Skip to content
dsh marketplace

visionforge

Verified

@lr611/visionforge · v0.1.8 · MIT · Web UI

VisionForge: vision understanding + image generation for DeepSeek Harness (DSH)

Install

dsh plugin add @lr611/visionforge

Confirm the layer applied with dsh --profile default --dump-config — see the install guide.

Source

Tags

Creators

Readme

VisionForge

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

VisionForge 基于开源视觉插件 ModLens 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，不影响任何 Harness 配置。

适配环境：DSH Desktop v2.0.14 / DSH harness 0.1.7-rc.1（2026-09 验证）。DSH 大版本更新可能改变插件接口，需按「本机增强记录」重新核对。

功能一览

能力 说明
🖼️ 粘贴即读 官方 DeepSeek 视觉模型下，图片粘贴进输入框原生预览，发送后由视觉模型直接解析（官方已把文本模型请求路由到原生多模态模型）
🔭 多提供商视觉引擎 qwen / openai（任意 OpenAI 兼容端点）/ anthropic / gemini-api / antigravity-cli / claude-cli / kimi-cli，自动组成故障转移链
🎨 图片生成 modlens_generate_image：文字描述生成图片（Qwen-Image / GLM-Image）
✏️ 图片编辑 modlens_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
⚖️ 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
🖱️ 对话内预览 生成的图片在对话里以 90px 缩略图显示，点击缩略图打开电脑系统图片查看器放大；旁边有「下载」按钮（按钮上的 ↓🌐 图标为 DSH 宿主渲染链接时自动添加，非插件控制）
🗂️ 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，不再东一张西一张
🧹 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）；下载的永久副本不受影响
🔗 本地回环服务 预览 / 下载走本机固定端口（43999）loopback 路由，不依赖提供商的临时 OSS 链接（24h 失效、带下载头），重启 DSH 后旧消息的图仍可预览

安装

方式一：从 npm 安装改造版（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。

若本机已安装官方版 @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

源码 / 本地复制兜底：见仓库 INSTALL.md 的 Path B（未发布或离线场景，复制 dsh/、dist/、cordis.patch.yml、package.json 到 @liustack\modlens 安装目录覆盖）。

方式二：把安装交给你的 AI（推荐给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（发布后）或本地复制兜底 → 配置引擎（qwen 等）→ doctor 体检 → 报告结果。INSTALL.md 是一份专门写给 AI 的可执行文档（含失败处理与 Windows 注意），照着跑不会卡壳。支持 Skill 的 AI 环境也可直接加载项目内 skills/visionforge/SKILL.md（含 references/），效果相同。

方式三：从插件商店安装官方版

官方版提供读图能力，但不含本仓库的千问引擎与生图能力改造：

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

安装后进入 DSH 设置 → 内置插件 → VisionForge 配置 卡片填写引擎与密钥。

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 modlens_generate_image，对话内直接出现 90px 缩略图，点击缩略图打开系统查看器放大，旁边「⬇ 下载」保存到本地。
  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 modlens_edit_image 完成编辑，同样带预览与下载。

设置卡片配置项

字段 说明
引擎 qwen / openai / anthropic / gemini-api / antigravity-cli / claude-cli / kimi-cli，或留空自动（故障转移链决定）
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；保存后掩码显示
接口地址 该引擎的 Base URL（如千问 AI 平台 OpenAI 兼容端点）
模型 视觉读图模型（如 qwen3.8-max）；部分引擎提供候选下拉
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
粘贴转路径 智能接管开关（文本模型下把粘贴图转成本地路径供插件读取）

模型候选下拉只列视觉读图模型；生成模型（如 qwen-image）由生图 / 编辑命令自动调用，不需要在这里选。

目录与缓存治理

统一目录（全部固定，可配置）

内容 位置 说明
生成图缓存 D:\VisionForge\out（可改 outputDir） 插件生成的图片，供对话预览
粘贴原图缓存 D:\VisionForge\out\paste 粘贴接管后写入的本地副本（不再落系统临时目录）
下载永久副本 D:\ 根目录（无 D 盘则 C:\Users\<你>\VisionForge） 点击「下载」后缓存复制到此，永久保留
插件配置 C:\Users\<你>\.visionforge\config.json 引擎、密钥、模型、优先级、输出目录

缓存清除机制

  • TTL 3 天：生成图缓存与粘贴缓存超过 3 天自动删除（插件启动时清扫，排除 save-debug.log 诊断日志）。
  • 下载即永久：已下载的副本在 D 盘根目录，不受清理影响。
  • 对话里的预览链接指向缓存；缓存过期后旧消息的缩略图失效属预期行为——重新生成或下载即可。

本机增强记录（改造说明）

以下为 VisionForge 对上游 ModLens 的本地改造记录，仅适用于本机安装；上游或 DSH 官方更新后可能失效，需按下文重新应用。

1. DSH 设置卡片（settings.plugins.tab）

  • 注册点：dsh/client.js 的 ConfigCard，挂在 settings.plugins.tab（id=modlens，label=VisionForge 配置），打开 DSH 设置 → 内置插件即可见。
  • 配置项：引擎、API 密钥（保存后显示 •••••• 掩码）、Base URL、模型、解析优先级（official / plugin）、粘贴接管开关、输出目录。
  • 引擎（7 个）：antigravity-cli / gemini-api / openai / qwen / anthropic / claude-cli / kimi-cli；auto 会按已配置项组成 failover 链。
  • 模型候选（前端下拉）：qwen = qwen3.8-max / qwen3-vl-plus / qwen3-vl-flash / qwen-vl-max / qwen-vl-plus。

2. 粘贴预览（适配 DSH 0.1.7 新准入闸门）

  • 背景：DSH 0.1.7 新增 session/attachment-invalid 准入——模型未声明 image 输入能力时，粘贴 / 发送图片被拒。deepseek-v4-pro 原本无 image 声明 → 适配器兜底 ["text"] → 粘贴被拒，需插件接管成路径文本。
  • 补丁 A（DSH 适配器 dsh-llm-deepseek）：给 deepseek-v4-pro 声明 inputModalities: ["text","image"]——官方已将请求路由到 V4.1 Flash（原生多模态），声明与事实一致 → 准入放行 → 粘贴恢复原生预览（备份 index.js.bak）。
  • 补丁 B（modlens dsh/index.js verdict）：visionPriority=plugin 时不再盲目强制接管——先删缓存、走 host 真实能力判定；模型真正声明 image 则保留原生缩略图，纯文本模型才接管。
  • 结果：DeepSeek-V4-Pro / DeepSeek-V4-Flash 下粘贴 = 输入框原生预览；发送 = 官方 Flash 读图，或按 visionPriority=plugin 调度走插件（qwen key）读图。
  • 预览条：右下角悬浮缩略图条，每张图独立 ×，点击同步删除输入框内对应的 markdown 片段。

3. 生成图对话预览与下载

  • 本地代理路由：/modlens/image?path=（渲染、无下载头）与 /modlens/download?path=（attachment 下载头）；服务固定 127.0.0.1:43999（被占用才回退随机端口）。
  • 白名单 = 输出目录内文件 + modlens 自己登记过的生成文件（只有插件生成的路径可服务）。
  • 对话内缩略图 90px，点击缩略图打开电脑系统图片查看器（/modlens/open → cmd start）；「⬇ 下载」→ 复制缓存到 D 盘根 + 资源管理器自动选中刚保存的文件（explorer /select，沙箱拒绝则回退打开目录）。
  • 卡片上宿主自带的「放大」按钮已被隐藏（与点击缩略图功能重复）；万一漏网，点击它也只隐藏不打开侧边栏。

4. 本机改码与同步守则

  1. 用 python 补丁脚本修改源码（禁用 PowerShell Set-Content，避免 BOM；DSH 内置包是 tab 缩进，需用显式 \t 转义）。
  2. node --check 语法检查。
  3. Copy-Item 同步到安装目录：C:\Users\李\.dsh\profiles\desktop\node_modules\@liustack\modlens\dsh\。
  4. 重启 DSH Desktop 生效。
  5. 维护一份基线副本（如 VisionForge-copy）用于回退；副本一旦建立不再改动。

边界与卸载（不干扰原生 DSH）

  • 作用域严格限定：前端注入的所有行为（点击拦截、按钮隐藏、样式、粘贴接管）都以命中插件图片（img[src*="/modlens/image"]）为前提；DSH 原生组件、官方消息、其他插件零影响。
  • 卸载即干净：从插件市场 / 命令移除插件后，DSH 重启即不再注入任何脚本、不再启动本地服务、端口释放。插件的所有代码都在插件包内（dsh/index.js、dsh/client.js），不修改任何 DSH 官方组件——唯一的例外是历史遗留的适配器补丁 dsh-llm-deepseek（官方文件，DSH 更新会覆盖，见「注意事项」）。
  • 可选彻底清理（卸载后）：
    Remove-Item -Recurse -Force "C:\Users\李\.visionforge"      # 插件配置与密钥
Remove-Item -Recurse -Force "D:\VisionForge"            # 缓存目录（含已下载副本！先备份要留的）
  • 注意：D:\ 根目录下已下载的图片是独立副本，不在 D:\VisionForge 内，需自行确认是否保留。

注意事项

  • 统一目录：一切文件收敛在 D:\VisionForge\ 下——生成图缓存 D:\VisionForge\out、粘贴原图缓存 D:\VisionForge\out\paste、下载默认 D:\ 根目录（无 D 盘则在用户主目录下创建 VisionForge 文件夹）。不设置在项目目录内，也不散落在 C 盘临时目录。
  • DSH 官方更新会覆盖 dsh-llm-deepseek 适配器补丁（重做即可，备份在 index.js.bak）。
  • 配置文件：C:\Users\李\.visionforge\config.json（引擎、密钥、接口、模型、优先级、输出目录均由设置卡片维护；密钥保存后显示为 ••••••，不暴露明文）。
  • 生成 / 缓存目录：D:\VisionForge\out。

常见问题

Q：粘贴图片变成 ![图片](http://127.0.0.1:.../modlens/image?path=...) 文本？ A：你当前选中的模型被判定为纯文本模型，插件接管转成了路径文本（右下角有悬浮缩略图条可预览 / 删除）。切到官方 DeepSeek-V4-Pro / DeepSeek-V4-Flash（或任何声明 image 的视觉模型）即可原生预览。

Q：生成的图片对话里不显示 / 重启后不能放大了？ A：确认已重启 DSH 使补丁生效；服务已固定端口 43999，重启后旧消息的图仍可预览放大。缓存超过 3 天会过期，重新生成即可。

Q：点击下载没有反应？ A：确认卡片上出现的是「⬇ 下载」按钮（点击后资源管理器自动打开并选中文件）。若沙箱拒绝 explorer 会自动回退打开目录；下载本身已成功（文件在 D 盘根目录）。

Q：密钥框保存后为什么是空的？ A：保存后密钥以 •••••• 掩码显示；若显示为空说明该引擎未配置密钥（或保存失败），重新粘贴密钥再保存。

Q：怎么彻底卸载 VisionForge？ A：插件市场 / dsh plugin remove @lr611/visionforge → 完全重启 DSH →（可选）删除 ~/.visionforge 与 D:\VisionForge。卸载后 DSH 原生功能不受任何影响。

Acknowledgements

VisionForge 基于 liustack/modlens（MIT）的图像桥接设计改造而来：在其成熟的视觉解析引擎（OCR / 布局 / 语义证据、失败切换链）之上，独立实现了 Qwen / GLM 生图与编辑、粘贴直读、对话内缩略图预览、一键下载与配置卡片等能力。感谢 liustack 的开源贡献。

License

MIT（上游 ModLens 同许可；本改造基于其 MIT 许可源码，可自由修改与分发）。