Skip to content

v0.1.0 — 纯文本模型自动识图桥

Choose a tag to compare

View all tags
@237229953-create 237229953-create released this 14 Aug 06:29
· 5 commits to master since this release
v0.1.0
940583b

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
Assets 3
Loading