deepseekplugins

DeepSeek Harness plugin

dsh-image-bridge-seryta

DSH 图片理解桥接插件:挂 agent/pre-step,把消息中的图片块经视觉模型(默认智谱 GLM-4V-Flash 免费档)转成文字描述,让纯文本模型(DeepSeek)也能看图

Models & Providers
Jump to install

Source facts

Repository
Seryta/dsh-image-bridge
Latest update
Aug 14, 2026
Category
Models & Providers
GitHub stars
0
Format
plugin
Catalog evidence
Upstream dsh.bundle evidence
Evidence path
package.json#dsh.bundle
Checked against
0.1.0-rc.8
Upstream check date
2026-08-20

This evidence comes from the upstream catalog. This site has not installed, run, or security-reviewed the plugin.

Install

Start with a prompt that asks an agent to review the GitHub repository and source. Switch to the command if you want to install it yourself.

Copy this prompt into DSH, Codex, or another agent and ask it to review the GitHub repository and source first.

Do not install or run any commands yet. Read this plugin's GitHub repository, README, and relevant source code. Then answer the questions below clearly and directly so I can decide whether it fits my needs:

1. What is this plugin, and what problem does it solve?
2. Who is it for, and what are its typical use cases?
3. How is it used after installation? Include one minimal example.
4. What known limitations or privacy, security, compatibility, or maintenance risks does it have?
5. Give a clear recommendation: recommend, conditionally recommend, or do not recommend, with reasons.

Distinguish statements documented by the repository, inferences from source code, and unknowns. If evidence is insufficient, say so explicitly. Do not guess or simply repeat the README.

GitHub: https://github.com/Seryta/dsh-image-bridge
Plugin: dsh-image-bridge-seryta
Author: Seryta

Check the source files

Read the README and other files from this plugin directory before installing.

File explorer3 files
README.mdSource · read only

dsh-image-bridge — 图片理解桥接

DSH(DeepSeek Harness)插件:把用户在 Web GUI 里附加到消息中的图片,用视觉模型 (默认智谱 GLM-4V-Flash,免费)转成文字描述后注入对话,让 DeepSeek 这类纯文本 模型也能"看见"图片。

原理(挂载点)

  • 拦截点:agent/pre-step 瀑布事件。它在模型请求组装前运行,返回的

PreStepDecision.messages 就是进入本步的消息列表,可在进入前替换。

  • 图片数据结构:消息内容块里 { type: 'image', attachment: ImageAttachmentRef };

图片字节由附件服务(ctx.attachments.readImage)按内容寻址引用取出。

  • 成功时把图片块替换为 [图片描述] … 文本块,文本块原样保留。
  • 图片准入:若所选模型声明 inputModalities: ['text'],harness 会在消息进入

循环前拒绝图片。需要配套一个补 image 模态声明的插件(见 llm-deepseek-image-admit, 或任何同类 provider 包装)。

韧性策略

1. 单模型重试:429/503 指数退避重试(默认 2 次:1s、2s); 2. 模型回退:404、重试耗尽、其他 5xx 换下一个模型;默认免费档降级链 glm-4.6v-flash → glm-4.1v-thinking-flash → glm-4v-flash;thinking 模型的 <think> 推理块自动剥离; 3. 失败降级:全部失败时图片块替换为 [图片识别失败] … 说明文本——本轮 继续跑,模型如实告知用户;不放过图片块触发 UNSUPPORTED_CONTENT 整轮失败。

功能特性

  • attachmentId 转译缓存(单图消息):同一张图在后续步骤不再重复识别;
  • 体积/分辨率上限:超 maxImageBytes(默认 10MB)或 maxImagePixels

(默认 40MP)直接失败说明,不送重试链;

  • tool-result 嵌套图片递归转录;
  • content parts 数组健壮性:网关返回 [{text}] 数组时按序拼接;
  • 四点式逐字转写 prompt:逐字文字 → 版面结构 → 视觉元素 → 其他细节,

完整优先于简洁;

  • 多厂商凭证 env 名:`ZHIPU_API_KEY / ZHIPUAI_API_KEY / VISION_API_KEY /

DASHSCOPE_API_KEY` 依次尝试。

配置

项环境变量默认说明
模型IMAGE_BRIDGE_MODELglm-4v-flash主模型名
回退模型IMAGE_BRIDGE_FALLBACKSglm-4.6v-flash,glm-4.1v-thinking-flash,glm-4v-flash逗号分隔,依次尝试
重试次数IMAGE_BRIDGE_RETRIES2单模型在 429/503 上的额外重试次数
描述语言IMAGE_BRIDGE_LOCALEzhzh 中文 / 其他英文
端点IMAGE_BRIDGE_BASE_URL智谱 OpenAI 兼容端点换任意 OpenAI 兼容 VLM(配对应 key env 名)
图片字节上限IMAGE_BRIDGE_MAX_IMAGE_BYTES10485760(10MB)超限直接失败说明
图片像素上限IMAGE_BRIDGE_MAX_IMAGE_PIXELS40000000(40MP)width×height 超限直接失败说明
单次请求超时—(仅 cordis config attemptTimeoutMs)30000 ms
总预算—(仅 cordis config budgetMs)75000 ms单条消息识别总时间上限

凭证读取顺序:环境变量 → ctx.credentials.resolve → ~/.dsh/.credentials.yaml 兜底解析(极简 KEY: value 行)。key 绝不进入日志。

安装

dsh plugin --profile web add github:Seryta/dsh-image-bridge

安装后重启 dsh web。纯手写 JS,零构建、零第三方依赖,仅用 Node 内置模块。

验证

# 单元自检(无网络、不读真实凭证,12 条路径)
node index.test.mjs

覆盖:成功替换、503 退避重试、404 回退、重试耗尽降级+notice、空响应降级、 无图片放行、无 key 降级、单图缓存命中、体积超限、<think> 剥离、 parts 数组拼接、tool-result 嵌套递归。

与同类插件的差异

项目形态本插件的取舍
dsh-vision-proxyprovider-route 包装 + 请求流内转录本插件挂 agent/pre-step 重写消息,不改 provider 路由;多模型统一生效
dsh-visionview_image 工具工具形态模型需主动调用;本插件自动转录、模型无感
modlensread_image 工具 + 模型变体 + 结构化 evidence本插件不引入模型变体与 schema 约束,零配置零构建

已知限制

  • 一次消息里多张图片合并为一次视觉 API 调用、一段描述;转译缓存按**有序

attachmentId 组合键**命中(同组同序的图片每步不重复识别;换序视为不同 组合、重新识别)。

  • 缓存按 attachmentId 存描述文本(上限 100,FIFO 淘汰);失败结果不缓存。
  • 图片不做压缩/缩放预处理;超限图片直接失败说明而非自动压缩。
  • 免费档 VLM 可能限流;重试/回退后仍失败走失败说明路径,对话不受影响。

License

MIT

Back to searchOpen GitHub repository

More related plugins

View category