dsh-vlm-bridge

DeepSeek Harness 组合包（bundle）插件：为纯文本模型提供视觉能力。

功能

vision_analyze 工具：读取图片文件 → 调用 VLM（默认 ModelScope Qwen/Qwen3-VL-8B-Instruct）→ 返回文字描述。 适合当前模型（如 deepseek-v4-flash）不支持图片输入时：

• 识别图片内容（默认详细描述）
• 追问图片细节（传 question 参数）

文件结构

dsh-vlm-bridge/
├── package.json        # dsh.bundle manifest + dependencies
├── cordis.patch.yml    # 插入 dsh-vlm-bridge 插件行的 patch 层
├── index.js            # 插件实现（name / inject / Config / apply）
├── scripts/
│   ├── verify.mjs      # 自检脚本（模块解析 + schema + 工具注册 + 真实 VLM E2E）
│   └── demo.png        # E2E 测试用图（真实 UI 截图，非 1×1/64×64 占位）
└── README.md

安装（profile web）

dsh plugin --profile web add github:me9rez/dsh-vlm-bridge
# bundle 层在启动时读取，安装后需重启 dsh 进程
dsh --profile web --dump-config   # 应看到 "# == dsh-vlm-bridge" 层

其他分发方式：

# 从 npm 安装（已发布后）
dsh plugin --profile web add dsh-vlm-bridge

# 从 tarball 安装（无需构建权限）
pnpm pack && dsh plugin --profile web add ./dsh-vlm-bridge-0.1.4.tgz

# 从本地目录安装（开发时）
dsh plugin --profile web add C:/workspace/dsh-vlm-bridge

# 维护
dsh plugin --profile web update dsh-vlm-bridge            # 更新
dsh plugin --profile web remove dsh-vlm-bridge            # 卸载（同时移除 bundle 层）

参考 dsh 生态做法（如 dsh-agent-teams 的安装方式：dsh plugin --profile web add github:NanmiCoder/dsh-agent-teams）——dsh 支持直接从 GitHub 安装 bundle 包。

配置层由 cordis.patch.yml 提供：插入 dsh-vlm-bridge 插件行（id 可被用户层覆盖）。

配置

单一来源：baseUrl/model 等只从 config 来（schema 默认值兜底）；密钥只从 credentials 来。

凭证（~/.dsh/.credentials.yaml，密钥唯一来源）：VLM_API_KEY（必需）。 注意：VLM_BASE_URL / VLM_MODEL 不再从 credentials 读取（0.1.0 单一来源化）， 要改端点/模型请在 config 里配。

示例（profile 的 cordis.patch.yml，覆盖 bundle 层已有的行）：

# 顶层直接按 id 覆盖——不需要 insert/update 关键字。
# 覆盖 = 整行 config 替换：未写出的键回落 schema 默认值。
# 本 bundle 层 config 为空，所以只写想改的键即可。
- id: dsh-vlm-bridge
  config:
    model: glm-5.2-vision     # 换 VLM
    cacheTtlMs: 300000        # 想改就写，不想改可省（回落默认 600000）

若 bundle 未提供该行（如本地 --patch overlay），用 insert 提供：

- insert:
    - id: dsh-vlm-bridge
      name: dsh-vlm-bridge
      config:
        model: sensenova-6.8-flash-lite

覆盖规则：patch 按 id 整行替换 config，不深度合并。如果 bundle 层的行带显式 config，覆盖时必须重述想保留的全部键（否则回落到 schema 默认值）；值等于 schema 默认的键可以省略。

已知坑：@deepseek-ai/* 模块解析

bundle 通过 pnpm link: 装进 profile 时是 junction 链接，Node 按 realpath 解析 bundle 内 import '@deepseek-ai/dsh-tools'，即从 bundle 目录向上找 node_modules。

开发模式（bundle 源在外部目录）：本机解法是在源目录旁建 junction 指向 dsh 安装目录的依赖：

New-Item -ItemType Junction -Path "C:\workspace\dsh-vlm-bridge\node_modules\@deepseek-ai" `
  -Target "C:\Users\15165\.dsh\profiles\node_modules\@deepseek-ai"

GitHub / tarball / npm 安装：包被复制进 profile 依赖树，向上能找到 hoisted 的 @deepseek-ai，无此问题。

dsh publish 文档关于 git 安装的注意事项同样适用：若决定不预先打包 tarball， 用户需要在 pnpm-workspace.yaml 里授权 allowBuilds，否则 git 安装的 prepare 脚本会被 pnpm 10+ 拒绝运行。

验证

node scripts/verify.mjs

覆盖：模块解析、Config schema 校验（默认值/非法配置报错）、apply() 工具注册、 真实 VLM 调用 E2E（需 credentials 里有 VLM_API_KEY，否则跳过 E2E）。

变更记录

• 0.1.5（2026-08-14）：README 补充 GitHub/tarball/npm 三种安装方式（参考 dsh-agent-teams 的 github:NanmiCoder/dsh-agent-teams 安装用法）。
• 0.1.4（2026-08-14）：E2E 测试图打包进 bundle（scripts/demo.png，不再依赖外部路径）。
• 0.1.3（2026-08-14）：verify.mjs E2E 改用真实截图——1×1/64×64 极小图 ModelScope 会静默拒绝返回空内容，让人误以为是 base64 不支持。
• 0.1.2（2026-08-14）：默认 VLM 改为 ModelScope https://api-inference.modelscope.cn/v1 + Qwen/Qwen3-VL-8B-Instruct（Sensenova 接口慢，降级为可配项）。
• 0.1.1（2026-08-14）：修复 VLM 输出被 1024 token 上限截断/偶发空内容—— maxTokens 可配置（默认 4096）；空内容报错区分"推理占用全部 token"与"无输出"； 截断时在结果末尾附加提示；logFile 默认值改为动态 os.tmpdir()（不再写死本机路径）。
• 0.1.0（2026-08-14）：打包为 dsh bundle；新增 Config schema（Schemastery）； 配置单一来源化——baseUrl/model 只从 config 来（schema 默认值兜底）， 密钥 VLM_API_KEY 只从 credentials 来；新增 scripts/verify.mjs 自检脚本。