dsh-mmx-bridge

一个工具 = MiniMax 全部多模态能力。 让 DeepSeek Harness（DSH）的纯文本模型直接看图、画图、生成视频、说话、唱歌、翻唱、搜索、查额度。

English · 简体中文

---

概述（Overview）

DSH 默认只支持纯文本对话——看不了图、画不了画、说不了话、做不了视频。dsh-mmx-bridge 通过一个 mmx_bridge 工具接入 MiniMax 全栈多模态模型，一次安装，8 种能力即开即用：

v1.0.5 起：拖图直接发送，AI 就能识别——输入零改动。 拖入/粘贴图片后正常发送：你的消息（图片＋提示词）在会话里原样显示，一个字节都不改。插件在背后把图片落盘到临时目录（默认 /tmp/mmx-out/）并替换为「图片地址＋本地路径」文本——Agent 收到地址后自动调用 read_image / mmx_bridge(describe) 查看图片。你感知不到中间过程。

v1.0.7 起：图片识别缓存（内嵌 JSON，默认开启）。 识别结果以 imgjson 标准块（PNG tEXt / JPEG COM）写回图片本身，同图同问题再次读取直接复用，零 VLM 调用；追问按问题分层缓存，各层互不覆盖；图片被重新编码时缓存自动失效重建。可在设置页「插件配置」关闭。

兼容性（Compatibility）

项目	说明
DSH 版本	0.1.0-rc.7+（Web GUI profile）
运行时依赖	Node 内置模块 + @deepseek-ai 生态 peer 包（宿主运行时提供），无第三方运行时依赖
外部依赖	mmx-cli（工具调用时；插件支持自动扫描 / 配置路径 / 一键安装 / api-key 一键登录）
OS	macOS / Linux（一等支持）；Windows 尽力支持（os.tmpdir 默认路径、where mmx 发现、cmd.exe 启动分支已适配，未经真机验证）

安装与卸载（Install / Uninstall）

前置条件

1. 已安装 DSH（v0.1.0-rc.7+）
2. 已安装 mmx-cli 并登录：npm i -g mmx-cli && mmx auth login

安装

dsh plugin --profile web add dsh-mmx-bridge

⚠️ npm 不通？改用 dsh plugin --profile web add github:welsione/dsh-mmx-bridge

安装后重启 dsh（服务端 ESM 缓存不热替换），再刷新 Web GUI 即可使用。详见 AGENT.md。

让 Agent 帮你装（复制给 Agent 的提示词）

帮我安装 DSH 插件 dsh-mmx-bridge（仓库 https://github.com/welsione/dsh-mmx-bridge ）：

执行 `dsh plugin --profile web add dsh-mmx-bridge` 装到 web GUI profile；npm 拉不动就改用 `dsh plugin --profile web add github:welsione/dsh-mmx-bridge`。装完验证插件已挂载，并提醒我重启 dsh（设置页管理卡片需重启才生效）。

卸载

dsh plugin --profile web rm dsh-mmx-bridge

快速开始（Quick Start）

一个工具，多模态全家桶。mmx_bridge 按 action 分发：

action	能力	关键参数
describe	图片理解（VLM）	image＋可选 prompt（追问）
image	文生图	prompt / aspectRatio / count
video	文/图生视频	prompt + 可选 image
speech	语音合成	text / voice
music	音乐生成	prompt / lyrics / instrumental
cover	音频翻唱	prompt + audio 参考音频
search	联网搜索	q
quota	用量查询	—

聊天里直接对 Agent 说即可，例如：「描述这张图片」、「生成一张赛博朋克猫的图」、「把这段文字变成语音」。

配置（Configuration）

所有配置均可通过设置页「插件配置」卡片或控制文件调整。

控制文件（默认 /tmp/dsh-vision-control.json）

键	默认	含义
enabled	true	插件总开关
count	3	每次文生图张数（1–8）
webSearchEnabled	true	web_search 改用 mmx-cli
readImageEnabled	true	read_image 改用 MiniMax VLM
imageBridgeEnabled	true	图片桥：拖图直发、发给 LLM 前落盘替换
imageCacheEnabled	true	识别缓存：识别结果内嵌写回图片，同图同问复用
mmxBin	自动	mmx 可执行文件路径（留空/删除 = 回到自动扫描）

键缺省即按默认值（false 显式关闭）。设置页开关写入同一文件。

mmx 环境管理（设置卡「环境」区块）

插件自动完成 mmx-cli 的发现 / 配置 / 安装 / 登录全闭环：

…