🤖

dsh-vision-bridge

模型推理更新于 2026.08.25

在终端中运行以下命令：

dsh plugin install ximengxiaolan/dsh-vision-bridge

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 中，运行 'dsh plugin install ximengxiaolan/dsh-vision-bridge' 来安装此插件，完整源码地址为 https://github.com/ximengxiaolan/dsh-vision-bridge。

插件介绍

在对话式AI应用中，纯文本模型如DeepSeek V4/4-Flash因其架构限制，无法直接处理图像输入。用户粘贴图片时，系统会抛出MODEL_DOES_NOT_SUPPORT_IMAGES错误，导致图文交互中断。dsh-vision-bridge 插件巧妙地解决了这一痛点：它充当“视觉桥梁”，自动调用用户配置的OpenAI兼容视觉模型（如通义千问VL、智谱GLM-4V）将图像识别为文字描述，再将描述传递给DeepSeek进行后续推理。这使得用户能在保持纯文本模型强大文本能力的同时，无缝融入图像理解。

插件的核心能力体现在其透明化的工作流中。它通过修补模型信息解析和流式请求流程，让系统“误以为”文本模型支持图像，从而允许图片附件进入会话。随后，在发送给模型前，插件会扫描所有消息中的图片块，用视觉模型生成的描述进行替换。对于原生支持图像的模型，插件则放行原图，避免不必要的转换。此外，它内置了按图片ID的缓存机制，避免重复调用视觉模型产生额外费用，并在视觉调用失败时优雅降级，确保对话不中断。

这个插件非常适合那些希望利用纯文本模型（如DeepSeek系列）但又需要处理图像内容的开发者、研究人员或内容创作者。例如，在客服聊天机器人、教育辅助工具或内容分析场景中，用户可能随手发送截图或照片，而模型需要基于这些视觉信息给出回应。通过dsh-vision-bridge，你可以无需切换到昂贵的多模态模型，就能扩展文本模型的能力边界，实现成本与功能的平衡。