DSH Plugin HubDSH 插件市场
shinjiyu/dsh-plugin-multimodal 预览 preview

shinjiyu/dsh-plugin-multimodal

Plugin插件 Native原生 ⭐ 3 MIT Vision & Media视觉与多媒体

DeepSeek Harness 的视觉辅助工具：在纯文本模型上接受粘贴的图像。

Project Overview项目介绍

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

dsh-plugin-multimodal fixes image-paste rejection in DeepSeek Harness Web. It detects whether the main model accepts images: if yes, passes them through; if not, routes to a sidecar vision model (e.g. glm-4.5v) to convert images into text first, and provides see_image for disk files. Install via the web profile and configure a real vision-capable sidecar. Text-only models like GLM-5.2-FP8 cannot serve as sidecar.

dsh-plugin-multimodal 解决 DeepSeek Harness Web 端贴图被拒问题。它识别主模型能力：支持图片则原样下发，否则用 sidecar 视觉模型（如 glm-4.5v）先转文字再传入，并提供 see_image 处理磁盘截图。需在 web profile 中启用并配置真视觉模型作为 sidecar。纯文本模型（如 GLM-5.2-FP8）不能当 sidecar。

View on GitHub在 GitHub 查看

Recommended强烈推荐 Send to your DSH发给你的 DSH 安装 
请帮我了解并安装插件：【dsh-plugin-multimodal】【https://github.com/shinjiyu/dsh-plugin-multimodal】

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.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。

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

CLI Install命令行安装 

dsh plugin --profile web add github:shinjiyu/dsh-plugin-multimodal

把 shinjiyu/dsh-plugin-multimodal 加入你的 DSH 配置（web profile）即可启用。

READMEREADME

2.9 KB · 缓存于 2026-08-23 03:42:22 · 2.9 KB

dsh-plugin-multimodal

Awesome DSH Plugin

DeepSeek Harness 官方线路是纯文本。Web 里贴图会被拒：当前模型不支持图片。

这个插件补的是贴图准入，不是视觉工具箱。

  1. 主模型本身收图（Claude / GPT / 自建视觉网关）→ 原样把图交给模型，不转文字
  2. 主模型是纯文本（官方 DeepSeek）→ GUI 先收下图，sidecar 转成文字再发给主模型
  3. see_image 给磁盘上的截图用

官方 PI adapter 已经会做第 1 步，不会做第 2 步：不支持就 UNSUPPORTED_CONTENT。Anionex 的 dsh-vision-toolkit 是另一条路：给 agent 一堆 vision_* 工具，要模型自己去调。本插件让粘贴不被拒。

对应需求：Discussions #588 · 介绍帖：Show and tell #1709

安装

dsh plugin --profile web add github:shinjiyu/dsh-plugin-multimodal

本地路径：

dsh plugin --profile web add D:\tempWorkspace\dsh-plugin-multimodal

然后重启 dsh web。旧会话的工具表不会更新。

GitHub topic：dsh-plugin

配置

环境变量（不要把 key 写进仓库）：

变量 作用
DSH_VISION_BASE_URL 视觉接口，例如 https://api.example/v1
DSH_VISION_API_KEY 该接口的 key
DSH_VISION_MODEL 必须是真能看图的模型，例如 glm-4.5v
DSH_VISION_PROMPT 可选。默认 OCR + 描述界面

没设 DSH_VISION_* 时回退 OPENAI_BASE_URL / OPENAI_API_KEY。GLM-5.2-FP8 这类文本模型不能当 sidecar。

也可以在 profile 的 cordis.patch.yml 里写：

- id: dsh-plugin-multimodal
  name: dsh-plugin-multimodal
  inject: [llm, tools, attachments, systemPrompt]
  config:
    model: glm-4.5v
    apiKeyEnv: DSH_VISION_API_KEY

30 秒验收

  1. 主模型仍用官方纯文本（或 PocketCity 文本模型）
  2. 配好一个真能看图的 sidecar
  3. 在 Web 里粘贴一张报错截图，问「红字说了什么」
  4. 过关：不再弹「当前模型不支持图片」，主模型能引用图上的字

磁盘文件：让它调 see_image。

不要做

  • 不要改 runtime/ 或官方 DeepSeek adapter
  • 不要把 sidecar 指到 deepseek-v4-flash / 其它纯文本模型
  • 不要把它宣传成「视觉工具箱」——那是 toolkit 的词

社区

微信群：deepseek harness 讨论群（2群）

扫码进群，用来分享和讨论插件。不是官方群。

微信群二维码

微信群码大约 7 天过期（本张到 2026-08-23）。过期后把新码覆盖 docs/community/wechat-group-2.jpg 即可。

宣发稿（Discussions / V2EX / 群公告）在 docs/PROMO.md。

License

MIT

渲染基于仓库 shinjiyu/dsh-plugin-multimodal 的 README.md。 在 GitHub 查看原文 →

Related相关推荐

← 上一个 Prev dsh-kafka-ui 下一个 Next gitee-ai-employee →