参数：model（强制指定模型）、prompt（自定义提示词）。返回：

{
  "text": "OCR 与图片描述",
  "provider": "gemini",
  "model": "gemini-3.6-flash"
}