dsh-vision-recognizer

English | 简体中文

保持 DeepSeek 作为对话大脑，图片照样直接发，并且可以在「设置 → 插件」里随时切换识图供应商。 面向 DeepSeek Harness 的识图插件。

它注册一条新的提供商路由（默认 vision-recognizer，模型选择器里显示为 DeepSeek + 识图），包装真正的 DeepSeek 适配器：对外声明支持图片输入（附件预检与 read_image 门禁放行），并在请求流里把每张附加图片经你选定的视觉模型转译成文字，再交给纯文本的 DeepSeek 作答。对话仍由 DeepSeek 完成，识图只是附加能力。

用户附加图片 ──▶ vision-recognizer 路由 ──▶ 视觉模型转译（OCR + 版式 + 细节）
                     │                        │
                     ▼                        ▼
              DeepSeek 作答 ◀── 纯文本对话（图片已替换为 [图片转译] 文字）

特性

• 一键安装：dsh plugin --profile web add dsh-vision-recognizer，无需构建脚本、无需 approve sharp（不依赖任何原生模块）。
• 在「设置 → 插件 → 识图」里配置：下拉选择供应商、填 API Key、可覆盖模型 / 接口地址 / token 上限 / 超时 / 标记，保存后立即生效，无需重启。
• 15+ 国内外供应商：OpenAI、Anthropic Claude、Google Gemini、OpenRouter、Azure OpenAI、Ollama（本地），以及阿里云百炼、通义千问国际、智谱 GLM、百度千帆、讯飞星火、月之暗面 Kimi、腾讯混元、火山引擎豆包、硅基流动。任何 OpenAI 兼容端点也能自定义接入。
• 双协议：OpenAI 兼容（/chat/completions）与 Anthropic Messages 原生协议都支持，Claude 也能直接用。
• 绝不卡死：本地/匿名端点 20 秒硬超时上限，HTTP 429 快速失败，失败端点进入 60 秒冷却；没有 Key 也没有本地 Ollama 时数秒内快速失败并给出指引。
• 降级链：主模型失败后按 fallbackModels 依次尝试，每个条目可指向不同供应商；全部失败才报错并列出每一次尝试。
• 内容哈希缓存：同一张图每个进程只转译一次（进程内，上限 200）。
• 本地零配置：autoLocalOllama（默认开）探测 http://localhost:11434，检测到就前置进降级链，图片不出本机。

快速开始

dsh plugin --profile web add dsh-vision-recognizer

npm 官方源慢的话：dsh plugin --profile web add dsh-vision-recognizer --registry=https://registry.npmmirror.com

从本地源码安装（开发）：

dsh plugin --profile web add file:/path/to/dsh-vision-recognizer