dsh-view-image

很多纯文本模型（比如 deepseek-v4-flash）根本不具备视觉能力，用户一旦在对话里粘了张图，要么被直接拒绝，要么整轮对话就卡死在"当前模型不支持图片"的报错上。dsh-view-image 的思路很干脆：在主对话之外挂一个独立的 OpenAI 兼容视觉模型，专门负责"看图"，把识别结果以纯文本描述的形式交回主模型。图片字节始终不进入主对话上下文，主模型看到的只是一段自然语言描述，就像你替它读了一遍图。这意味着即使你的主力路由是纯文本的，也照样能流畅地完成"贴一张截图问报错原因"这类操作。

体验层面，插件做了不少细节：Web 输入框支持 Ctrl+V 直接粘贴，多张图全部内联缩略展示（右对齐、240px），点击放大、悬停复制、拖拽回输入框都可以；终端和 headless 脚本场景则只需传一个文件路径，模型自动调用 view_image 完成识别。视觉端点完全可插拔，Ollama、vLLM、LiteLLM、OpenRouter、阿里云百炼、opencode.ai 等任何 OpenAI 兼容接口都能在 vision-model.json 里指过去，本地跑一个小型 VLM 就能用，不必额外订阅多模态 API。

附件侧走内容寻址（sha256）加同图去重和完整性校验，会话关掉再重开缩略图依然能兜底渲染，不会丢图。整体来看，这个插件适合三类人：一是主力跑纯文本模型但偶尔需要读图的日常用户；二是写自动化脚本、需要给 headless 流程加一步图片识别的开发者；三是倾向本地部署视觉模型、不想把截图上传到第三方多模态服务的隐私敏感用户。配置一个端点、重启一次 dsh，纯文本模型就多了一双"眼睛"。