dsh-sight

为纯文本 DeepSeek Harness（dsh） 模型提供插件式视觉能力——直接粘贴图片，通过内置 VLM 后端获得文字描述，无需切换模型。

English → README.md

特性

• 内置 VLM 预设 — OpenCode Zen（免费、免 key）和 Gemini Flash（免费额度）。在网页设置页选一个即可。
• 多图批量分析 — vision 工具一次调用最多接受 10 个路径/URL，单次请求完成全部描述，按图标注。

工作原理

1. 提示准入覆写 — dsh 会拒绝纯文本模型接收粘贴图片。dsh-sight 包装 apiProxy.sessions.prompt：接受粘贴，图片字节落地到 /tmp/dsh-sight/image{N}/{hash}.png，图片块在进入历史前变成路径提示。任何 provider 都可用——无需切换模型变体。
2. vision 工具 — 模型拿着提示路径（或任意本地路径 / http(s) URL）调用它；插件读取字节并通过配置好的 OpenAI 兼容 VLM 后端作答。
3. 系统提示词分节 — 教会模型"提示 → vision 工具"的流程。
4. 网页设置页（Settings → 视觉模型）— 预设下拉、API key 输入框、高级覆盖项。走标准 settings RPC 保存，即时生效、无需重启（通过 $DSH_HOME/settings.yaml 的 dsh-sight: 分节热加载）。
5. 缓存清理 — 粘贴图片存放于 /tmp/dsh-sight/image{N}/，MD5 去重，LRU 上限（maxImages，默认 200）。启动时清扫超过 7 天的 image* 目录（DSH_SIGHT_MAX_AGE_DAYS），只动插件自己的目录；系统重启也会清空 /tmp。
6. 安全设置 — API key 是 role('secret')，绝不随 settings 响应返回。本地读取上限 25 MiB；URL 抓取限 30s 超时、25 MiB 上限、且必须声明 image/* 类型。远程内容先下载再内联——vision API 永远收不到你的 URL（无 SSRF 面）。只接受 png/jpeg/webp/gif/bmp。

效果演示

vision 工具的 paths 数组每次最多 10 张（本地路径或 URL，单张上限 25 MiB）。一次请求，逐图标注：

--- Image 1 ---

--- Image 2 ---

安装

交给你的 AI Agent（推荐）——把这句话复制给你的 Agent：

帮我安装 dsh-sight：https://raw.githubusercontent.com/Fu3rte/dsh-sight/master/install.md