dsh-vision-guard

让纯文本模型"看图"，且图片永远不会卡死你的会话。 Transparent image guard + vision analysis tool for DeepSeek Harness (dsh).

DeepSeek Harness 的主流模型（deepseek-v4-pro 等）是纯文本模型。两个麻烦：

1. 纯文本模型看不了图——用户贴一张截图，模型只能当没看见；
2. 更糟的是 400 卡死：某些网关（如 opencode-go）的主路由只接受 text，图片块一旦写进会话日志，之后每一轮都会把历史连同图片重发给上游 → 400 unknown variant \image_url`` → 整个会话永久卡死。

本插件用两道闸门根治这两个问题，并把"看图"变成纯文本模型可用文字消费的能力。

---

它做什么

用户贴图 → [闸门1] agent/pre-step 门口改写：图片在【写入会话日志之前】就被视觉模型转成文字
                 → 日志永远只有文字，图片块根本不存在
                 → [闸门2] llm/stream 兜底：历史重放时若发现图片块（例如装插件前就已中毒的会话），
                   在请求层改写为 OCR 文本后再发给模型

• 视觉模型做眼睛，主模型做大脑：deepseek-v4-pro 照常推理，图片内容以文字形式出现在上下文里。
• 修复已中毒的会话：装插件之前就被 400 卡死的会话，装上之后发一句话即可恢复正常（历史图片在请求层被改写）。
• vision_analyze 工具（模型主动调用，引擎由模型按任务选择）：读取工作区文件——图片 OCR、PDF 文本+内嵌图、docx/pptx 文本+内嵌图、视频抽帧 OCR（≤12 帧）、纯文本直接读；xlsx/doc 响亮拒绝。
• 原生看图不受影响：支持图片输入的模型（如 minimax-m3、kimi-k3）配置白名单后原图直通，插件不插手。

安装

# 已发布 npm 后：
dsh plugin --profile web add dsh-vision-guard
# 或直接从 GitHub 安装：
dsh plugin --profile web add github:good-boy4069/dsh-vision-guard

若 pnpm 报 ERR_PNPM_ADDING_TO_ROOT（旧版 launcher），加工作区根标志：dsh plugin --profile web add -w dsh-vision-guard。

重启 dsh web。或在你的 profile cordis.patch.yml 手动加两行（见仓库根 cordis.patch.yml）。

配置

全部可选，默认值见括号。视觉路由（必须指向一个支持图片输入的模型）：

字段	默认	说明
visionProvider / visionModel	opencode-go / minimax-m3	视觉模型路由。改成你订阅里支持图片输入的模型
ocrTimeoutMs	45000	单张图识别超时
budgetPerDay	200	每日识别次数上限（防失控花销），状态存 $DSH_HOME 下
cacheMaxEntries	500	识别结果缓存条数上限（LRU 淘汰）