dsh-image-vision

给纯文本的 DeepSeek 加上眼睛：聊天里传图 + 识图，一个插件搞定。

• view_image 工具：模型带着问题调用它（OCR、数数、读图表、看 UI 布局……任意视觉问题），插件把图片和问题转发给任意 OpenAI 兼容的 VLM 端点（本地 Ollama / 智谱 / DashScope / 豆包……），答案以文本返回。
• 图片附件桥：在聊天对话框拖拽或粘贴图片即可发送——dsh web 输入框原生接收图片附件，本插件在模型请求前把附件改写为 [用户上传的图片：] 标记，并引导模型调用 view_image 查看，纯文本模型因此"看见"你上传的图。

用户: （拖一张截图进对话框）帮我看看这个报错
模型 → view_image(source="…vision-bridge/xxx.png", question="这个报错的完整文本是什么？")
     ← "TypeError: Cannot read properties of undefined (reading 'map') at …"
模型: 这是一个 … 建议 …

安装

dsh plugin --profile web add dsh-image-vision

或经 dsh-market 插件市场安装。

注意：host 在消息提交时会校验当前模型的 inputModalities 声明。纯文本模型（如 deepseek-v4-flash 经网关路由）需要在 profile 的 settings.yaml 里把该模型声明为支持图片输入，否则带图消息在提交时就被拒绝：

llm-pi-ai:
  providers:
    opencode-go:
      apiKeyEnv: OPENCODE_GO_API_KEY
      modelOverrides:
        deepseek-v4-flash:
          input: ['text', 'image']

（网关模型目录里本就直接声明 image 能力的模型无需此步。）

后端选择

一套配置（baseURL + apiKey + model）覆盖所有后端：

场景	baseURL	model	说明
默认（免费）	https://open.bigmodel.cn/api/paas/v4	glm-4.6v-flash	智谱免费视觉模型，零成本开箱；高峰限流自动降级
本地 Ollama	http://localhost:11434/v1	qwen3-vl:4b	离线、无 key；小模型对穷举任务较慢，建议 maxTokens: 4096 + timeoutMs: 300000
DashScope	https://dashscope.aliyuncs.com/compatible-mode/v1	qwen3-vl-flash	百炼 VL 线，高精度 OCR
火山豆包	https://ark.cn-beijing.volces.com/api/v3