shinjiyu/dsh-plugin-multimodal ↗★ 3
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 분석
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。
설치
$
npx -p @deepseek-ai/dsh dsh plugin --profile web add github:shinjiyu/dsh-plugin-multimodal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