dsh-plugin-grok2api-media-tool

一个 dsh（DeepSeek Harness） 插件，让智能体通过 grok2api 生成图片/视频，并用 Grok 最新语言模型识别图片。当用户提出「画一张图」「做一个视频」「分析这张图片」等需求时，模型会调用插件提供的工具并返回可查看的结果。

功能

工具	说明
generate_image	文生图：返回图片 URL，并可将图片保存到当前会话工作区
generate_video	文生视频：创建异步任务并等待完成，返回视频 URL，并可保存到工作区
recognize_image	识图：把本地图片、data URL 或图片 URL 发给 Grok 最新语言模型（默认自动选最新，可配置如 grok-4.6），返回模型对图片的描述/回答
图片路径上传入口	聊天输入框左侧的 🖼️ 按钮：选择图片后上传到 dsh 本地，并把返回的本地路径插入输入框，供模型调用 recognize_image。纯文本主模型（如 DeepSeek）也能用——它收到的是文本路径，再由插件调 Grok 识图，不依赖主模型支持图片附件
路径识图	模型拿到图片路径后调用 recognize_image，由 Grok 最新语言模型进行多模态识别

支持两种 grok2api 后端（通过 apiFlavor 选择）：

• chenyme（默认）：Go 版 chenyme/grok2api
• aurora：旧 Python 版 aurora-develop/grok2api

安装

dsh plugin --profile web add dsh-plugin-grok2api-media-tool              # 从 npm（推荐）
dsh plugin --profile web add github:lsjspl/dsh-plugin-grok2api-media-tool   # 或从 GitHub

安装后重启 dsh web 生效。本地 tarball 等其他安装方式见 DISTRIBUTE.md。

配置

插件配置保存在 ~/.dsh/settings.yaml 的 grok2api-media-tool: 节，以下三种方式任选其一，效果相同，保存后即时生效（无需重启）。

方式 1：直接对话配置

在对话里直接提出即可，模型会调用 configure_grok2api 工具写入并生效：

• 「grok2api 复用 llm-pi-ai 里配好的 grok 提供商」
• 「把 grok2api 地址配成 http://192.168.1.100:8000，密钥 sk-xxx」
• 「生成的图片不要保存到工作区」

方式 2：复用已配置的 LLM 提供商

如果已在 dsh 的「模型」设置里配好 grok 提供商，插件可以直接复用它（地址、密钥、模型均取自该提供商），无需重复填写：

grok2api-media-tool:
  apiSource: llm-provider
  llmProvider: grok   # llm-pi-ai.providers 下的键名（全局默认 provider）

三个用途（image / video / vision）还可以各自指定不同的 provider，例如识图用另一个 provider 的模型：

grok2api-media-tool:
  apiSource: llm-provider
  llmProvider: grok          # 全局默认
  vision:
    provider: grok-chat      # 识图改用 grok-chat 的模型，留空则回退到 grok

方式 3：手工编辑配置文件

编辑 ~/.dsh/settings.yaml（Windows 为 %USERPROFILE%\.dsh\settings.yaml）：

grok2api-media-tool:
  baseUrl: http://192.168.1.100:8000
  apiKey: sk-xxx
  apiFlavor: chenyme

说明：dsh rc.7+ 在设置页开放了插件命名空间，本插件提供图形化配置表单（设置 → Plugins → 配置 → Grok2API Media Tool）：可选 provider、各用途模型从 provider 的模型目录下拉选择（每用途可单独覆盖 provider），各超时也可调。表单改动保存后即时写入 settings.yaml。也可继续使用以上三种方式配置。

未填写的字段使用默认值。

…