v0.1.3 — 修复:全链路打通(准入放行 + 方法层桥接 + 递归改写 + 识图标记)

实测打通,发图即可工作:

• 准入补丁:包装 resolveModelInfo 放行图片消息(dsh-host-apiproxy 的 prompt 准入门禁无官方扩展点,图片消息此前在发送前被拒)
• 桥接挂点修正:llm/stream waterfall 的 next() 忽略参数且请求深度冻结,改写必须发生在方法层 —— 包装 streamWithRegistration(覆盖 stream 与 loop 的 prepared 路径)
• 递归改写:read_image 等工具结果(tool-result)内层嵌套的 image 块同样识别并改写,日志对齐同步扫描 tool/result 事件
• 识图结果标记:描述文本带明确身份标记,说明由识图模型(provider/model)识别生成,主模型不再误判为普通文字
• 诊断日志:DSH_VISION_DEBUG=1 时写入 ~/.dsh/storages/dsh-vision-debug.log

v0.1.2 — 修复:配置 UI 未生效(服务注入/editable 判定/POST 校验)

修复 v0.1.1 的三个缺陷,视觉模型配置功能现已完整可用:

• 服务注入修复:未注入的服务不能靠 ctx.get 同步获取,settings/tools/webServer 改为函数式 ctx.inject(路由 404、settings 未注册的根因)
• 导出 Config schema:uiopt「可配置插件」分组以模块是否导出 Config 判定,现已正确落入可配置分组
• POST 校验修复:仅传 model 不带 provider 时 group 空引用崩溃
• uiopt 同步修复:editable 判定改用 cordis fiber.runtime.Config(原按名字查 registry 恒为 false);dsh-vision 面板匹配 include: 前缀 entryId

验证(临时实例全链路):GET /api/dsh-vision/ui 枚举 8 个可识图模型 ✓;POST 写 settings.yaml(dsh-vision 分节)✓;热生效 ✓。

v0.1.1 — 视觉模型配置(官方 settings 通道 + 图形化选择)

v0.1.1

视觉模型配置功能:按官方做法接入 settings 通道 + 图形化选择。

新增

• 官方 settings 配置通道:插件注册 dsh-vision settings 命名空间(schemastery schema),配置持久化到 settings.yaml(与 llm-pi-ai 同款机制),热生效(无需重启),带 revision 冲突保护
• 图形化视觉模型选择:设置 → 插件 → 额外插件 → 可配置插件 → dsh-vision 卡片,展开后:
  • 视觉模型下拉:自动枚举当前所有 provider 中声明 [text, image] 输入的模型,按提供方分组
  • 高级字段:输出上限、模式(auto/manual/both)、超时
• 宿主配置 API:GET/POST /api/dsh-vision/ui(模型发现走 ctx.llm.listProviders/listModels,60 秒缓存;写入校验必须是已发现的可识图模型)

配置层级

patch 的 config 成为组合层 base;settings.yaml 用户层字段级覆盖,优先;均热生效。

说明

官方"插件配置"标签页只服务 dsh 仓库内白名单命名空间(apiproxy 限制,官方 README 原文),第三方插件的配置 UI 由 uiopt 的"额外插件"卡片承载;数据通道为官方 settings seam。

完整变更

• 宿主端:settings 命名空间注册、配置运行时读取(桥接热生效)、视觉模型发现、配置 API
• 修复:桥/工具注册条件误引用旧 config 对象
• 文档:README/挂载层注释更新(配置方式、UI 位置)

---

v0.1.0

首个发布版本:给纯文本模型自动配眼。

特性

• 自动识图桥:图片出现在纯文本模型(如 DeepSeek-V4 系列)的请求中时,自动用视觉模型生成文字描述,无需模型或用户做任何事
• 日志内表面替换:描述以 user/message surface-replace 事件写入会话日志(与官方 compaction 同款机制)——只对模型可见,人类转录保留原图
• 缓存友好:替换事件固化后,历史前缀缓存与普通文本会话完全等价(历史全命中,仅新消息 miss);新图首次出现按未命中价计费一次
• 原生看图优先:当前模型自身支持 image(如 kimi-k3)时插件完全不干预
• see_image 追问工具:手动/定向追问图片细节(file_path + 可选 question)
• 零新增凭据:视觉模型复用 profile 已配置的 llm-pi-ai 路由(默认 opencode-go / minimax-m3,与主模型同一把 key)
• 失败安全:视觉调用失败时本次请求仍成功(占位文本),且不固化、下次自动重试;任何未预期错误原样放行,绝不拖垮主请求

安装

dsh plugin --profile web add link:<本目录路径>
# 并在 profiles/web/package.json 的 dsh.profile.bundles 追加 "dsh-vision",重启 dsh web

配置

- insert:
    - id: dsh-vision
      name: dsh-vision
      config:
        provider: opencode-go   # 视觉模型路由
        model: minimax-m3       # 快(~3s)且便宜;可选 kimi-k2.7-code / qwen3.6-plus / kimi-k3 等
        maxTokens: 4096
        mode: both              # auto=仅自动桥 | manual=仅工具 | both=两者
        timeoutMs: 60000

验证

仓库自带 smoke-test.mjs,12 项检查覆盖:桥接触发、路由、消息改写、替换事件落库、无图放行、原生视觉放行。运行 node smoke-test.mjs。

已知限制

• 依赖 dsh 预览版 API(llm/stream waterfall、surface replace、foldSurface),rc 升级若改签名需同步更新
• 图片位于历史中部首次出现时,该轮从图片处起前缀缓存失效一次,之后恢复(前缀缓存固有特性)
• 视觉调用不进入会话 usage 统计(绕过 agent loop 记录路径),缓存命中后成本趋零

v0.1.0 — 纯文本模型自动识图桥

v0.1.0

首个发布版本:给纯文本模型自动配眼。

特性

• 自动识图桥:图片出现在纯文本模型(如 DeepSeek-V4 系列)的请求中时,自动用视觉模型生成文字描述,无需模型或用户做任何事
• 日志内表面替换:描述以 user/message surface-replace 事件写入会话日志(与官方 compaction 同款机制)——只对模型可见,人类转录保留原图
• 缓存友好:替换事件固化后,历史前缀缓存与普通文本会话完全等价(历史全命中,仅新消息 miss);新图首次出现按未命中价计费一次
• 原生看图优先:当前模型自身支持 image(如 kimi-k3)时插件完全不干预
• see_image 追问工具:手动/定向追问图片细节(file_path + 可选 question)
• 零新增凭据:视觉模型复用 profile 已配置的 llm-pi-ai 路由(默认 opencode-go / minimax-m3,与主模型同一把 key)
• 失败安全:视觉调用失败时本次请求仍成功(占位文本),且不固化、下次自动重试;任何未预期错误原样放行,绝不拖垮主请求

安装

dsh plugin --profile web add link:<本目录路径>
# 并在 profiles/web/package.json 的 dsh.profile.bundles 追加 "dsh-vision",重启 dsh web

配置

- insert:
    - id: dsh-vision
      name: dsh-vision
      config:
        provider: opencode-go   # 视觉模型路由
        model: minimax-m3       # 快(~3s)且便宜;可选 kimi-k2.7-code / qwen3.6-plus / kimi-k3 等
        maxTokens: 4096
        mode: both              # auto=仅自动桥 | manual=仅工具 | both=两者
        timeoutMs: 60000

验证

仓库自带 smoke-test.mjs,12 项检查覆盖:桥接触发、路由、消息改写、替换事件落库、无图放行、原生视觉放行。运行 node smoke-test.mjs。

已知限制

• 依赖 dsh 预览版 API(llm/stream waterfall、surface replace、foldSurface),rc 升级若改签名需同步更新
• 图片位于历史中部首次出现时,该轮从图片处起前缀缓存失效一次,之后恢复(前缀缓存固有特性)
• 视觉调用不进入会话 usage 统计(绕过 agent loop 记录路径),缓存命中后成本趋零

dsh-vision-mac 0.1.3 · macOS 版

macOS 版自动识图桥(与 Windows 版 dsh-vision 0.1.3 功能对齐)。

核心桥接逻辑零平台依赖,仅更换包名/插件 id/消息来源标识;
settings 命名空间保持 dsh-vision,Windows ↔ macOS 换机配置可直接延续。

安装

dsh plugin --profile web add ./dsh-vision-mac-0.1.3.tgz

安装后重启 dsh。