给deepseek harness加了双眼睛

[TryDing-T]

模型目录可以明确声明同时支持文本和图片输入。
新增独立的“视觉”设置页，用于选择辅助提供方和模型，并配置最大尝试次数、单次超时和输出 token 上限。
支持图片的主模型直接接收原始图片附件。
仅支持文本或能力未知的主模型，会收到配置的视觉模型生成并通过校验的文字描述。
未配置视觉路由或尝试耗尽时，系统生成明确的附件引用提示，不会拒绝已经成功的用户操作或工具调用。
Web 上传、顶层工具图片结果、普通 read_image 和 Code Mode 嵌套 read_image 共用同一套路由。

[TryDing-T]

仅供大家参考 https://github.com/TryDing-T/deepseek-harness-SupportVisionModel

[maoheying]

这个和插件比较起来孰优孰劣

[TryDing-T]

看自己使用习惯吧 这个可以直接贴图让来读，集成到源码中后期需要自己维护，读取文件中图片直接diao调用read_image 工具会需要等待接口返回

[Electricitysheep]

视觉路由设计很完整——主模型能力探测 + 辅助视觉模型回退 + 附件引用提示，这套"能力探测→路由→回退"的模式对纯文本模型生态是刚需。

我们手册第 8 章（工具与上下文）记录了模型能力边界的处理思路，这类视觉桥插件正是"官方没做社区全做"的代表。已收录进生态章节社区资产清单：https://github.com/Electricitysheep/dsh-handbook/blob/main/docs/07-ecosystem.md

[Hiyazhh]

https://deepseek-harness.github.io/deepseek-harness/guide/providers
配置模型的时候增加图片输入支持就可以了吧？这个是可以根据输入是否包含图片自动路由使用哪个模型吗？

[TryDing-T]

是的 会根据是否有图片来选择调用识图模型， 但是识图模型不会参与工作 只会用来识图 识别完图片后会把图片内容和提示词返回给主模型 ，主力的工作deepseek模型不会改变

[Hiyazhh]

这是要重新安装？而不是插件形式？那怎么保证后续同源呢

[TryDing-T]

目前是的只能自己维护
正在看能不呢搞成插件形式的 插件形式是最好的选择