dsh-vision

一个运行在 DeepSeek Harness (DSH) 上的动态 Cordis 插件：为所有会话提供图片上传能力，并用可配置的视觉模型自动识别图片，支持 fallback 回退链。

源码整理为独立项目，存放在 /app/dsh-vision/。

功能

能力	说明
📎 全局上传按钮	每个会话的输入框工具行出现上传按钮；选图后图片作为草稿缩略图附加到消息，同时文件保存到该会话工作区的 uploads/ 目录
自动图片识别	消息中的图片由视觉模型识别，识别结果以文字笔记注入模型上下文（[uploaded image recognized by vision model <model>])
任意视觉模型选择	设置页自动列出所有声明支持 image 输入的模型，可任选其一作为主识别模型
Fallback 回退	主模型识别失败（报错或空结果）时自动切换备用模型；可独立开启/关闭
无配置默认行为	未配置时按名称优先（vl/vision/image 匹配）自动选择识别模型，避免误选不支持识别的模型

设计要点

• Host half（src/host.js）：拦截 llm/stream waterfall。请求含图片时，先对每张图片调用视觉模型识别（不带 system 消息 —— 某些网关只认同一条用户消息内的图片），再把图片块替换为文字笔记。识别请求本身通过 inFlight 防重入保护。
• Client half（src/client.js）：注册两个 Slot —— conversation.input.left（上传按钮）与 settings.plugins.tab（"图片识别"设置页）。Client 与 Host 之间仅通过包私有 JSON RPC（host.call）通信。
• 配置存储：动态插件是进程内的，配置保存在进程内存中（主模型/fallback/开关），随插件生命周期；DSH 重启后需重新定义并运行插件。

安装

方式一：动态插件（推荐，无需重启 DSH）

src/host.js 与 src/client.js 正是动态插件定义所需的 code.host / code.client 函数体，可直接使用：

1. 获取源码：

git clone https://github.com/ariesy/dsh-vision.git
# 或直接用本机路径 /app/dsh-vision

2. 在 DSH 中定义动态插件（可通过 GUI 的插件运行卡片，或会话内 cordis_define）：
   • plugin 前缀任取（如 dsv），插件名 dsh-vision
   • code.host ← src/host.js 内容
   • code.client ← src/client.js 内容
3. 运行该插件并在运行卡片上批准。
4. 刷新浏览器页面（动态插件的 Client half 在页面加载时注入）：
   • 输入框工具行左侧出现 📎 上传按钮
   • 设置 → 插件 → 图片识别 出现配置页

注意：动态插件是进程内的 —— DSH 重启后需重新定义并运行（步骤 2–4）。

方式二：作为标准 Cordis 插件行

需要把两文件包装为标准插件模块后放入预设的 cordis.yml：

// host-plugin.js —— 包装示例
module.exports = {
  apply(ctx) {
    return /* 粘贴 src/host.js 中 `return { ... }` 的内容 */;
  },
};

// client-plugin.js —— 包装示例（同理，返回 src/client.js 中的 `return { ... }` 内容）
module.exports = {
  apply(ctx) { ... },
};

# cordis.yml 或预设 composition
- id: dsh-vision-host
  name: ./host-plugin.js
- id: dsh-vision-client
  name: ./client-plugin.js

方式三：由 DSH 自主阅读并安装

在任意 DSH 会话中直接下达指令，让 agent 读取本项目源码并完成定义、运行：

阅读 /app/dsh-vision 项目（或 git clone https://github.com/ariesy/dsh-vision.git），
把 src/host.js 与 src/client.js 分别作为 code.host / code.client 定义并运行同名动态插件。

agent 会自主完成：读取源码 → cordis_define 定义插件（名称 dsh-vision）→ cordis_run 运行。之后同样需要你在运行卡片上批准，并刷新浏览器页面使 Client half 生效。

该方式与方式一本质相同，只是由 agent 代为读取和提交代码，适合不想手动复制粘贴的场景。

使用

1. 在 DSH 中定义并运行此插件的 Host + Client 代码（通过动态插件运行卡片，批准后生效）。
2. 刷新浏览器页面。
3. 任意会话：点击输入框工具行左侧的 📎 上传图片 → 图片附加为缩略图 → 发送消息 → 自动识别并回复。
4. 配置：设置 → 插件 → 图片识别：
   • 主识别模型：下拉选择任意视觉模型（或"自动选择"）
   • Fallback 模型：下拉选择备用模型（或"不使用 fallback"）
   • 勾选"主模型失败时启用 fallback"
   • 保存配置 / 刷新模型列表

项目结构

/app/dsh-vision/
├── package.json     # 项目元数据（npm 项目壳）
├── README.md        # 本文档
└── src/
    ├── host.js      # Host half：llm/stream 拦截、识别链、配置与上传 RPC
    └── client.js    # Client half：上传按钮 + 设置页 UI

验证

cd /app/dsh-vision && npm run check   # node --check 两个源码文件

运行时验证样例（2026-08 环境）：用户上传一张《帝港海湾豪园缴费通知单》图片，模型识别并给出准确描述（期间费用区间、金额 198.64 元、制单日期等字段全部正确）。

依赖的 DSH 接口

• ctx.get('llm')：listProviders()、listModels(provider)、stream(options)
• 事件：llm/stream（waterfall，ctx.on）
• harness.handle(method, handler)：包私有 RPC
• Client：slots.inject/slots.register、host.call、React（无 JSX）
• ctx.get('agents') / ctx.get('subprocess') / ctx.get('fs')：上传文件落盘