zhu1090093659/dsh-web-ui--packages-dsh-tool-describe-image ↗★ 3.6k
@linxin666/dsh-tool-describe-image
Model-facing describe_image tool for the dsh web GUI: gives a text-only model image understanding by asking a vision-language model at an OpenAI-compatible endpoint to describe one image (local path, http(s) URL, or attachment reference). Hot-pluggable — mounted via ~/.dsh/cordis.patch.yml + a profile node_modules symlink, no dsh source changes.
安装
npx -p @deepseek-ai/dsh dsh plugin --profile web add github:zhu1090093659/dsh-web-ui#aeaaca8692376f442a1761e56273c574027ce96d&path:packages/dsh-tool-describe-image说明文档
阅读完整 README ↗dsh-tool-describe-image — 图像理解工具插件
English | 中文
模型侧 describe_image 工具：为纯文本模型（DeepSeek V4 等）提供图像理解能力。
每次调用加载一张图片——本地文件路径、http(s) URL，或会话附件引用——交给
OpenAI 兼容的视觉模型端点（Qwen-VL、GLM-4V、GPT-4o、本地 Ollama 等）回答，
支持 Chat Completions 与 Responses 两种协议；只有返回的文本进入对话，图片本身绝不进入会话记录。
本包由 deepseek-harness packages/vision/tool-describe-image 移植（镜像仓库
whitelonng/dsh-plugin-describe-image），
按 dsh-web-ui 全家桶规范适配：仅官方 NPM SDK、host 侧插件配浏览器半部、设置区实时配置，不修改 DSH 源码。
能力
| 能力 | 说明 |
|---|---|
| 三种输入 | 本地绝对路径、http(s) URL（拒绝重定向）、[image attachment …] JSON 附件引用，或拖拽/粘贴产生的短 markdown 引用（——模型取 URL 中的 id 传入，进程内附件注册表解析，存储侧摘要校验照常执行） |
| 直接发图 | 在纯文本会话里拖拽或粘贴图片，发送时被改写为 describe-image 引用（），而不是模型读不了的图片块——图片在会话里正常渲染，模型经工具分析它 |
| 自定义指令 | prompt 参数携带你的精确指令（OCR、图表解读、UI 诊断、翻译…）；defaultPrompt 配置设置模型未传指令时的兜底文案 |
| 实时配置卡 | 设置 → 插件配置 → Web UI 插件组 → 「图像理解」卡修改 baseURL / apiStyle / model / API key / 默认指令 / 各项上限（走设置服务），即时生效，无需重启 |
| 双协议 | apiStyle: chat-completions（默认）请求 baseURL/chat/completions；apiStyle: responses 请求 baseURL/responses，使用 input / max_output_tokens 并读取 output_text |
| 思考控制 | 模型 id 带可选后缀：model:off 禁用思考，model:low / model:medium / model:high 开启思考；不带后缀则不发送控制、沿用端点默认（MiMo-V2.5、DeepSeek V4 默认开启思考） |