dsh-vision-sidecar

English

给 DeepSeek Harness 的纯文本模型外挂“托管视觉眼睛”，同时保留 DeepSeek 作为推理大脑。图片先交给免费或自定义的 OpenAI 兼容视觉 API，VLM 实际生成并交给 DeepSeek 的描述会写入 DSH Session，之后按普通文本重放。

默认使用 OVHcloud AI Endpoints 的匿名 Qwen2.5-VL-72B-Instruct。默认每个 IP、每个模型每分钟 2 次，不需要注册账号或视觉 API Key；也不需要本地 VLM、GPU 或下载数 GB 模型。

和已有插件的不同点

• 默认就是免注册托管视觉。 在已可用的 DSH 文本模型之上，默认 OVHcloud 视觉端点无需账号或 Key；匿名额度为每个 IP、每个模型每分钟 2 次，也可选用自己的 OVH Key 提高认证限额。
• 可持久重放。 VLM 输出是正式的 DSH Session 消息，不是只存在于单次请求改写或进程内缓存里的隐藏文本。
• 纯文本零额外开销。 对话里没有尚未描述的图片时，完全不会访问视觉提供商。
• 主模型可替换。 默认与 DeepSeek 路由一起测试；不依赖专有 replay state 的其他 DSH 文本路由也可通过 targetProvider 与 targetModel 指定。
• 失败不伪装成功。 缺凭据、超时、限流和服务端错误都会明确报错，不会把原图静默转交给纯文本模型。
• Git 安装无需构建授权。 仓库直接交付原生 ESM JavaScript，没有 prepare 构建脚本。

要求 DSH 0.1.0-rc.6 或同一 0.1.x 线上的更高版本，以及 Node.js 22.19+ 或 24+。

三步即用：免注册托管视觉

开始前，你需要一个已能正常调用文本模型的 DSH Web profile。默认主路由是 deepseek-official/deepseek-v4-flash，因此还需要你自己的 DEEPSEEK_API_KEY；这一主模型调用按其原有规则计费。

1. 确认 DSH Web profile 已能正常调用文本模型。
2. 安装插件并启动 Web profile；默认 OVHcloud 视觉层不需要注册或视觉 Key。

$env:DEEPSEEK_API_KEY = ''
dsh plugin --profile web add github:121103qwq/dsh-vision-sidecar#v0.1.2
dsh --profile web

POSIX shell 只需使用 export DEEPSEEK_API_KEY='...'。插件会新增并默认选择 deepseek-vision/deepseek-with-vision。如果你的 profile 有优先级更高的用户 patch，请在模型选择器中手动选择 DeepSeek + Hosted Vision。

“免注册”只指默认的视觉预处理端点。匿名层的额度、价格和地区限制仍以 OVHcloud 当前条款为准；主推理路由仍沿用它原有的凭据、额度和计费规则，默认的 deepseek-official/deepseek-v4-flash 仍需要 DEEPSEEK_API_KEY。

插件刻意不内置“大家共用的免费 Key”。默认使用 OVHcloud 按 IP/模型限制的匿名层；如需认证限额，请使用你自己的 Key，插件不会保存或收集它。

图片处理流程

1. 从 DSH 已校验的 Attachment Store 读取图片。
2. 以有限批次发送到配置的 OpenAI 兼容 /chat/completions 端点。
3. 所有批次都成功后，才把完整视觉描述和附件 SHA-256 ID 写为持久 Session notice。
4. 调用纯文本主模型前，把图片替换成确定性的描述引用。
5. 后续轮次（包括 DSH 重启后）复用已记录描述，不会再次消耗免费 VLM 配额。

图片中的文字会被明确标记为“不可信视觉证据”，提醒主模型只当数据处理。这属于提示注入加固，不代表能从模型层面彻底消除提示注入。