Visual Language Gateway Plugin

Project overview

聊天窗里选中 DeepSeek + Vision provider 之后： · 粘贴 / 拖入图片 → 被配置好的视觉模型先描述成文字（逐字提取代码、报错、日志、 UI 文案，并描述布局）； 描述文字替代图片发给 DeepSeek → 你继续用 DeepSeek 写代码，同时获得图片理解能力； 每张图片只描述一次，重试 / 压缩 / 后续轮次都复用同一份描述，不重复计费； session 日志仍然持久化原始图片，历史 / 回放 / 重构不变量不受影响。 工作原理

为什么是"网关适配器"而不是中间件：DSH 有两道硬门槛——prompt / selectModel RPC 按 inputModalities 拒绝不含 image 的模型（纯 llm/stream 中间件拦不到），llm-deepseek 序列化器对 image block 抛 UNSUPPORTEDCONTENT。本插件注册新的 provider 路由，继承官方 导出的 DeepSeekAdapter，stream() 里把图片块经 VL 模型改写为文本后再走原汁原味的 DeepSeek wire；reasoning efforts / context 窗口 / 默认 maxTokens / retry policy 全部从 父类继承。 配置

1. 设置两个 key：设置 → 插件 → 插件配置 → "DeepSeek + Vision（视觉语言桥接）" 卡片里填 VL 密钥（写入凭据存储，不出现在任何响应/设置里）；DeepSeek key 沿用现有凭据； 2. Models 页选择 provider DeepSeek + Vision（会话内切换即持久化为默认）； 3. 聊天窗贴图，发消息——图片自动被描述，DeepSeek 看到的是文字。