dsh-vision-mix

在 DeepSeek Harness 中，许多 Agent 默认仅处理文本，当用户上传图片或需要分析网页截图时，功能便受到限制。dsh-vision-mix 插件正是为了解决这一痛点而设计，它通过将文本模型、视觉模型和可选的图片生成 API 有机组合成一个“Mix”模型，让 Agent 突破文本边界，实现对图片的识别、深度理解以及后续追问。插件的核心能力在于其智能路由机制：它能自动区分普通文本、新上传图片或模糊的跨轮追问，并调度相应的模型进行处理。例如，当用户询问“这张图里还有什么”时，插件会重新读取最近的图片；而面对“再详细一点”等模糊指令时，则可借助意图识别模型判断是否需要再次分析图片。此外，插件还支持独立的图片生成与编辑功能，允许用户直接生成新图或基于现有附件进行修改，极大丰富了 Agent 的交互维度。对于开发者或需要视觉增强的用户而言，dsh-vision-mix 提供了灵活的配置选项——你可以为识图、基础对话和图片生成分别选择不同的模型和 Provider，并通过测试工具安全地启用图片能力。无论你是构建多模态 Agent、希望 Agent 能理解设计稿并生成代码，还是需要让聊天助手具备图片处理能力，这款插件都能无缝集成到现有工作流中，提升整体智能体验。