dsh-vision-proxy

English | 简体中文

保持 DeepSeek 作为对话大脑，图片照样直接发。 为 DeepSeek Harness 打造：GUI 附加图片自动转译，纯文本 DeepSeek 也能识图。

⚠️ 兼容性与定位（2026-08）：本插件已适配 dsh 0.1.1-rc.2（adapter prepareCall 接口）。dsh 0.1.1 起原生支持多模态（DeepSeek-V4-Flash-Vision-Exp 等官方视觉模型）——如果你用官方视觉模型，直接发图即可，不需要本插件。DeepSeek-V4-Pro / 普通 Flash 仍是纯文本模型，识图靠本插件转译桥接（官方仅 Flash-Vision-Exp 原生多模态）。插件适用于：Pro/文本模型识图、本地 Ollama（图片不出本机、免费）、自定义 OpenAI 兼容 VLM 场景。

为什么需要它

DeepSeek Harness 原生按模型声明的 inputModalities 决定是否放行图片附件。DeepSeek 的 chat-completions 线路是纯文本的，所以选中 DeepSeek 时附加图片会被原生拒绝。已有的视觉插件提供 view_image 等工具（适用于文件路径），但 GUI 图片附件对纯文本模型依然失败。

本插件补上这个缺口：注册一条新提供商路由（deepseek-vision），包装真正的 DeepSeek 适配器——对外声明支持图片输入（附件预检放行），并在请求流里把每张附加图片转译成文字后再委托给 DeepSeek。对话仍然由 DeepSeek 作答，识图只是附加能力。

用户附加图片 ──▶ deepseek-vision 路由 ──▶ 经 VLM 转译（OCR+版式+细节）
                   │                        │
                   ▼                        ▼
            DeepSeek 作答 ◀── 纯文本对话（图片已替换为 [图片转译] 文字）

特性

• 绝不卡死。匿名端点强制 20 秒超时上限（免费档挂起也拖不住整轮对话）；匿名端点遇到 HTTP 429 立即失败（不做无意义的 Retry-After 等待）；刚失败（429/超时）的端点进入 60 秒冷却并被跳过。
• 多模型、多厂商。任何 OpenAI 兼容 VLM 端点都行——百炼/Qwen、QwenCloud 国际站、智谱、OpenRouter、本地 Ollama、或你自己的端点。每条 fallbackModels 都可以带各自独立的 baseURL/model，一个安装即可串联多家。
• 零配置本地路径。autoLocalOllama（默认开）启动时探测 http://localhost:11434，检测到 Ollama 就自动加入降级链——图片不出本机，免 key 免注册。
• 快速且明确的失败。没有 key 也没有本地 Ollama 时，转译在几秒内失败并给出可操作指引（配置 VISION_API_KEY / DASHSCOPE_API_KEY 或安装 Ollama）——绝不静默卡住。
• 有 key 自动提速。导出 VISION_API_KEY / DASHSCOPE_API_KEY 后自动走你配置的付费端点（默认百炼 qwen3.7-flash——快、便宜、不限速；百炼/QwenCloud/智谱/OpenRouter 或任意 OpenAI 兼容端点均可）；没有 key 的条目会被跳过而不是失败。
• 安装时一问式确认。postinstall 询问你是否有 VLM API key。非交互环境自动跳过，安装永不卡死。启动时打印 PRIVACY NOTICE 标明当前使用的端点。
• 降级链 + 错误分类。rate_limit / quota / auth / region / model_not_found / context_too_large / http 分类给出可操作提示。
• 内容哈希缓存。转译结果按图片字节的 SHA-256 缓存（进程内，上限 200）——同一张图每个进程最多转译一次，重新附加或换对话也命中。
• 自动降采样（可选）。装有 sharp 时，超过 maxImagePixels 的图片转译前自动缩小——大截图更快；没有 sharp 则优雅降级原图直发。
• 兼容 read_image。原生 read_image 工具在该路由下同样可用（它的能力门禁读取同一份模型信息）。

支持的模型与厂商

一套配置（baseURL + model，可选 apiKey）覆盖所有后端：

场景	baseURL	model	说明
百炼（国内）——默认主模型	https://dashscope.aliyuncs.com/compatible-mode/v1	qwen3.7-flash / qwen3-vl-flash	便宜、快、不限速。密钥：千问平台 sk-ws-… 或百炼 sk-…
本地 Ollama（自动探测）	http://localhost:11434/v1	第一个视觉模型	装了就零配置可用；图片不出本机
QwenCloud（国际）	https://dashscope-intl.aliyuncs.com/compatible-mode/v1	qwen3-vl-plus 等	国际版
智谱（免费档）	https://open.bigmodel.cn/api/paas/v4	glm-4.6v-flash	免费档仍需注册智谱（免费）key
任意 OpenAI 兼容端点	你的端点	你的模型	OpenRouter、火山 Ark、vLLM、各类网关……插件只讲 /chat/completions

⚠️ 不再内置任何第三方匿名免费端点作为默认兜底。实测中匿名免费端点（如 OVHcloud AI Endpoints）限速极严且会无响应挂起——作为默认只会复现"卡死"体验。如果你仍想用某个匿名端点，请通过 fallbackModels 自行添加并设 anonymous: true（20 秒超时上限依然生效）。

价格参考（人民币，百炼国内站 2026-08 参考价）

模型	输入	输出	一张 1080p 截图（≈2000 token）
qwen3-vl-flash	¥0.15/百万 token	¥1.5/百万 token	≈ ¥0.0005（约 0.05 分钱）
qwen3.7-flash	¥0.2/百万 token	¥0.8/百万 token	≈ ¥0.001（约 0.1 分钱）
deepseek-v4-flash-vision-exp（官方，默认）	¥3/百万（高峰）· ¥1.5（空闲）	¥9/百万（高峰）· ¥4.5（空闲）	≈ ¥0.01（高峰）/ ¥0.005（空闲）
本地 Ollama	免费	免费	¥0（图片不出本机）

温馨提示：识图默认走官方 deepseek-v4-flash-vision-exp（高峰 9:00-12:00 / 14:0

…