At most 5 image(s) may be provided in one prompt. (parameter=image)

[cuyoo]

一个目录下有多个图片，让他调用模型理解图片内容，他会把自己卡死。因为模型限制一次最多少能处理5张。
然后这个会话就等于死这了。

At most 5 image(s) may be provided in one prompt. (parameter=image)

[weijiafu14]

这个"卡死"是可以理解的：图片一旦进了会话，就留在会话日志里了。所以第一次超过 5 张触发上限之后，后面每一轮请求都还带着那批图片，于是每次都撞同一堵墙——不是这一轮失败，是这条会话被钉住了。

先救急：这条会话救不回来，新开一个会话继续（旧的归档掉）。

再避免复发，三条按代价从低到高：

1. 明确要求分批：在 prompt 里写死"每次最多处理 5 张，处理完再取下一批"。最省事，但靠模型守纪律，量一大就容易破功。
2. 换成一次读一张的工具：让模型通过一个"按路径读图"的工具逐张处理，而不是把整批图片作为附件塞进对话。这样图片不会累积进会话的图片块，上限自然碰不到。
3. 走"图片先转文字"的路：图片交给视觉模型、结果作为文本注入当轮，主模型收到的是文字。这条从结构上不产生图片块，所以既没有 5 张上限，也不会把会话钉住。

第 3 条我有个现成的实现（pi2dsh 的伴生路由 + @kassing/pi-vision），在真 DSH loop 上端到端跑过，CLI 和 Web 双端。

但要说清两点，别让我误导你：

• "它能绕开 5 张上限"是我的推断，不是实测。 逻辑是"转成文字后主模型收到的不是图片块，所以不受 image 参数上限约束"——听起来成立，但我没有专门拿一个目录几十张图去验过这条。你要试的话先小批量试。
• 第 3 条的代价是主模型拿到的是文字描述不是图片，需要精确坐标或密集 OCR 排版的任务会明显打折。如果你的图必须被"看"到细节，第 2 条（逐张处理）比第 3 条合适。
• 我们不修 DSH 自家的附件累积行为——"失败的图片留在日志里把会话钉住"这个更普遍的问题（如果一个对话发过截图并提示失败，切换其他对话后，每次切换到该对话都会弹这个提示 #3602 是同一族），得官方处理。

利益相关：pi2dsh 是我维护的，@kassing/pi-vision 不是我的包。

[ahrar-deriv]

Same failure class here — the GLM gateway caps at 8 images per request (yours: 5 via Claude), and the session gets permanently pinned because replayed context keeps every accumulated image; the gateway only returns a generic 400 hiding the real reason.

I patched llm-pi-ai in my fork with an optional maxRequestImages provider setting: once a request carries more images than the bound, the oldest ones become [image omitted to fit request image limits; …] text placeholders in the request projection (same deterministic eviction the existing maxRequestImageBytes byte bound uses). Full text history preserved, only old image payload is placeholder-ed.

Settings example (fork patch — apply the branch, pnpm run build, then restart dsh so settings reload):

llm-pi-ai:
  providers:
    your-provider:
      apiKeyEnv: YOUR_API_KEY_ENV
      api: openai-completions
      baseURL: https://your-gateway.example.com/v1
      maxRequestImages: 5   # match your gateway's per-request image cap
      models:
        - id: your-vision-model
          input: [text, image]   # required for images to be sent at all

Branch (reference / cherry-pick): https://github.com/ahrar-deriv/deepseek-harness/tree/request-image-count-cap — personal fork patch, not upstreamed yet. Until patched, the workarounds above (one-image-at-a-time tooling, image→text routing) are the stable options.