dsh-gemini-multimodal
v0.1.1 · 0 天前发布
DeepSeek Harness plugin: multimodal tools (image/audio/video/document understanding, transcription, image generation) via Gemini API or the local Antigravity CLI.
README
dsh-gemini-multimodal
给 DeepSeek Harness 装上多模态感知:harness 主模型(如 DeepSeek)是纯文本的,这个插件把"看/听"外包给 Gemini —— 图片/音频/视频/文档理解、转录、图片生成。
为什么
DeepSeek 模型只支持文本。当任务涉及截图、图表、语音、视频片段或 PDF 时,这个插件让 agent 真的能看能听——判断仍由主模型负责。
两种 provider(选一个)
| provider | 需要什么 | 什么时候用 |
|---|---|---|
| gemini_api | aistudio.google.com 申请的 Gemini API key | 默认;直接 REST,快,一次 HTTP |
| antigravity_cli | 本地 agy CLI,用 Google 账号登录 | 不用管 key;消耗 Antigravity/Google One 额度 |
key 去哪搞(gemini_api): 打开 aistudio.google.com → 用你的 Google 账号登录 → Get API key → Create API key。key 以 AIza... 或 AQ. 开头,两种都行。Pro/Google One 订阅同样走 API 免费层(图片生成在免费层限流)。
antigravity_cli 配置: curl -fsSL https://antigravity.google/cli/install.sh | bash,然后跑一次 agy 并登录,无需 key。
快速开始
```sh
dsh plu
版本兼容矩阵
| DSH 版本 | 状态 | 说明 |
|---|---|---|
dsh@0.1.0-rc.6 | ✅ 兼容 | cordis patch ✅ |
dsh@0.1.0 | ✅ 兼容 | 标准 patch ✅ |
dsh@0.2.0 | ⚠️ 待验证 | 待实测（API 可能在变） |
dsh@0.3.0+ | ❓ 未知 | 尚未发布 |
💡 兼容矩阵每周末自动跑实测，欢迎 PR 修正
元数据
- License
- MIT
- npm
- dsh-gemini-multimodal
- Repo
- git+https://github.com/RealAlexandreAI/dsh-gemini-multimodal.git
- Engines
{"node":">=20.0.0"}- Weekly DL
- 0
- Monthly DL
- 0
- dsh.bundle
{"bundle":{"patch":"./cordis.patch.yml"}}