dsh-vision

在 DeepSeek Harness 中，路由指向的模型若只接受纯文本输入，用户一旦附带图片就会触发 UNSUPPORTED_CONTENT，整轮对话直接失败。dsh-vision 要解决的就是这个断层：让纯文本路由的会话也能顺畅地处理图片附件，而不必强制用户切换到另一个 profile 或手动截图重发。

核心机制是在 llm/stream 瀑布上注册一个桥接监听器。请求中没有图片块时原样透传，零额外开销；路由模型本身声明了 image 模态时请求直接放行，原生看图无需介入；只有纯文本模型遇到图片块时，监听器才会否决当前链并接管：将每张图片交给视觉模型（默认 xiaomi/mimo-v2-omni）生成文字描述，替换原有图片块后重建请求，再带重入标记回到 llm.stream。描述结果按 session 加附件 id 记忆化，历史回放直接复用文本，不重复调用视觉模型；视觉调用失败时降级为占位文本，回合不会因桥接而中断；并发带图回合通过 WeakSet 身份标记隔离，无全局状态，互不干扰。

适合在 DeepSeek Harness 中使用纯文本路由（如 gpt、claude 等不可直接看图的模型）但仍希望偶尔附带截图或照片的用户。安装后无需额外配置即可工作，也可通过 Schemastery Config 自定义视觉 provider、模型 id、prompt 及缓存策略。