dsh-vision-bridge

在 DSH 网页版会话中使用 DeepSeek 等纯文本模型时，发送带图片的消息会被直接拒绝，read_image 工具同样被能力检查拦截。DSH 将这些模型的输入模态声明为仅文本，导致图片功能完全不可用。dsh-vision-bridge 让这一切变得透明：你照常拖入图片、调用工具，插件在底层自动完成识图转文字，无需切换模型，无需手动运行任何命令。

插件从两个层面工作。放行层：包装 resolveModelInfo，为目标 provider 的模型补充 image 输入能力声明，使所有模型能力检查顺利通过。转译层：包装 provider 适配器的 stream 方法，在消息序列化之前将 image 块逐个取出，调用阿里云百炼视觉 API 完成识图，再将结果替换为纯文本块——模型最终收到的始终是文字，会话记录与 GUI 保持原样不变。默认主模型为 qwen-vl-max，失败时自动回退至 qwen-vl-plus 及 flash 系列，认证与参数错误不盲目重试。

除自动识图外，插件还支持文生图（对模型说 画一张… 即可调用百炼 Qwen-Image 生成图片并保存为附件）、识别结果缓存（同图不重复调用 API，内存加落盘跨会话复用）、以及 URL 识图、OCR 提示、多图对比等扩展能力。配置灵活，支持环境变量、插件 .env、设置页、claude-vision-skill 目录等多种来源，优先级清晰。

适合在 DSH 网页版中使用 DeepSeek 系列纯文本模型、又希望保留图片交互体验的开发者与日常用户。纯服务端插件，GUI 无任何改动，与桌面版内置 dsh-tool-vision 互不冲突（需关闭 bridgeTextOnly），开箱即用。