dsh-model-vision

dsh plugin --profile web add dsh-model-vision

<div align="center">

<img src="https://raw.githubusercontent.com/charovo0059/dsh-model-vision/main/assets/icon-180.png" width="96" alt="dsh-model-vision 图标">

dsh-model-vision

让 DSH 自动认出哪些模型能看图。

_{中文 · [English](README.en.md)}

能看图的模型自动勾上「输入类型：图片」，名字后面标出「· 可看图」——

不用再手动一个个点，也不会下次点「获取可用模型」就被清掉。

不用装额外的命令行工具，不用另配一把 key，也不用换网关。

它只是把网关本来就公布的能力，补回 DSH 漏掉的那一格。






</div>

<img src="https://raw.githubusercontent.com/charovo0059/dsh-model-vision/main/docs/screenshot.png" width="100%" alt="设置 → 模型，列表最下面那一行是「检测并补充视觉能力」">

---

你可能正遇到这些

• 贴了一张图，DSH 回「这个模型不支持图片输入」，或者图干脆被当没看见
• 网关的说明里明明写着某个模型支持图片，DSH 里它却没有「图片」这个选项
• 你手动勾过一次「图片」，下次再点「获取可用模型」，勾又被清掉了

原因：DSH 拉模型清单时只记下了名字、上下文长度和输出上限，漏记了「能不能看图」。

于是每个拉回来的模型都按默认值当成只能读文字，带图请求在附件阶段就被拒了。

这个插件把这一项补上。

适合：你用第三方网关 / 中转站 / 自建服务（任何 OpenAI 兼容地址），并且想让模型能看图。

不适合：模型本身就不吃图片。插件不会让只读文字的模型学会看图。

它不做什么（这样你能放心装）：

• 不会让只读文字的模型学会看图
• 不会替你填 API key，不会改模型名字（除了末尾那个标注）、上下文长度、价格
• 不会因为网关没说就自己猜一个能力
• 不连任何第三方服务器，不上传对话内容，没有遥测

---

安装

装完都要重启 DSH。

插件市场还在审核，暂时用命令行装：

dsh plugin --profile web add github:charovo0059/dsh-model-vision

这条命令会同时把插件登记进 dsh.profile.bundles，不用手改配置。

如果你用的不是默认 profile，把 web 换成你的 profile 名。

上架之后也可以走 设置 → 插件 → 插件市场 → 搜索 dsh-model-vision → 安装，效果一样。

<details>

<summary>从本地目录装 / 装完自检 / 先看看它会改什么</summary>

从本地目录装（自己改代码时）

git clone https://github.com/charovo0059/dsh-model-vision.git
dsh plugin --profile web add link:<刚克隆下来的目录绝对路径>

装完自检

不确定哪一步缺了，跑这个（会逐项告诉你）：

node tools/check.mjs --profile web

想先看看它会改什么，再决定装不装

node tools/preview.mjs --profile web

只读：读你的配置、问一次网关、把「会改哪几行」打出来，一个字节都不写，DSH 开着也能安全跑。

</details>

---

怎么用

装好就在后台干活，你什么都不用点。

它会在三个时机自动对账：

时机 · 做什么

DSH 启动后 3 秒 · 把已经配好的模型扫一遍，该勾的勾上

每次你点「获取可用模型」 · 5 秒内补齐新拉进来的模型

每 5 分钟 · 对一次账，上游换了能力也能跟上

想立刻检查一遍：

设置 → 模型 → 滚到模型列表最下面 → 点「检测并补充视觉能力」

点完就地出结果（一句话 + 「展开明细」），不用换页。

它判断能力的顺序

1. 先看网关自己怎么写的 —— 写了就照它写，这一步很便宜，不花钱；

2. 网关没写的模型，才真的发图去问 —— 发一张纯色图问「这是什么颜色」，问两个不同颜色：

• 答对了任意一个 → 能看图
• 答成别的颜色（比如给它红色，它说 purple）→ 看不见图，判为只能读文字
• 一个颜色都不提（回了一整段话）→ 没结论，不写声明

沉默不等于纯文本。 网关没说、探测也没问出来，它就什么都不写——宁可不写，也不写错。

几个你会关心的事：

你可能会问 · 答案

会动我的勾选吗？ · 不会。只补「输入类型：图片」，模型还是你选的那些

会花很多额度吗？ · 只测网关没写能力的模型，每个最多两次很小的请求（64×64 纯色图）；单次最多 40 个，超出显示「跳过 N 个」

会重复测吗？ · 不会。结论会记住：能看图的记 7 天，不能的记 1 天

为什么有的模型「没结论」？ · 模型答非所问（比如回一整段话不提颜色）。这种不会被当成"只能读文字"，宁可不写也不写错

---

支持哪些网关

只要能被 DSH 当供应商用，基本都能处理——它不假设路径和字段名。

你的服务 · 怎么找模型清单 · 能不能一键探测

官方 / 中转站（OpenAI 兼容） · /models，找不到就试 /v1/models、/model/info · ✅

自建 vLLM / LM Studio / one-api / new-api · 同上（baseURL 写不写 /v1 都行） · ✅

Anthropic 协议（/v1/messages） · /v1/models?limit=1000 · ✅

Ollama · /api/tags（按模型名匹配） · ✅（要它自己答对才算）

Responses 协议（/responses） · /models · 只看清单，不探测（它的图片格式不一样，乱猜会误判）

判断能力时它认哪些字段写法，见 [docs/how-it-works.md](docs/how-it-works.md)。

---

怎么确认它在工作

最直观的：设置 → 模型 → 找一个你确定能看图的模型 → 点开「输入类型」→「图片」已经勾上了。

看它留下的一句话：每次干完活它会写一份记录，只看里面的 message 一行就够了：

{
  "message": "扫了 58 个模型（网关报了 191 个），补了 34 个的「输入类型：图片」"
}

一共只会出现这几种话：

message 说什么 · 意思

补了 N 个的「输入类型：图片」 · 正常干活，补了 N 个

没有要改的 · 正常，你配的模型都已经对上了

本来可以补 N 个……但只看不写模式（dryRun）开着 · 你把 dryRun 打开了，它只看不动

出错了：…… · 后面跟的就是原因

没有可检查的模型 · 还没配供应商，或者没点过「获取可用模型」

记录在 ~/.dsh/model-vision.<profile>.status.json（web 这个 profile 就是 model-vision.web.status.json）。

想追细节（wrote / routes[].changes / credential 这些字段）看 [docs/troubleshooting.md](docs/troubleshooting.md)。

---

会不会弄坏我的配置

• 只写「输入类型」这一个字段，写完立刻停手
• 没有要改的 → 一个字节都不落盘
• 写之前逐行比对，注释、字段顺序、!!js 表达式原样保留
• 万一写坏了：改之前先备份 ~/.dsh/profiles/web/cordis.patch.yml，出问题直接覆盖回去
• 想让它只看不写：配置里加 dryRun: true，它照样记账，但不动你的文件

它碰什么：

它要 · 用来做什么

读你的配置文件 · 看每个模型现在声明的「输入类型」

写你的配置文件 · 只写 input（文字/图片）和模型名末尾的「· 可看图」

读本机凭据（~/.dsh/.credentials.yaml 的 refs） · 访问你自己填的那个 API 地址时要带 key

访问你填的那个 API 地址 · 读模型清单；探测时发两张 64×64 纯色图

不连任何第三方服务器，不上传对话内容，不读你的会话记录，没有遥测。

---

出问题怎么办

现象 · 先看哪 · 常见原因

某个模型没被勾上 · 状态记录里的 held · ① 你自己勾过"只要文字"，插件尊重你的选择 ② 网关没说明它支持图片 ③ 它确实只能读文字

一个都没勾上 · 状态的 listed 是不是 0 · 网关地址填错、服务没开，或者网关压根不公布模型清单

报 401 · 状态的 credential · 没找到这家的 key。把 key 填进「模型」设置页，或确认网关不需要 key

勾上了，贴图还是失败 · — · 网关说支持但实际不支持。把那个模型的「图片」取消掉，或去网关那边确认

模型名太长 / 不想看标注 · — · 配置里 badgeSuffix: ''，重启后标注会自己撤掉（它只摘自己加在末尾的那一段）

改了 5 分钟才生效 · 状态的时间 · 正常节奏就是这样；想立刻生效就重启 DSH

点了按钮报「超出上限跳过 N 个」 · 结果里的这行字 · 单次探测有上限（默认 40 个）。再点一次会接着测（已测过的不会重来），或把 maxProbes 调大

探测显示「没结论」 · 结果的这一行 · 模型没正面回答颜色。不会被误标成"只能读文字"，你手动勾一下即可

按钮不见了 · 设置 → 模型，列表最下面 · 先重启 DSH。如果某个 DSH 版本改了这个位置，插件会自动退成「设置 → 视觉能力」单页，功能相同

按钮说「后台服务没响应」 · — · 宿主半边没挂上，重启一次 DSH

---

卸载

dsh plugin --profile web remove dsh-model-vision

重启 DSH 就干净了——dsh plugin remove 会同时把它从 dsh.profile.bundles 里摘掉，不用手改配置。

已经勾上的「图片」会留着——那已经是你配置里正式的一项了，插件不负责回滚。想取消就手动去设置页把「图片」取消勾选。

---

配置（一般不用改）

装好即用。要调的话，在 ~/.dsh/profiles/web/cordis.patch.yml 里加一段覆盖。

name 那一行必须逐字写成 dsh-model-vision，否则会被静默跳过：

- id: model-vision
  name: dsh-model-vision
  config:
    mode: fill               # fill = 只补空缺（默认）；sync = 连你手写错的也按网关纠正
    routes: []               # [] = 所有供应商；也可以只写某几个的名字
    dryRun: false            # true = 只看不写，专门用来观察
    interv

…(truncated)