@lr611/visionforge

dsh plugin --profile web add @lr611/visionforge

VisionForge

给 DeepSeek Harness 装上"眼睛"和"画笔"：视觉理解 + 图片生成 + 图片编辑，一个插件搞定。

🌐 [English](README.en.md) | 中文

VisionForge 基于开源视觉插件 liustack/modlens（MIT）深度改造而来：接入千问（Qwen）引擎、新增图片生成与编辑能力、内置图形化设置卡片、支持官方 / 插件双解析优先级调度。改造点全部保留原插件的轻量架构——在 DSH 上只是一个插件目录，卸载即删除，不修改任何 DSH 官方组件，不影响原生功能。

适配环境：DSH Desktop v2.0.17 / DSH harness 0.2.0-rc.2（2026-10 实测）。DSH 大版本更新可能改变插件接口，升级后请重新验证。

插件版本 × DSH harness 对照

插件版本 · 发布日 · 适配 DSH harness · 适配 DSH Desktop · 说明

0.1.8 及更早 · ≤ 2026-09-27 · harness 0.1.x 早期 · — · 基于 liustack/modlens 3.26.3 的分叉/桥接版（品牌化 + 初步集成）

0.1.9 · 2026-09-28 · harness 0.1.7-rc.1 · — · 连接层重写第一版（约 90% 自研，保留上游致谢），功能基线

0.1.10 · 2026-09-30 · harness 0.1.7 系列（-rc.1 / -rc.2） · v2.0.14（2026-09 实测） · 0.1.9 增强版：内容合规文档、设置卡片增强、上架准备

0.2.1（当前） · 2026-10-02 · harness 0.2.0-rc.2（2026-10 实测）；兼容 0.1.7 系列 · v2.0.17（2026-10 实测） · 0.1.10 增强版：提示词 100 字门槛 + 六维检测强化 + 细节写作指南 + 多图并行不超时等 5-bug 修复

安装层面的兼容范围（npm peerDependencies）：@deepseek-ai/dsh-client-ui-primitives 允许 >=0.0.1-rc.1 <0.1.0 || >=0.1.0-rc.1 <0.2.0-0 || >=0.2.0-0 <0.3.0-0（即 harness 0.1.x 与 0.2.x 系列均可安装），上表为实测版本。

---

功能一览

能力 · 说明

🖼️ 粘贴即读 · 官方视觉模型下图片粘贴进输入框原生预览；纯文本模型下由插件接管转成本地路径并解析，两种模式都无需手动复制路径

🔭 多提供商视觉引擎 · Qwen / OpenAI（任意 OpenAI 兼容端点）/ Anthropic / Gemini / Antigravity / Claude / Kimi，自动组成故障转移链，一个密钥失败自动轮换下一个

🎨 图片生成 · visionforge_generate_image：文字描述生成图片（Qwen-Image / GLM-Image），支持 1–6 张、多种尺寸

✏️ 图片编辑 · visionforge_edit_image：换装、换背景、多图融合、改表情（Qwen-Image edit），支持 1–3 张输入、批量输出变体（每张不同，绝不重复）

🔍 图片放大 · 对话内生成的图片以90px 缩略图呈现，点击图片本体直接用电脑系统图片查看器打开缓存位置的原图放大——不弹 DSH 侧边栏

⬇️ 一键下载 · 点击「保存图片 N」把缓存图复制到 D 盘根目录（无 D 盘则用户目录 VisionForge 文件夹），并在资源管理器中自动选中刚保存的文件；同样不经过侧边栏

⚖️ 解析优先级 · 官方优先：官方视觉模型能看图时先解析，不行才走插件；插件优先：始终先用你配置的提供商密钥，全部失败才试官方

⚙️ 设置卡片 · DSH 设置页内置「VisionForge 配置」卡片，引擎 / 密钥 / 接口 / 模型 / 优先级全部由你自己填写；密钥保存后显示 •••••• 掩码，不写死在代码里；改动内容时保存按钮高亮，保存成功后恢复灰色

🧩 引擎翻译器（自定义引擎） · 内置引擎之外的任意厂商（Google Gemini、Imagen、OpenAI 兼容网关等）无需改代码即可接入：设置卡片「添加 / 编辑自定义引擎」或 visionforge config add-engine。名称自动规范化并带护栏，接口地址自动识别协议族，读图 / 生图 / 编辑按模型级能力声明

🎨 画质与提示词增强 · 未指定画质时：支持 2K 的引擎（Qwen / Imagen / Gemini）默认 2K（2560×1440），不支持 2K 的引擎（GLM）默认其最大分辨率（2048×2048）；支持 4K / 2.5K / 2K / 1080P 分辨率词表，超引擎上限自动降级并说明。图生图自动追加保护性约束（保持面部特征、肢体自然、不加水印），用户明确改某项时自动跳过对应约束，可关

🗂️ 统一目录 · 生成图缓存、粘贴原图缓存、下载目录全部收敛固定，不散落在系统临时目录

🧹 缓存清理 · 生成图与粘贴缓存超过 3 天自动过期清理（启动时执行）；已下载的永久副本不受影响

🔗 本地回环服务 · 预览 / 放大 / 下载走本机固定候选端口（45999/46999/47999/48999）loopback 路由，不依赖提供商的临时 OSS 链接（24h 失效），重启 DSH 后旧消息的图仍可预览、放大、下载

安装

方式一：npm 安装（推荐）

npx -y @deepseek-ai/dsh plugin --profile desktop add @lr611/visionforge

安装后进入 DSH 设置 → 内置插件 → VisionForge 配置 卡片填写引擎与密钥，完全重启 DSH Desktop 生效。

若本机已安装旧版 @liustack/modlens，请先移除再安装本包，避免两套插件同时注册同名工具：

npx -y @deepseek-ai/dsh plugin --profile desktop remove @liustack/modlens

方式二：把安装交给你的 AI（不熟悉命令行的用户）

把下面这句话发给你的 AI 助手（DSH 内的助手，或任何能访问本机终端 / 文件的 AI）：

按 https://github.com/LR611415/visionforge 的 INSTALL.md 安装并配置 visionforge 插件，完成后运行体检（doctor）并把结果告诉我。

AI 会按 INSTALL.md 的步骤执行：npm 一键安装（或本地复制兜底）→ 配置引擎（可跳过，跳过则随时可去设置卡片补填）→ doctor 体检 → 报告结果。支持 Skill 的 AI 环境可直接加载项目内 skills/visionforge/SKILL.md。

方式三：本地源码复制兜底（离线 / 未发布场景）

见仓库 INSTALL.md 的 Path B：把 dsh/、src/、skills/、cordis.patch.yml、package.json 复制到 DSH 插件安装目录并 npm install。

快速开始

1. 配引擎：DSH 设置 → 内置插件 → VisionForge 配置 → 选择引擎（如 Qwen）→ 填入 API 密钥、接口地址、模型 → 保存（密钥框显示 •••••• 即保存成功）。

2. 看图：把图片复制 / 粘贴进输入框——官方视觉模型下显示原生预览，直接发送即可解析；插件优先时会转路径交给你的提供商密钥解析。

3. 生图：对话里说"生成一张田间的稻草人"，模型调用 visionforge_generate_image，对话内直接出现 90px 缩略图，点击图片用系统图片查看器放大，点「保存图片 N」下载到 D 盘根目录。

4. 改图：粘贴 1–3 张图，说"把女生的衣服换成白色 JK 裙"，模型调用 visionforge_edit_image 完成编辑，同样带预览与下载。

自定义引擎（引擎翻译器）

内置引擎之外，你可以添加任意厂商引擎（如 Google Gemini、Imagen、自定义 OpenAI 兼容网关），无需改代码即可读图、生图、编辑。图片怎么传给引擎由「协议族」自动决定——你不需要知道 image_url 与 inline_data 的区别。

在设置卡片添加

1. DSH 设置 → VisionForge 配置卡片 → 底部「+ 添加 / 编辑自定义引擎」。

2. 填：引擎名称（自动规范为小写 a-z0-9._-，与内置引擎重名会被拒绝，拼写相近会提示）、显示名（可选）、接口地址（粘贴后自动按域名预填读图协议族）、读图协议族、生图协议族、API 密钥（可留空稍后补）、视觉模型、生图模型（填了才启用生图）。

3. 保存后引擎会出现在顶部引擎下拉中，可设为默认引擎参与解析。

命令行添加

# 读图 + 生图（Google Gemini 示例）
visionforge config add-engine google \
  --base-url https://generativelanguage.googleapis.com \
  --display-name "Google Gemini" \
  --read-family gemini --gen-family chat-native \
  --model gemini-3.1 --gen-model imagen-4.0

visionforge config list-custom        # 查看已添加的自定义引擎
visionforge config remove-engine google   # 删除
visionforge config test google        # 用 1×1 占位图实测连通性（花极少配额）

密钥与模型可稍后在设置卡片或 visionforge config set custom.<name>.apiKey 补填。

协议族（决定图片上传格式）

协议族 · 图片格式 · 适用

openai-compatible（默认兜底） · image_url + data URI · OpenAI 兼容网关、千问、GLM、月之暗面、DeepSeek 等约 90% 厂商

anthropic · image + source base64 块 · Anthropic / Claude 兼容端点

gemini · inline_data（远程图自动拉回 base64） · Google Gemini

raw-base64 · 私有端点直接放 base64 字段 · 自定义私有网关

生图协议族：dashscope-image（Qwen-Image 原生）、openai-image（/images/generations）、chat-native（Gemini 多模态生成）、google-imagen（Imagen :predict / :editImage）。尺寸格式按协议族自动转换（如 Qwen 要 1024*1024、OpenAI 要 1024x1024、Imagen 用比例 1:1），不支持的能力会明确报错而非静默。

名称护栏

• 名称自动规范化（大小写 / 空格 / 连字符 / 下划线统一）；
• 与内置引擎或已有自定义引擎重名 → 拒绝并说明；
• 与内置引擎拼写相近（编辑距离 ≤ 2，如 qwenx → qwen）→ 提示「你是不是指内置引擎」，不静默改名；
• 接口地址域名可识别协议族并自动预填。

设置卡片配置项

字段 · 说明

引擎 · Qwen / OpenAI / Anthropic / Gemini / Antigravity / Claude / Kimi，或自动（按已配置的密钥自动组成故障转移链，谁可用谁解析）

API 密钥 · 由你自己填写，支持英文逗号分隔多 key，鉴权 / 限流 / 配额失败自动轮换；保存后显示 •••••• 掩码，可点选删除

接口地址 · 该引擎的 Base URL（如千问 AI 平台 OpenAI 兼容端点；Antigravity / Claude / Kimi 为 CLI 引擎无需地址）

模型 · 视觉读图模型（如 qwen3.8-max）；切换引擎后下拉列表自动切换为对应引擎的常用模型，也可自定义

图生图提示词自动增强 · 开启（推荐）：简短编辑指令自动追加保护性约束（保持面部特征、肢体自然、不加水印），你明确要求改某项时自动跳过对应约束；关闭则原样发送

解析优先级 · 官方优先（默认）或 插件优先

图片输出目录 · 生成图片的缓存目录，默认 D:\VisionForge\out

粘贴转

…(truncated)