dsh-vision-opencode

很多用户会遇到一个尴尬场景：主聊天模型擅长文字，却不能稳定处理图片；一旦需要识别截图、文档、表格或界面设计，往往只能切换模型或借助外部工具。dsh-vision-opencode 的思路是让识图能力以旁路方式接入现有主模型：当聊天中出现图片时，插件会先把图片交给一个可配置的视觉模型，将图片内容转换为文字，再交给原来的纯文本主模型继续回答。

它的核心能力是“自动识图、手动可控、异常兜底”。输入框右侧可以选择识图模型，设置页也能独立管理视觉模型，并支持 OCR、图表理解、截图分析等场景。对于不想自动转换图片的用户，可以关闭自动转换，只保留识图工具与模型选择能力；对于网络或模型失败的情况，插件会进行超时、重试和降级处理，尽量不拖垮整轮对话。

这个插件适合使用 DeepSeek 或其他纯文本主模型、但经常需要处理图片信息的用户，也适合希望在不更换主模型的前提下获得多模态体验的人。它不是完整的多模态替换方案，而更像一层轻量视觉入口，让原本只能“读文字”的模型也能“先看图、再回答”。