dsh-vision-opencode

DeepSeek 不认图怎么办？OpenCode 这套多模态平替方案了解一下。

DeepSeek Harness（DSH）插件：给纯文本主模型加一个可配置的识图模型。主模型（如 DeepSeek）不认识图片？没关系——图片先交给视觉模型（如 MiMo-V2.5）理解成文本，再把结论交给主模型，全程不用换掉你正在用的主力模型。

• 输入框右侧「识图模型」下拉选择器（自动列出所有供应商中声明了图片输入的模型）
• 运行时 skill vision-image-analysis：按需指导主模型调用 vision_read_image 做 OCR / 图表 / 场景理解；未启用 DSH skill 服务时自动退化为工具与系统提示词
• 用户在聊天里发图片时自动转换：输入区实时显示临时识图进度，结束后只用 DSH 原生 notice 留下一条完成或失败记录
• 自动识别当前适配器目录中的纯文本主模型并接管图片转换；原生多模态主模型保持 DSH 原生图片能力，切换供应商或模型无需同步第二份配置
• 异常兜底：单次调用 60s 超时、可重试失败自动重试 1 次、重试耗尽降级为占位文本（主模型照常回复并告知用户）
• 通过进程内能力兼容层放行图片提交闸门，支持 pi-ai、deepseek-official 等不同适配器，不修改用户的模型目录

系统支持

支持以下两套原生安装脚本：

• Ubuntu 24.04 / Bash：scripts/install.sh、scripts/uninstall.sh（本机实测）。
• Windows 10/11 / PowerShell 5.1+：scripts/install.ps1、scripts/uninstall.ps1（不要求 Git Bash 或 WSL）。

两套脚本执行相同的配置合并、Cordis 注册、幂等升级和卸载清理流程。macOS 与其他发行版尚未验证。

兼容性：本插件基于 DSH 0.1.0-rc.6 开发并验证。它依赖两个尚未文档化的运行时行为——agent-loop 请求在 llm/stream 瀑布中 deep-frozen、cordis waterfall 的 next() 重放原始参数。DSH 升级到其他 rc 版本后如果行为变化，请升级本插件或关闭 autoConvert 逃生阀（见下文）。

一键安装

curl -fsSL https://raw.githubusercontent.com/poiuyjie/dsh-vision-opencode/main/scripts/install.sh | bash

Windows PowerShell

$install = Invoke-RestMethod 'https://raw.githubusercontent.com/poiuyjie/dsh-vision-opencode/main/scripts/install.ps1'
& ([scriptblock]::Create($install))

安装后重启 dsh，然后刷新浏览器页面，在输入框右侧选择识图模型。

一键卸载

Ubuntu：

curl -fsSL https://raw.githubusercontent.com/poiuyjie/dsh-vision-opencode/main/scripts/uninstall.sh | bash

Windows PowerShell：

$uninstall = Invoke-RestMethod 'https://raw.githubusercontent.com/poiuyjie/dsh-vision-opencode/main/scripts/uninstall.ps1'
& ([scriptblock]::Create($uninstall))

重要：先备份图片会话。 卸载后，包含图片的旧对话可能无法继续发送给纯文本主模型。请在卸载前把关键结论、图片描述、代码和待办事项复制或导出为 Markdown（.md）文件，再执行卸载；原始图片会话不会被插件自动转换。

安装脚本不会选择或写入识图模型，也不要求你填写主模型。插件启动后会根据 DSH 适配器返回的输入能力自动识别纯文本路由；需要代理时再追加 --proxy 或 -Proxy。

旧版 mainProvider/mainModels 会继续兼容，但不再是必填项，也不需要随主模型切换手动同步。

卸载只处理非空 gateState 能证明属于插件的旧版闸门记录，不会扫描或修改用户及其他插件的图片模型配置。

手动安装

方式 A：GitHub 直接安装

cd ~/.dsh/profiles/web
pnpm add -w github:poiuyjie/dsh-vision-opencode
# 新版 DSH 的 profile 目录是 pnpm 工作区根（有 pnpm-workspace.yaml），必须加 -w；
# 老版本没有该文件的话去掉 -w 即可。

方式 B：npm 安装

⚠️ 暂未发布到 npm（registry 上还不存在这个包）。发布后即可使用更短的命令：

cd ~/.dsh/profiles/web
pnpm add -w dsh-vision-opencode   # 目前不可用，请先用方式 A；-w 同上

注册进 cordis

编辑 ~/.dsh/profiles/web/cordis.patch.yml，追加：

- insert:
    - id: vision-opencode
      name: 'dsh-vision-opencode'

若文件里有一行空数组占位 []（一键卸载脚本收尾会留），先删掉那一行再追加——[] 与条目共存会被 YAML 当成两个文档，dsh 启动会报错。

配置

编辑 ~/.dsh/settings.yaml：

vision-opencode:
  provider: ''              # 识图模型所在供应商路由；留空 = 未选择（选择器显示「识图模型」）
  model: ''                 # 识图模型 id；留空 = 未选择（在下拉里选中后自动写入）
  autoConvert: true         # 发图自动转换开关（稳定性逃生阀，出问题改 false）
  # mainProvider/mainModels: 旧版兼容字段，可省略；插件会自动识别所有纯文本路由

重启 dsh。重启后输入框右侧会出现「识图模型」下拉——它自动列出你所有供应商中声明了图片输入的模型；未选择时显示「识图模型」占位，选中即写入 settings。

聊天附件和工作区图片走两条互补路径：聊天附件必须在纯文本主模型请求发出前自动转成文字，识图期间在输入区显示临时状态，结束后只保留一条 vision-opencode 上下文记录；主模型后来需要读取文件路径、截图、图表或做 OCR 时，会加载 vision-image-analysis skill，再调用 vision_read_image 并显示原生工具卡片。二者都使用你在下拉中选择的任意供应商多模态模型，不绑定 OpenCode Go。

autoConvert 对所有被 DSH 解析为纯文本输入的主模型生效。切换到另一个供应商或模型后，插件会在首次请求时重新读取其能力；原生支持图片的模型不会被转换。

# 1. 在 dsh 运行时执行一次自清理：清空插件 settings，并还原旧版本拥有的 modelOverrides
curl -X POST -H 'x-vision-opencode-action: uninstall' http://127.0.0.1:3080/vision-opencode/uninstall

# 2. 停止 dsh（Ctrl+C）

# 3. 删除依赖与注册条目
cd ~/.dsh/profiles/web
pnpm remove dsh-vision-opencode
#    编辑 cordis.patch.yml，删除 vision-opencode 的 insert 条目（若删完后文件只剩注释，把内容替换成 []）

# 4. 重启 dsh

插件加载失败不会拖垮 DSH：cordis loader 按条目隔离，失败的插件在「设置 → 插件」里显示 failed，其余插件照常工作。

异常处理矩阵

回退 / 逃生阀

• 只想关掉「发图自动转换」（保留工具和选择器）：settings.yaml 里 vision-opencode.autoConvert: false，重启。
• 完全回退：执行上文卸载流程。回退后行为 = 未安装状态（图片消息被 DSH 闸门正常拒绝，不会打到 API）。

已知限制

• 前端选择器是手写的 DSH client bundle（window.__ModuleLoader__ 格式），client 接口在 rc 版本间可能变动；选择器不出现时打开浏览器控制台把报错发 issue。
• 自动转换发生在请求时刻，分析文本不进持久化会话日志（会话压缩后仍可存活，因为压缩请求同样经过转换瀑布）。
• deepseek-official 等非 pi-ai 主路由依赖 DSH 当前的 resolveModelInfo() 运行时接口；若未来 DSH 改变图片提交闸门实现，需要同步升级插件。
• 0.2.x 没有闸门所有权记录；无法证明归属的历史 modelOverrides 需要用户按实际原值确认，插件不会按模型名猜测删除。

License

MIT