dsh-media-skills

主要功能

• 在纯文本会话中粘贴/拖拽/选择图片，自动生成文字描述并附带实时缩略图
• vision-review 技能：分析截图与图片，检测 UI 视觉问题、水印/Logo，可选输出 ModLens 风格的结构化证据 JSON
• media-tools 技能：使用免费无水印模型生成插画、头像、背景、banner 等图片
• 视觉引擎多级故障转移：GLM-4V-Flash → DeepSeek-V4-Flash-Vision-Exp/Qwen3-VL → SenseNova → Gemini → 任意 OpenAI 兼容端点
• 自动在模型选择器中播种免费视觉模型路由（GLM-4V-Flash，以及 v0.1.1+ 原生的 DeepSeek-V4-Flash-Vision-Exp）
• 不在仓库中硬编码密钥，图片不落盘、不经共享第三方端点转发

适合什么时候用

• 使用纯文本 DeepSeek 模型时，需要读取用户粘贴的截图或图片内容
• 需要免费检测 UI 视觉缺陷（重叠、溢出、错位）或识别图片中的水印/Logo
• 需要在对话中直接生成插画、头像、背景或 banner，且不想使用付费或带水印的生图服务

安装后会多出什么

使用前需要

• DeepSeek Harness rc.7、rc.8 或 v0.1.1-rc.1 及以上版本，且需应用配套的 core 补丁（api-proxy 准入补丁 + client-ux 补丁）
• v0.1.1-rc.1+ 无需额外密钥，复用 agent 已有的 DEEPSEEK_API_KEY
• rc.7/rc.8 或需启用免费引擎时，需要智谱（Zhipu）API Key（GLM-4V-Flash 免费）
• 可选：SiliconFlow API Key（Kolors 生图免费）
• 可选：Google Gemini（AI Studio）API Key 用于加入故障转移链
• 插件通过 cordis.patch.yml 挂载 host-bundle，涉及网络、文件系统、凭据与环境变量访问