dsh-vision-provider

English | 简体中文

dsh-vision-provider 为 DeepSeek Harness 在 DeepSeek + Vision 分组下增加可选择的视觉模型：

DeepSeek + Vision
  GLM-4.6V-Flash
  Qwen VL Max
  GPT-4.1 mini (Vision)

在 Harness 里只选择一个组合项即可。选择哪个组合项，就使用其中标明的视觉模型：

纯文字消息 ─────────────────────────────────────> DeepSeek V4 Flash

图片消息 ──> 隐藏的视觉模型 ──> 图片文字描述
                                      │
                                      └──> DeepSeek V4 Flash ──> 最终回答

视觉模型不会作为最终回答模型单独运行，而是以组合项的形式直接出现在会话模型 选择器中。最终推理、工具调用和回答仍由 DeepSeek 完成。

这是社区项目，不是 DeepSeek 或 OpenAI 官方软件包。

为什么需要 v0.3.0

v0.1.0 注册的是一个独立的 vision-openai 模型。DeepSeek Harness 的一个 会话只能选择一个模型，所以用户只能在 DeepSeek 和视觉模型之间二选一，两个模型 不能协作。

v0.2.0 改成了组合适配器，但视觉模型仍藏在环境变量中，Web UI 只能看到一个 含义不明确的 DeepSeek V4 Flash + Vision。

v0.3.0 把视觉模型选择带回 Web UI：

• 插件实时读取 设置 > 模型 中所有声明支持 image 的模型；
• 每个视觉模型生成一个独立的 DeepSeek 组合项；
• 组合名称显示视觉模型名称，说明文字首先显示准确的模型 ID 和 Provider 路由；
• 纯文字请求直接发送给 deepseek-official/deepseek-v4-flash；
• 含图片的消息先交给用户在 Web UI 中选中的视觉模型分析；
• 插件把图片替换成视觉模型生成的文字描述，再发送给 DeepSeek；
• 推理、工具调用和最终回答仍然由 DeepSeek 完成；
• 同一进程内的后续工具步骤会复用图片分析缓存，避免重复识图。

这是一条“双模型桥接”链路，不是让 DeepSeek 原生接收图片像素。最终效果同时取决于 视觉模型的描述质量和 DeepSeek 的推理质量。

环境要求

• DeepSeek Harness 0.1.0-rc.5 或兼容版本。
• Node.js >=22.19.0。
• 已为原生 deepseek-official Provider 配置 DeepSeek API Key。
• 至少一个在 设置 > 模型 中声明支持 text 和 image 的视觉模型，或者一个 直连 OpenAI-compatible 视觉接口。
• dsh plugin 可以正常调用 pnpm。

从旧版本升级时，插件会自动读取已经激活的 vision-openai 等视觉路由，并把其中 支持图片的模型列成组合项。全新安装且没有视觉路由时，保留一个默认直连 https://api.openai.com/v1 下的 gpt-4.1-mini。也可以换成任何实现 OpenAI-compatible /chat/completions 图片输入的服务。