dsh-plugin-multimodal

Vision sidecar for DeepSeek Harness: accept image attachments on text-only models, describe them, then send text to the main model.

AI 分析

核心用途是为不支持看图的纯文本模型配置一个多模态“副驾驶”（如 glm-4.5v），由其先识别并描述图片，再将文本送给主模型。适合在使用纯文本大模型时仍需处理图片输入的用户。

パッケージ

dsh-plugin-multimodal

バージョン

0.1.0

ライセンス

MIT

最終更新

2026/08/16

配置

环境变量（不要把 key 写进仓库）：

变量	作用
`DSH_VISION_BASE_URL`	视觉接口，例如 `https://api.example/v1`
`DSH_VISION_API_KEY`	该接口的 key
`DSH_VISION_MODEL`	必须是真能看图的模型，例如 `glm-4.5v`
`DSH_VISION_PROMPT`	可选。默认 OCR + 描述界面

没设 DSH_VISION_* 时回退 OPENAI_BASE_URL / OPENAI_API_KEY。GLM-5.2-FP8 这类文本模型不能当 sidecar。

也可以在 profile 的 cordis.patch.yml 里写：

- id: dsh-plugin-multimodal
  name: dsh-plugin-multimodal
  inject: [llm, tools, attachments, systemPrompt]
  config:
    model: glm-4.5v
    apiKeyEnv: DSH_VISION_API_KEY

dsh-plugin-multimodal

AI 分析

インストール

ドキュメント

配置