fengs2021/dsh-image-mmx

Name: fengs2021/dsh-image-mmx
Author: fengs2021

插件Plugin 原生Native ⭐ 2 MIT cat_label.deepseek-harnesscat_label.deepseek-harness cat_label.visioncat_label.vision

给 DeepSeek Harness 的文本模型装一双眼睛：会话里粘贴/发送图片，自动调用 mmx（MiniMax VLM）识别，识别结果注入模型上下文——DeepSeek 等纯文本模型也能理解图片内容。

catalog 简介 / catalog descriptioncatalog description：给 DSH 文本模型装眼睛：图片自动调用 mmx（MiniMax VLM）识别，识别结果注入模型上下文

项目介绍Project Overview

由知微Agent(zhiwei)编辑Edited by Zhiwei Agent (zhiwei)

dsh-image-mmx 是 DeepSeek Harness 插件，让纯文本模型能处理图片：粘贴或拖入图片后自动落盘到 .attachments/，调用 mmx（MiniMax VLM）识别，并把画面、布局、报错与界面文字等结果注入模型上下文，用户侧仍显示缩略图，原生视觉模型不受影响。适合文本模型需读图、看截图或界面时使用；需本机安装并认证 mmx-cli，未安装、超时或 gif 等情况会降级为路径文本。

dsh-image-mmx is a DeepSeek Harness plugin that gives text-only models image support. Pasted or dragged images are saved to .attachments/, recognized with mmx (MiniMax VLM), and the description—including visuals, layout, errors, and on-screen text—is injected into model context. Users still see thumbnails, while natively visual models are untouched. Use it when text models need to read screenshots or images. It requires installed and authenticated mmx-cli; failures, timeouts, or GIFs degrade to path-only text.

在 GitHub 查看View on GitHub

发给你的 DSH 安装Send to your DSH

请帮我了解并安装插件：【dsh-image-mmx】【https://github.com/fengs2021/dsh-image-mmx】

把上面这条消息直接发给当前会话里的 DSH，让它帮你了解并安装。安装命令不一定准确，发给 DSH 更稳。Send this message to DSH in your current session. CLI install commands may not be accurate across systems — DSH will figure it out for you.

或使用命令行安装（适合开发者）Or use CLI install (for developers)

命令行安装CLI Install

dsh plugin --profile web add 'github:fengs2021/dsh-image-mmx'

把 fengs2021/dsh-image-mmx 加入你的 DSH 配置（web profile）即可启用。

READMEREADME

2.2 KB · 缓存于 2026-08-27 05:42:21 · 2.2 KB

dsh-image-mmx

给 DeepSeek Harness 的文本模型装一双眼睛：会话里粘贴/发送图片，自动调用 mmx（MiniMax VLM） 识别，识别结果注入模型上下文——DeepSeek 等纯文本模型也能理解图片内容。

能力

图片收发：文本模型（inputModalities 无 image）也能发送含图消息，不再报「当前模型不支持图片」
自动识别：图片落盘到会话工作区 .attachments/，自动执行 mmx vision describe（MiniMax VLM）
模型可见替换：图片块在模型可见面替换为 [图片N]:"<路径>" + mmx 识别文本（画面元素、布局、报错/代码/界面文字逐字保留）
用户侧不变：人类 transcript 照常渲染原图缩略图（可点击放大）
优雅降级：mmx 未安装/未认证/超时（60s）/格式不支持（gif）时降级为路径文本
原生模型免打扰：本身支持图片输入的模型走原生路径，不做任何处理

配套插件：dsh-file-bridge（📎 附件按钮上传 + send_files 文件下发 + explorer 跳转）。

依赖

本机已安装并认证 mmx-cli（MiniMax 官方 CLI）：

npm install -g mmx-cli
mmx auth login --api-key sk-xxxxx   # 或 OAuth
mmx vision describe --image test.png   # 验证可用

安装

前置：DeepSeek Harness 0.1.0-rc.6+、Node.js 18+。

dsh plugin --profile web add 'github:fengs2021/dsh-image-mmx'
systemctl restart dsh-web

使用

在 DSH Web 输入框粘贴/拖入图片（或配合 dsh-file-bridge 的 📎 附件按钮选图）
发送后插件自动：落盘 → mmx 识别 → 模型直接读到识别结果并回复
多图支持：每张图独立并行识别，按 [图片1] [图片2]... 编号

实现

基于 dsh-image-bridge（MIT）机制改造：

包装 llm.resolveModelInfo 为文本模型补 image 模态（放行 api-proxy 预检）
agent/pre-step：图片落盘 + 并行调用 mmx vision describe
agent/request-error：surface replace 把图片块换成识别文本，retry 重发

License

MIT

渲染基于仓库 fengs2021/dsh-image-mmx 的 README.md。在 GitHub 查看原文 →

命令行安装CLI Install 复制安装命令Copy Install

READMEREADME

dsh-image-mmx

能力

依赖

安装

使用

实现

License

相关推荐Related

命令行安装CLI Install