dsh-vision-plugin

DeepSeek Harness 的视觉识别插件：把图片粘贴到 Web 输入框，Host 侧经 GLM-4V 识别，并把识别结果作为隐藏上下文消息注入对话。原生双面（Host + 浏览器）插件，经 dsh-launcher 安装与管理。

工作原理

1. 在 Web 输入框粘贴一张或多张图片并发送。
2. 浏览器半（conversation.input.dock）把图片字节经 ctx.remote.vision.queue 送到 Host 半。
3. Host 半在 agent/pre-step 中把每张图片存为持久 attachment，向历史写入 vision-image 块（UI 渲染缩略图；DeepSeek 文本序列化器忽略该块），并调用 GLM-4V。
4. 识别结果作为隐藏上下文用户消息追加，主模型据此回答图片内容。
5. llm/stream 同时剥离模型请求中残留的 image 块（DeepSeek 序列化器不支持图片）。

dsh 附件授权自修复补丁

历史缩略图加载依赖 readAttachment 授权，而该授权历史上只放行核心 image 块，导致 vision-image 缩略图加载失败（ATTACHMENT_NOT_REFERENCED）。插件 Host 半在加载时检查 dsh 源码中的 imageBlockIn，若缺少补丁则自动执行 scripts/apply-dsh-patch.mjs——一行幂等改动 + apiproxy 重建。不依赖 launcher 或安装钩子；该补丁对所有携带 attachment 的插件块都有益。

安装

通过 dsh-launcher（本地路径 → D:\Pro\dsh-vision）安装，或使用打包好的 Release tarball，或手动执行：

# 打包发布（GitHub Releases）
pnpm dsh plugin --profile web add https://github.com/uAcharGG/dsh-vision/releases/download/v0.1.0/uachar-dsh-vision-plugin-0.1.0.tgz
# 或源码目录
pnpm dsh plugin --profile web add link:D:\Pro\dsh-vision

之后重启 dsh。浏览器半通过包的 dsh.client 声明自动被发现。

配置

新建会话后，输入框上方出现「视觉识别」dock：

1. 点击齿轮图标。
2. 添加模型（默认 glm-4v-flash）与 API Key（智谱开放平台，端点 https://open.bigmodel.cn/api/paas/v4/chat/completions）。
3. 粘贴图片发送；纯图片会自动补"请描述这张图片的内容"。

模型与 API Key 会持久化到本地纯 JSON 配置文件 $DSH_HOME\vision-config.json（默认 ~\.dsh\vision-config.json）：插件首次加载时自动生成（空配置），每次配置变更即重写，重启 dsh 后自动重新读取——模型与 Key 重启不丢失。该文件仅存本地、未加密、不进 git，经 dsh-launcher 卸载插件时自动删除。

结构

半	文件	职责
Host	src/index.ts	VisionService extends TypertRemoteService：@Remote queue/config/status + agent/pre-step、llm/stream 监听 + GLM 调用
Client	src/client/index.ts	conversation.input.dock 插槽：粘贴拦截、发送拦截、模型/API Key 设置菜单