dsh-vision-bridge

配置

外部视觉 API 配置优先级：cordis.patch.yml 的 config → CUSTOM_* 环境变量 → VISION_* 环境变量 → 默认值。

配置项	环境变量回退（两套都认）	默认值
baseUrl	CUSTOM_BASE_URL → VISION_BASE_URL → VISION_API_URL	https://api.minimaxi.com/v1
model	CUSTOM_MODEL_NAME → VISION_MODEL	MiniMax-M3
apiKey	CUSTOM_API_KEY → VISION_API_KEY	无（缺失时报错）
language	—	zh
timeoutMs	—	60000
maxImageBytes	—	10485760
pasteStorage	—	cache（cache = ~/.dsh/cache/dsh-vision-bridge/pasted-images/，不污染工作区；workspace = 会话工作区下的 .dsh-vision-bridge/pasted-images/）
pasteMode	—	auto（auto = 当前模型支持原生图片则放行 DSH 原生粘贴，否则缓存+路径标记；path = 总是缓存+路径标记；native = 从不拦截，完全走 DSH 原生粘贴）

CUSTOM_* 是你 luma-vision skill（D:\codes\luma-mcp\vision-skill）的惯例；VISION_API_KEY / VISION_BASE_URL / VISION_MODEL 是 agent-vision-toolkit 上游的惯例（VISION_API_URL 作为 baseUrl 别名同样识别）。注意：桌面端应用只读取启动时已存在的环境变量——如果刚配置/修改了系统环境变量，需要重启 DSH 才能生效。

使用

按能力分流（v0.3.3）：auto 模式下能力判定随会话切换与模型切换自动刷新（客户端缓存，粘贴时同步决策）。

• 多模态模型（如 Kimi K3）：Ctrl+V 直接走 DSH 原生粘贴，模型原生看图；E2E/浏览器截图等非粘贴来源的图片文件也优先原生 read_image。注意：原生图片进过会话后，该会话不能再切换到纯文本模型（DSH 门禁）。

• 纯文本模型（如 DeepSeek）：Ctrl+V 粘贴 → 图片存入缓存目录 /cache/dsh-vision-bridge/pasted-images//（超过 7 天的旧图自动清理），输入框出现 [pasted image N: ] 标记；模型加载 vision-bridge skill 后调用：

  vision_glance(image_path="", question="")
  

  question 省略 → 详细描述；写明"转写图中文字" → OCR；可针对图片局部提问。

• 粘贴标记一律 vision_glance，禁止 read_image（那会把图片写回会话历史，导致无法再切换纯文本模型）——即使当前模型支持原生看图。

• pasteMode: path 可强制纯路径流程（多模态模型也走外部视觉 API）；pasteMode: native 完全禁用拦截（原生粘贴，仅适合单模型会话）。