deepseek-eyes

给 DeepSeek Harness 里的纯文本模型装上眼睛——恢复"原生粘贴图片"通道。

在 DeepSeek Harness 中，只要当前模型是纯文本模型，粘贴或拖入的图片会在消息进入 agent 之前就被拒绝——工具、skill、插件统统没有机会介入。本插件解决的就是这个问题：它注册一个声明支持图片输入的桥 provider 路由（默认 deepseek-vision）。在模型选择器里选它，底层模型仍然是你的纯文本模型，粘贴图片照常可用。

请求到达真实文本 provider 之前，每个图片块都会被一个 OpenAI 兼容的视觉 API 转成带意图的文字描述（focus hint），再替换回消息里。不含图片的请求原样透传，零损耗。

社区插件声明：本项目由社区维护，是第三方插件，与 DeepSeek（深度求索）官方无任何隶属、赞助或背书关系，也不属于官方 @deepseek-ai npm scope 下的包。

English: README.md。

工作原理

flowchart LR
    A[粘贴/拖入图片
已选桥 provider] --> B[DSH 入口准入
inputModalities: text + image]
    B --> C[桥 adapter 的 stream]
    C -->|含图片| D[从用户文本提取 focus hint]
    D --> E[视觉 API
OpenAI 兼容]
    E --> F[图片块 → 文字描述]
    F --> G[转发纯文本请求]
    C -->|不含图片| G
    G --> H[目标 provider
如 deepseek-official]

• 桥 provider 声明 inputModalities: ['text', 'image']，于是宿主放行图片内容，不再返回 Web UI 里那个 Model "..." does not support image input.（attachment-error）。
• stream() 里，adapter 遍历请求消息（包括工具结果里的嵌套内容），从消息自身文本或最近一条用户文本中提取 focus hint，再问视觉模型："agent 看这张图是因为："。返回的描述替换掉图片块，并以"证据"形式包装（图中文字只是数据，绝不当作指令）。
• 改写后的请求通过 ctx.llm.stream 按目标 provider 路由委托出去，真实 adapter 的序列化、流式、重试与遥测全部原样保留。无图请求消息零改动。
• 图片描述有进程内缓存（按 附件 + 视觉模型 + 语言 + hint 做 key）。

环境要求与依赖

deepseek-eyes 是一层薄封装：它不带任何模型、也不自带任何服务商。它依赖的内容分四类。

1. 由消费它的 DSH profile 提供（peer 依赖——任何标准 profile 都已安装）：

包	作用
@deepseek-ai/dsh-llm ≥ 0.1.0-rc.1	本插件所扩展的 LLM 注册表与 adapter 基类（在 0.1.0-rc.5 线上开发验证）
@deepseek-ai/dsh-attachment ≥ 0.1.0-rc.1	持久化图片存储，请求时读回
@deepseek-ai/dsh-settings ≥ 0.1.0-rc.1	热更新配置节
@deepseek-ai/cordis ≥ 4	插件框架
@deepseek-ai/schemastery ≥ 3.18	配置 schema

2. 本机环境：

依赖	说明