54xkeee/dsh-vision

为 DeepSeek Harness 增加「外挂识图模型」能力：让本来不具备视觉能力的模型，通过一个可自定义地址/密钥/提示词的外部视觉模型来「看懂」图片与屏幕。

它注册一条新的提供商路由（默认 vision-recognizer，模型选择器里显示为 DeepSeek + 识图），包装真正的 DeepSeek 适配器：对外声明支持图片输入（附件预检与 readimage 门禁放行），并在请求流里把每张附加图片经你选定的视觉模型转译成文字，再交给纯文本的 DeepSeek 作答。对话仍由 DeepSeek 完成，识图只是附加能力。

- visionunderstand 工具：调用 OpenAI 兼容视觉大模型 API 理解本地图片（描述画面、识别文字、回答问题），注册为全局工具，所有会话可用。 - 三入口识图：Cmd/Ctrl+V 粘贴截图、拖图到按钮、点按钮选文件 → 图片自动落盘到 $DSHHOME/pasted-images/ → 输入框填入 请识别这张图片： → 发送后模型自动调用识图工具。

- 3 个模型工具 — memoryremember / memoryrecall / memoryforget - 每轮提示注入 — 最近的记忆条目会自动注入每次系统提示，Agent 开局就带着上下文 - 持久化存储 — 记录存放在 storage domain（dshmemory 单元，默认 json 后端；单元名按 UNITNAMERE 用 snakecase） - 浏览器管理页 — 设置里的"记忆库"页面，可浏览、新增、删除条目

一个 DeepSeek Harness bundle 插件：让纯文本主代理（DeepSeek）在同一会话内读图。需要视觉时，主代理指派一个路由到你在设置里选定的多模态模型（先在「设置模型」配置，再在「设置视觉处理模型」选择；出厂默认 qwen3.8-max，详见配置）的全新子代理，子代理的文本结果再 merge 回当前会话。粘贴或拖放图片直接可用：摄入保持完全原生（缩略图栏、删除/撤销照常）；在纯文本会话点击发送时，浏览器半区把每张草稿图片上传成私有临时文件、把路径追加到你的输入文本里，请求不会触发图片准入，纯文本代理即可把路径委派给视觉子代理。不需要切换模型、不需要另开会话、不需要复制粘贴。

给纯文本模型（如 deepseek-v4-flash）的"读图"能力——双版本发布： - DSH 版：DeepSeek Harness 插件（dsh-plugin，含 DSH EAC 桌面端） - ZCode 版：ZCode 桌面端插件（zcode-plugin，经 MCP 暴露工具）