mimo-vision · DSH 原生视觉插件

English | 中文

mimo-vision 是一个 DeepSeek Harness（DSH）原生插件，包名 mimo-vision。它注册一个 describe_image 工具：把图片发给 mimo-v2.5 系多模态模型，把返回的文字描述交给主模型——专为主模型（如 deepseek-v4-flash）没有视觉输入能力的场景做的"视觉桥"。

它不是独立进程，而是 DSH 里"一切皆插件"的一等公民：apply 只有一个动作——把能力注册成 dsh 的一等公民工具，依赖、文件、凭据、子进程全部走 dsh 已定义的能力接缝，卸载即干净回收。

实现范式：DSH 原生插件原语的直接落地

• 注册即可逆效果：apply(ctx) 里只有一句 ctx.tools.register(defineTool(...))。register() 返回 disposer，插件纤程 dispose 即反注册工具、schema 自动撤出 system-prompt。没有任何残留清理代码——卸载干净是结构保证，而非靠开发者手写清理。
• inject 声明依赖：export const inject = ['tools', 'fs', 'credentials']，走纯 Cordis 余效果规范，等接缝就位才激活。transcode.ts 里的 ctx.get('subprocess') 是可选能力、带缺省降级，用在执行期而非激活期。整套是「声明依赖」，不是「探测依赖」。
• 能力全部走 dsh 接缝：文件读走 ctx.fs.resolve/stat/readBytes + ctx.emit('fs/observed')，凭据走 ctx.credentials.resolve(credentialRef(...)) 且不手写解析，子进程（转码）走 ctx.subprocess。唯一例外：转码的临时中间文件经 node:fs 写入系统临时目录（见下方 Known Limitations）。
• 可卸载 / 可组合：卸载是纯粹的——disposer 一跑即干净回收，无落盘、无 timer、无长连接需要手动收尾。

工具

工具	参数	说明
describe_image	path（必填）、question（可选）	描述图片文件，返回文字

支持图片格式：

• 原生直发：PNG / JPEG / GIF / WebP / BMP（均已实测可被视觉模型解码）
• 自动转码：SVG / TIFF / HEIC / PSD / ICO / EXR / JP2 / JXL / AVIF——本机装有 ImageMagick 时自动转成 PNG 再发，并缩到长边 ≤2048px（省 token）
• 其它扩展名、或转码格式未装 ImageMagick 时，直接返回明确报错（不静默发送）

用法示例（对模型说）：用 describe_image 描述 D:\photos\cat.png，重点看它是什么品种的猫。

工作原理

1. key 解析：ctx.credentials.resolve 按 OPENCODE_GO_API_KEY → OPENCODE_API_KEY 取第一个非空（DSH 凭据分层：进程 env > ~/.dsh/.credentials.yaml > .env）。
2. 读图：（相对路径按会话 workspace cwd 解析）→ （20 MiB 上限）；非原生格式（SVG/TIFF/HEIC…）经 ImageMagick（走 接缝）转成 PNG 并缩到长边 2048px → base64。