@dsh-local/vision-bridge

让不支持图片输入的主模型通过已配置的视觉模型理解图片：自动把消息中的图片替换为带像素坐标系的文字描述，并提供 vision_ask 追问工具与设置页适合主模型无图片输入能力、又需读图的用户；需先配置支持图片输入的视觉模型提供方。

パッケージ

@dsh-local/vision-bridge

互換性

未検証

Harness ピア範囲

Cordis ピア範囲

バージョン

1.0.0

ライセンス

MIT

最終更新

2026/08/14

打开 设置 → 图片理解：

配置项	说明
模型提供方	选择已注册的模型提供方（需在设置 → 模型中提前配置）
视觉模型	选择或手动输入支持图片输入的模型 ID
描述最大 token 数	200–8000，默认 1200
自动分析消息中的图片	开启后图片自动交给视觉模型；关闭后助手会提示改用 `vision_ask`

测试模型：验证所选模型是否声明支持图片输入，并展示上下文窗口等信息。
声明图片输入：当模型未声明 image 输入模态时（仅 pi-ai 系提供方支持），点击按钮将 image 写入提供方的 defaultInput，持久生效。

直接发送图片，插件自动分析并注入描述；消息中的注入标签形如：

【图片描述·vision-bridge·attachmentId=xxx】图片 name.png，1280×720px，已由视觉模型分析；坐标原点为图片左上角 (0,0)，单位像素

助手可调用 vision_ask 工具追问细节：

vision_ask(attachmentId="xxx", question="描述右上角区域的内容")
vision_ask(path="C:/path/to/image.png", question="图片中有什么文字？")

@dsh-local/vision-bridge

インストール