视觉与多模态

DSH-vison 是一个 DeepSeek Harness 插件，为不支持多模态的模型补充图片理解能力。agent 仍可直接接收图片；插件调用 DSH 中已配置的视觉模型生成文字描述，再把描述交给纯文本模型。原始图片会保留在会话历史中，UI 仍可显示图片；模型侧则通过替换后的消息看到描述文字。readimage 工具也会采用同样的处理方式，多模态模型则自动放行，不重复识别。