近日，技术社区针对终端 AI 客户端 dsh 的自定义供应商配置进行了深入探索，主要解决了该工具在接入 newapi 等自定义接口时无法精细控制模型推理参数的问题。用户在尝试调用 DeepSeek v4 Flash 等新型模型时，发现默认界面无法调整推理强度。通过分析源代码，开发者确定了手动修改 `~/.dsh/settings.yaml` 配置文件的解决方案。该方案通过在 `providers` 字段下显式添加 `reasoningEfforts` 字段，成功解锁了从 off 到 max 的多档位推理控制功能，且修改后无需重启即可生效。此外，配置文件还支持定义模型的输入模态（如 text、image），从而让 dsh 能够正确调用 Kimi k3 等多模态模型。分析表明，dsh 的底层架构与 llm-pi-ai 高度相似，这意味着 pi-ai 的许多配置技巧可以直接移植，极大地扩展了 dsh 对前沿大模型能力的兼容性。
事件分析
随着 DeepSeek 等新一代推理模型的发布，AI 开发工具对模型特性的适配成为关键。此次 dsh 配置的更新，本质上是开发者通过开源社区的探索，填补了 CLI 工具与最新模型 API 特性之间的适配空白。DeepSeek v4 Flash 引入了分级推理强度控制，而 dsh 原有的配置模板未及时跟进。通过修改 YAML 配置，用户不仅解决了特定模型的调用问题，还验证了 dsh 与 pi-ai 架构的兼容性。这表明，在 AI 工具快速迭代的背景下，基于文本的配置文件赋予开发者比传统 GUI 更高的可塑性与响应速度。同时，对 Kimi k3 等多模态模型的接入配置，也预示着终端 AI 工具正从纯文本交互向图文并茂的复杂任务处理演进。
核心观点：终端 AI 工具凭借文本配置的灵活性，快速适配了 DeepSeek 分级推理与多模态等前沿特性，展现了优于闭源 GUI 工具的进化速度。
原文链接：Linux.do
