dsh-siliconflow-vision

dsh-siliconflow-vision

DSH（DeepSeek Harness）插件：通过**硅基流动（SiliconFlow）**的视觉大模型识别/分析图片。

当前主模型通常只支持文本输入，无法直接"看"图。本插件注册一个 analyze_image
模型工具，把图片交给硅基流动的视觉模型（默认 Qwen/Qwen3-VL-32B-Instruct）识别，
再把结果返回给对话模型——从而让 DSH 会话获得完整的图片识别能力。

功能

• ✅ 识别服务器本地图片文件（传路径）
• ✅ 识别 http(s) 图片 URL
• ✅ 识别 base64 data URL
• ✅ 自定义识别指令（prompt），如"识别图中所有文字"、"图里有什么动物"
• ✅ 可切换模型（Qwen3-VL 系列、GLM-4.5V、PaddleOCR-VL 等）
• 🖼️ 可选：交互式"粘贴识别"面板（动态插件形态，见 dynamic/）

安装

方式一：作为 bundle 安装（推荐，持久生效）

把本目录（或 git clone 后的目录）通过 dsh plugin 安装到某个 profile：

dsh plugin --profile demo add ./dsh-siliconflow-vision

安装后 dsh --profile demo 启动即加载 analyze_image 工具。

方式二：作为动态插件加载（会话级）

把 dynamic/host.js 与 dynamic/client.js
的内容通过会话的 cordis 插件工具（cordis_define + cordis_run）加载，
可获得输入框上方的"粘贴识别"面板（浏览器端粘贴/选图 → 识别 → 结果自动发送到主会话）。
注意动态插件是会话级的，进程重启后需要重新激活。

配置 API Key

优先使用环境变量：

export SILICONFLOW_API_KEY="sk-xxxxxxxx"

或者写入密钥文件（任选其一，文件内容为纯文本 Key）：

$DSH_HOME/siliconflow.key
~/.dsh/siliconflow.key

Key 在 硅基流动控制台 获取。

使用

在对话中让模型识别图片即可，例如：

分析一下 /root/data/photo.png 里有什么
识别这张图的文字：https://example.com/screenshot.png

模型会调用 analyze_image 工具，参数：

参数	必填	说明
image	✅	服务器本地路径 / http(s) URL / data URL
prompt	—	对图片的问题或指令，缺省为通用中文描述
model	—	硅基流动模型 ID，默认 Qwen/Qwen3-VL-32B-Instruct
maxTokens	—	输出 token 上限，默认 1024

可选模型

模型 ID	特点
Qwen/Qwen3-VL-32B-Instruct	默认，识别能力强
Qwen/Qwen3-VL-8B-Instruct	更快、更省
Qwen/Qwen3-VL-30B-A3B-Instruct	性价比
zai-org/GLM-4.5V	通用视觉
PaddlePaddle/PaddleOCR-VL-1.5	OCR 文字识别专用

技术说明

• 运行环境：Node.js >= 18（使用原生 fetch，无需 python/shell）
• 请求格式：OpenAI 兼容 POST https://api.siliconflow.cn/v1/chat/completions
• 本地图片读取后转 base64 data URL 传入，不走磁盘临时文件
• API Key 不会出现在插件代码里，从环境变量或密钥文件读取

License

MIT