Repository navigation
v1.1.2 · 多模态:标签真正影响路由
标了「多模态」,带图的请求才真的派得过去
自建端点的型号(deepseek-flash / glm-flash / Qwen)上游明明能看图,用户在面板里也标了「多模态」,带图的请求却一直被 missing-capability:vision 拒掉——标签只写进了展示用的 strengthTags,没进引擎的 capabilities。看起来是「管家不会看图」,其实是「管家没把你打的标签当真」。
改了什么
- 能力型标签(
vision/tool-use/reasoning/fast/long-context/json-mode/multilingual)现在合并进引擎的capabilities;vision还会补上imageInput与image输入模态,硬过滤与模态判定一起通过。 - 中文写法与英文等价:
多模态/看图/视觉/图像理解→vision;编程/推理/快速/工具调用/长上下文/多语言各自落到对应能力。以前占位符写的是「多模态」,认不出来就等于没打。 - 设置页每张模型卡多了个 「能看图」 勾选框:目录认不出的型号(中转站、自建端点)一眼就能声明,勾上即写
vision标签,卡片同时挂「多模态」徽标。 - 目录自带的能力只合并不覆盖;没标注的型号仍然接不了图——不会为了「能跑」把所有人都当成多模态。
升级
cd ~/.dsh/profiles/desktop && pnpm add github:JiamingShi-JsPhys/dsh-token-steward重启 DSH,进「管家设置 → 厂家设置」,看那张模型卡上的「能看图」是否勾着;勾上后带一张图问一句,路由日志里应该能看到它被选中,而不是 missing-capability:vision。
验证
npm test→ 558 pass / 0 fail(新增 6 条能力标签与路由用例)tsc --noEmit→ 干净