明眸 Mingmu（dsh-mingmu）

[English](#english-intro) | 中文

给 DeepSeek Harness（dsh）的纯文本模型装上「外挂眼睛」：上传图片时，若当前模型不支持视觉（瞎子模型），自动调用视觉模型识别，把识别文字喂回主模型继续处理——全程无感；真视觉模型则保持原生看图，不拦截。

纯 ESM 插件，零源码改动，卸载即还原。已在 dsh 0.1.0-rc.6 实测。

English Intro

Mingmu is a dsh plugin that gives text-only models the ability to "see". When you attach an image, it automatically calls a vision-capable model to describe the image and feeds the result back to the main model as text. Vision-native models are left untouched. Configuration is done through the dsh Web UI or environment variables.

⚠️ Privacy / Data Notice

By default, images are sent to a third-party vision API endpoint (https://api.siliconflow.cn/v1 by default). Your API key is stored in the dsh credential vault (~/.dsh/.credentials.yaml), not in the plugin configuration. You can change the endpoint to any OpenAI-compatible vision provider. Please review the provider's privacy policy before use.

特性

• 按模型能力触发：只有真实不支持图片的模型才走桥接；真视觉模型原生直连看图。

• 全球视觉模型启发式识别：按模型名自动识别 OpenAI、Anthropic、Google、Qwen、MiniMax、Kimi、GLM、DeepSeek-VL 等 20+ 视觉模型家族，对 pi-ai 官方 catalog 中约 98% 的视觉模型有效；拿不准的自动走桥接。

• 自动升级（默认）：先用首选识别模型，失败或结果为空时自动切换备选模型；高级用户可用 DSH_VISION_STRATEGY=race 开启并发赛跑。

• 设置页可视化配置：注册 vision-bridge 设置命名空间 + 浏览器端设置卡片，在 dsh Web 的「设置 → 插件」里直接改提供商、模型、策略，保存即时生效（applies: live）。

• 失败不静默：annotate（失败原因作为文字喂给主模型）/ error（严格报错）。

• 凭据安全：API Key 走 dsh 官方凭据服务，不落盘到配置。

• 环境变量兜底：不写设置页也能用环境变量配置。

界面预览

安装后，在 dsh Web 的「设置 → 明眸 Mingmu」中可视化配置：


插件已正确注册到 dsh 设置侧边栏：


安装

从 GitHub 安装（推荐）

# web  profile
dsh plugin --profile web add github:Lab-sku/dsh-mingmu
# headless profile（可选）
dsh plugin --profile headless add github:Lab-sku/dsh-mingmu

首次从 git 安装时，pnpm 可能要求你在 ~/.dsh/profiles/<name>/pnpm-workspace.yaml 中授权构建：

allowBuilds:
  dsh-mingmu: true

因为本插件是原生 JS，无需 prepare 构建脚本；lib/ 目录已包含在仓库中。

从 npm 安装

dsh plugin --profile web add dsh-mingmu

本地 link 安装（开发调试）

dsh plugin --profile web add link:/path/to/dsh-mingmu

重启 dsh web 生效：

dsh web

卸载

dsh plugin --profile web remove dsh-mingmu

配置

方式一：Web 设置页（推荐）

打开 设置 → 插件 → 明眸 Mingmu（视觉桥），改完点保存，即时生效。

rc.6 的「设置 → 模型」页会同时出现一张由可配置提供方注册产生的同名占位卡，浏览器半已自动隐藏，属正常现象。

方式二：环境变量

| 变量 | 默认 | 说明 |

|---|---|---|

| DSH_VISION_ENABLED | true | 总开关 |

| DSH_VISION_PROVIDERS | 空（全部） | 生效的主模型 provider 列表，逗号分隔 |

| DSH_VISION_STRATEGY | cascade | cascade（自动升级，默认）/ race（并发赛跑，高级） |

| DSH_VISION_BASE_URL | https://api.siliconflow.cn/v1 | 视觉 API 端点 |

| DSH_VISION_MODEL | Qwen/Qwen3-VL-8B-Instruct | 首选识别模型 |

| DSH_VISION_MODEL_UPGRADE | Qwen/Qwen3-VL-32B-Instruct | 备选识别模型（首选失败/为空时自动切换） |

| DSH_VISION_API_KEY_ENV | SILICONFLOW_API_KEY | API Key 环境变量引用 |

| DSH_VISION_FAILURE_MODE | annotate | annotate / error |

| DSH_VISION_MAX_TOKENS | 4096 | 识别最大 token |

| DSH_VISION_TIMEOUT_MS | 180000 | 识别超时（毫秒） |

| DSH_VISION_PROMPT | 见源码 | 识别提示词 |

| DSH_VISION_VISION_MODELS | 空 | 额外强制视为视觉模型的 provider/model 或 model 列表，逗号分隔；用于启发式规则漏识别的模型 |

| DSH_VISION_DEBUG | 关 | 1 开启调试日志 |

方式三：API Key（二选一）

• 推荐：设置卡片直接粘贴 —— 设置 → 插件 → 明眸 Mingmu，在「视觉 API Key」框粘贴 Key 并点「保存 Key」，写入 dsh 官方凭据库（不落盘到配置），卡片实时显示「已配置 ✓」。

• 或手动写入 ~/.dsh/.credentials.yaml：

SILICONFLOW_API_KEY: sk-xxx

方式四：内置视觉模型白名单（可选）

quchiai 等自定义 provider 中的部分视觉模型（如 MiniMax/MiniMax-M3、moonshotai/Kimi-K2.7-Code）可能被 dsh 标记为纯文本。本插件会在运行时自动给这些 adapter 追加 image input，无需再手动修改 ~/.dsh/settings.yaml。

如果你使用的视觉模型不在内置白名单，或想额外扩展，可通过设置页、环境变量 DSH_VISION_VISION_MODELS 或 vision-bridge.visionModels 追加：

vision-bridge:
  visionModels:
    - quchiai/MiniMax/MiniMax-M3
    - quchiai/moonshotai/Kimi-K2.7-Code

内置默认白名单会自动与你的自定义列表合并。

错误处理

• 空识别结果 → 自动切换备选模型重试；

• Key 缺失/无效（401/403）、限流（429）、服务异常（5xx）、超时、空结果 → 以中文可读的提示标注给主模型（annotate 模式），绝不静默丢图；

• 可切 error 模式严格报错。

分流流程

flowchart TD
    A[用户上传图片] --> B{dsh-mingmu<br/>判断当前模型是否支持视觉}
    B -->|支持| C[原生视觉模型<br/>直接看图回答]
    B -->|不支持| D[调用 Qwen-VL 等视觉模型识别]
    D --> E[把识别文字喂回主模型]
    E --> F[瞎子模型基于文字作答]
    C --> G[返回结果]
    F --> G

插件生态与发现

明眸已加入 GitHub dsh-plugin topic，并被收录目标：

• awesome-dsh-plugin 社区插件索引（仓库需满 1 天且 10+ commits 方可提交）。
• 也可通过未来的 dsh-market 一键安装。

工作原理

1. 闸门放行：运行时包装 ctx.llm.resolveModelInfo。瞎子模型被追加 image 模态放行；真视觉模型原样返回。

2. pre-step 桥接：agent/pre-step 钩子发现消息含图，并检测到当前 agent.options 对应的模型真实不支持图片 → 读取附件 → 视觉模型识别 → 图片块替换为视觉证据文字块。

3. 主模型作答：替换后的纯文本请求发给主模型，它基于识别结果回答。

详细设计见源码注释。

兼容性

• Node.js >= 22.19.0（跟随 dsh 最低版本）

• dsh >= 0.1.0-rc.6（接口仍在 rc 阶段，后续版本可能需要适配）

已知限制

• dsh 接口仍在 rc 阶段：本插件基于 dsh 0.1.0-rc.6 实测，上游接口可能变化，版本升级后可能需要适配。

• 视觉判断需要一次额外查询：含图消息的每个 step 会调用一次未包装的 resolveModelInfo 来判断当前模型真实能力，对延迟敏感的场景请留意。

• 图片会离开本机：默认发送到 SiliconFlow；你可替换为任意 OpenAI 兼容端点，但请自行评估该端点的隐私与可用性。

• 并发策略为单会话内生效：race / cascade 只影响当前消息的视觉识别调用，不改变 dsh 本身的并发模型。

验证

• 68 项单元/集成测试全部通过（node --test tests/**/*.test.mjs）；

• quchiai deepseek-ai/DeepSeek-V4-Flash（瞎子模型）+ 截图 → 自动桥接；

• quchiai MiniMax/MiniMax-M3（视觉模型）+ 截图 → 原生看图，不桥接；

• quchiai moonshotai/Kimi-K2.7-Code（视觉模型）+ 截图 → 原生看图，不桥接；

• 同一实例中瞎子模型与视觉模型并发对话不会互相污染状态。

许可

[MIT](LICENSE)。DeepSeek Harness 为 rc 阶段，插件接口可能随上游变化。