dsh-vision-subagent

给纯文本模型的 DeepSeek Harness 装上眼睛：把读图任务交给一个跑在独立视觉路由（MiniMax / Kimi / 任意 OpenAI 兼容供应商）上的一次性子代理。图片字节和视觉模型的中间上下文不会进入主会话，主模型只收到最终的文字结论。

为什么是子代理

• 上下文隔离：大图 / 多图对比不再占用主模型窗口，只有蒸馏后的文本返回
• 多轮视觉推理：子代理可以自己调用 read_image 看更多工作区文件、反复比对后再给结论
• 成本与路由分离：视觉调用走 MiniMax/Kimi 路由单独结算，主模型只负责推理

快速开始

`sh

1. 安装到 web profile（本地 checkout / npm 包均可）

dsh plugin --profile web add /path/to/dsh-vision-subagent

或发布后：dsh plugin --profile web add dsh-vision-subagent

2. 配置视觉路由（编辑 ~/.dsh/profiles/web/cordis.patch.yml）

`

`yaml

• insert:
  • id: vision-subagent name: 'dsh-vision-subagent' config: provider: kimi-coding # 或 minimax-cn / 自定义路由 model: k3 # 或 MiniMax-M3 / MiniMax-VL-01 `

`sh

3. 重启 dsh web，开新会话后对模型说：

'看下 ~/Desktop/error.png 是什么报错'

模型会自主调用 vision_agent(images=[...], question=...)

`

输入框直接粘贴图片（Codex 式）

安装后，Web 输入框原生支持粘贴/拖入图片。发送时，client 插件会先把图片上传给插件的主机端点：

1. 主机校验会话、把图片存成持久附件（大小/类型受部署限额约束）
2. 视觉路由在独立上下文完成一次分析（图片字节不进主会话）
3. 只有分析文本随你的消息一起发给主模型——主模型直接回答，不需要再调工具

分析失败（超时/路由故障）时消息不会发送，输入框草稿原样保留。这个通道与 vision_agent 工具互补：粘贴图片走自动分析，工作区已有文件由模型自主调用工具读取。

MiniMax / Kimi 视觉模型速查

供应商	baseURL	视觉模型	key 环境变量
Kimi（月之暗面）	https://api.moonshot.cn/v1	k3 / kimi-k3 / moonshot-v1-8k-vision-preview	MOONSHOT_API_KEY
MiniMax	https://api.minimaxi.com/v1	MiniMax-VL-01	MINIMAX_API_KEY
MiniMax 国内	（llm-pi-ai 内置 minimax-cn 路由）	MiniMax-M3	MINIMAX_CN_API_KEY

两条路线：

• （推荐）：在 Settings/Models 里已有 kimi-coding 或 minimax-cn 时，插件配置只需 provider + model，key 走该路由的凭据引用，插件自身永远不接触密钥。